DataStax 帮助 Wikimedia 将数据处理速度提升至原来的 10 倍，为数十亿用户提供其全球内容数据库。
在企业 AI 领域，理解和使用多种语言不再是可选项，而是满足全球员工、客户和用户需求的必要能力。
多语种信息检索（即跨语言搜索、处理和检索知识的能力）在助力 AI 输出更加准确、更与全球相关联的结果方面发挥着关键作用。
企业可以使用 NVIDIA API 目录中提供的 NVIDIA NeMo Retriever 嵌入和重排序 NVIDIA NIM 微服务，将生成式 AI 成果扩展至准确的多语种系统。这些模型由于能够理解各种语言和格式（如文档等）记录的信息，因此可以大规模地生成准确且符合上下文的结果。
借助 NeMo Retriever，企业现在可以：
从大型、多样化的数据集中提炼知识，以提供更多的上下文信息，从而给出更加准确的回答。
将生成式 AI 无缝连接到大多数全球主要语言的企业数据，以扩大用户群体。
通过长上下文支持、动态嵌入大小调整等新技术，数据存储效率提升了 35 倍，进而能够更大规模地提供可操作的智能。
全新 NeMo Retriever 微服务将对存储容量的需求减少至原来的 35 分之一，以便企业能够一次性处理更多信息，并在单台服务器上容纳大型知识库。这使得 AI 解决方案更易获得，更具成本效益，也更容易在企业间扩展。
DataStax、Cohesity、Cloudera、Nutanix、SAP、VAST Data 和 WEKA 等 NVIDIA 领先合作伙伴已采用这些微服务，帮助各行各业的企业安全打通定制模型与各种大型数据源。通过使用检索增强生成 (RAG) 技术，NeMo Retriever 使 AI 系统能够访问更丰富、更相关的信息，有效填补了语言和上下文的鸿沟。
Wikidata 将数据处理时间
从 30 天缩短至 3 天内
Wikimedia 与 DataStax 共同使用 NeMo Retriever 对 Wikipedia 的内容进行矢量嵌入，为数十亿用户提供服务。矢量嵌入也被称作“矢量化”，是一种将数据转换为 AI 可以处理和理解的格式，以便提炼洞察和推动智能决策的过程。
Wikimedia 使用 NeMo Retriever 嵌入和重排序 NIM 微服务，在 3 天内就将 1000 多万个 Wikidata 条目矢量化为 AI 可处理的格式，而这一过程在过去需要 30 天。这样的 10 倍加速使得对全球最大开源知识图谱之一的可扩展、多语种访问成为可能。
这个开创性的项目保证了数十万个条目的实时更新，每天都有成千上万的贡献者对这些条目进行编辑，为开发者和用户进一步打通了获取全球信息的途径。凭借 Astra DB 的无服务器模型和 NVIDIA AI 技术，DataStax 产品可提供近乎为零的延迟和出色的可扩展性，满足 Wikimedia 社区的动态需求。
DataStax 正在使用 NVIDIA AI Blueprint，并将 NVIDIA NeMo Customizer、Curator、Evaluator 和 Guardrails 微服务集成到 LangFlow AI 代码生成器中，使开发者生态系统能够针对自己的独特用例优化 AI 模型和工作流，帮助企业扩展 AI 应用。
具有语言包容性的 AI
正在对全球企业产生影响
NeMo Retriever 帮助全球企业克服语言和语境障碍，充分释放数据的潜力。通过部署强大的 AI 解决方案，企业可以获得准确、可扩展和具有影响力的结果。
NVIDIA 的平台和咨询合作伙伴在确保企业高效采用和集成生成式 AI 功能（例如全新的多语种 NeMo Retriever 微服务）方面起到了关键作用。他们帮助企业根据自己的特殊需求和资源调整 AI 解决方案，使生成式 AI 变得更易获得和更加有效。这些合作伙伴包括：
Cloudera 计划扩大 NVIDIA AI 在 Cloudera AI Inference Service 中的集成规模。Cloudera AI Inference 目前已嵌入了 NVIDIA NIM，并将在今后加入 NVIDIA NeMo Retriever，以提高多语种用例的洞察速度和质量。
Cohesity 推出了业界首款基于生成式 AI 的对话搜索助手，使用备份数据提供富有洞察力的响应。该搜索助手使用 NVIDIA NeMo Retriever 重排序微服务，提高了检索的准确性并显著提升了各种应用的洞察速度和质量。
SAP 正在使用 NeMo Retriever 的基础功能，为其智能副驾 Joule 的问答功能以及从自定义文档中的信息检索添加上下文。
VAST Data 正与 NVIDIA 一起在 VAST Data InsightEngine 上部署 NeMo Retriever 微服务，对新数据进行即时分析。这样就可以通过捕捉和组织实时信息加快识别业务洞察，实现 AI 驱动的决策过程。
WEKA 正在将其 WEKA AI RAG Reference Platform (WARRP) 架构与 NVIDIA NIM 和 NeMo Retriever 集成到其低延迟数据平台，创造出每秒处理数十万个 token 的可扩展多模态 AI 解决方案。
借助多语种信息检索突破语言障碍
多语种信息检索对于企业 AI 满足实际需求来说至关重要。NeMo Retriever 支持针对多语种和跨语种数据集的高效、准确文本检索。它专为搜索、问题解答、摘要和推荐系统等企业用例而设计。
此外，NeMo Retriever 还解决了企业 AI 所面临的一个重大挑战——处理数量庞大的大型文件。借助长上下文支持，这些新的微服务可以处理冗长的合同或详细的医疗记录，而且能够在长时间的交互中保持准确性和一致性。
这些功能有助于企业更有效地使用数据，为员工、客户和用户提供精准、可靠的结果，同时通过优化资源实现可扩展性。NeMo Retriever 等先进的多语种检索工具，可以使 AI 系统在全球化世界中具有更强的适应能力、更易访问和产生更大的影响。
可用性
开发者可以在 NVIDIA API 目录中，或者通过免费的 90 日 NVIDIA AI Enterprise 开发者许可证访问和使用多语种 NeMo Retriever 微服务以及其他适用于信息检索的 NIM 微服务：
https://www.nvidia.cn/data-center/products/ai-enterprise/
进一步了解全新 NeMo Retriever 微服务的更多信息，以及如何使用它们构建高效的信息检索系统：
https://developer.nvidia.com/blog/develop-multilingual-and-cross-lingual-information-retrieval-systems-with-efficient-data-storage/
点击“阅读原文”或扫描海报二维码，北京时间 1 月 7 日（星期二）上午 10:30 观看 NVIDIA CEO 黄仁勋在拉斯维加斯现场发表的 CES 开幕主题演讲。
