甲骨文推出无LLM语义搜索方案 主打高可控低算力成本

企业级软件厂商甲骨文近期推出全新语义搜索产品Trusted Answer Search，该方案无需依托大语言模型（LLM）即可实现语义级检索能力，相较生成式AI检索方案可节省30%至40%的推理算力成本，同时具备全链路可审计、结果可控无幻觉等优势，仅需企业投入更高的前期数据治理与标注成本。

随着生成式AI的普及，越来越多企业尝试将大语言模型应用于内部知识库检索、客户服务问答等场景，但随之而来的幻觉风险、高算力成本、合规审计难等问题，也让不少强监管领域的企业望而却步。甲骨文此次推出的无LLM语义搜索方案，正是瞄准这一细分市场的空白需求。

过往基于大语言模型的语义检索方案，优势在于能够对多来源信息进行整合重组，输出自然流畅的生成式回答，但短板也十分突出：一方面，大模型推理算力成本居高不下，对于日均检索量超过10万次的中大型企业而言，仅每月的大模型调用或部署成本就可达数十万甚至上百万元；另一方面，生成式回答存在幻觉风险，且输出内容无法全链路溯源，完全无法满足金融、医疗、政务等领域的合规审计要求。

甲骨文此次发布的Trusted Answer Search，核心技术路径是基于预训练语义向量库+企业专属知识图谱，全程不调用生成式大语言模型进行内容生产，所有检索结果均直接匹配企业入库的权威数据源，仅对匹配到的原始内容做高亮、关联推荐等处理。

该方案的核心优势十分明确：首先是算力成本大幅降低，相比同量级的生成式检索方案，算力开销可降低30%-40%；其次是完全消除幻觉风险，所有结果均有明确来源，且操作全链路留痕，可满足强监管场景的审计要求；此外也无需担心内部敏感数据随大模型调用泄露的风险。