图数据库大全，新产品、市场规模、应用案例、发展趋势；动态图、AI融合、多模联合分析；自管理、云托管···一个也没有少！！

全球图形分析市场将出现大幅增长，到2032 年将达到惊人的205.7亿美元，并预计在整个预测期内收入复合年增长率 将达到33.5%。主要驱动因素包括将人工智能、物联网(IoT)和区块链集成到图形分析中，以满足各行各业对数据驱动决策日益增长的需求。

实施成本高、数据隐私问题、技术技能短缺和缺乏标准化等挑战对市场增长构成了潜在的制约因素。

在部署模式方面，云细分市场在2022年占据主导地位，在全球图分析市场中占据了最大的收入份额。基于云的平台可轻松访问强大的图形分析工具，无需进行大量硬件或软件投资。这种可访问性扩展到中小型企业(SME)，无论身在何处，都能促进协作和实时项目参与。在越来越多地采用边缘计算来增强数据库功能的推动下，本地分析平台预计将呈现适度增长。

大型企业预计将在图形分析市场中占据相当大的收入份额，这得益于其实施先进技术和优化生产力的能力。图形分析可帮助大型企业访问独家团队数据，提高透明度，并确保符合复杂的数据治理要求。与此同时，由于对云部署和维护服务的投资增加，预计中小企业将稳步增长，特别是在发展中地区。

就行业而言，银行、金融服务和保险(BFSI)部门有望在预测期内获得最大的收入份额。BFSI 内数据量的激增，加上网上银行的兴起和合规报告的增强分析，推动了图形分析解决方案的采用。零售和电子商务领域预计将见证最快的增长，因为零售商利用先进的分析工具来了解客户偏好、增强客户体验并促进销售。

北美在2022年成为全球图形分析市场的领导者，得益于需求激增、技术集成和对实时分析的大量投资。尤其是美国市场，其份额最大，各行各业的公司都在利用图形数据库。（globenewswire.com）

IDC调研发现，95%的企业认为图数据库是重要的数据管理工具，超过65%的厂商认为在业务上图数据库优于其他选择，当前应用场景用例主要集中在金融风控、欺诈检测、人际关系分析(执法部门)和预测分析(营销和商业计划)方面，以实现更简单的内容和数据管理和更灵活高效的数据开发。但整体来看，图数据库的使用仍处于早期阶段，市场需要一份统一标准的评估作为参考和支撑。

整体来看，中国图数据库市场经历市场教育阶段，进入大规模商业化落地的初期。早期金融、互联网客户采用开源方案来探索图数据库与业务的落地实践，处于小范围开发实验时期，此时对图数据库的业务认可度和采购意愿较低，厂商市场教育成本高，但随着企业对于业务逻辑开发和关系挖掘需求增强，以及大型央国企和银行数字化转型政策的强制要求，企业开始主动了解图数据库商业化版本，寻求合适的供应厂商，市场从厂商对客户的教育培训转变成客户对厂商的主动的行业落地诉求，2022年中国图数据库市场规模达到2.4亿元人民币，预计2023年整体市场规模将超过4亿元人民币，呈现快速增长的态势。

谁对新技术最敏感?能获得超出预期收益的那类人!

图技术使一切产生关联，Graph relates everything。因此，Gartner预言，到 2025 年，图技术将用于80%数据与分析的创新，促进整个组织的快速决策。

对图数据库、知识图谱平台等图技术最敏感的，一是资本，资本对图数据库加大投入，并对未来获得的收益充满信心。

二是金融等机构，通过图数据库和知识图谱，开展金融风控、产业链/担保链/供应链上下游分析、智能投研、产品或服务的精准推荐等创新应用。

无利不起早!某证券公司在图数据库应用上起步好早，早期选择的开源图数据库已经无法满足发展的需求了!那么，选择国产自研图数据库，替代开源数据库的“新剧本”效果如何呢?

经过选型，选择星环科技自研的国产图数据库替代开源的图数据库，在多个项目上支持客户的复杂关系分析场景，降低图分析门槛，提升可视化效果，更好为业务场景服务，效果出奇的好!

本文为《图数据库选型指南》系列选题文章之一，对话一线厂商和用户，揭开图数据库这一新型数据库的神秘面纱。探求图数据库技术发展的重点和难点，整理行业落地应用的实践，供业内参考。

本期我们邀请到了星环科技图数据库高级产品经理刘磊，由于在博士阶段的研究领域涉及图算法应用和Ontology，并且接触过图数据库相关技术，认为图数据库、图技术有发展前景，便投身行业中。他指出国内图数据库市场正处于快速发展的阶段，一些业务场景需要更深入地挖掘和探索。

2023年5月，星环科技推出了分布式图数据库StellarDB5.0，在存算引擎、深度图框架、动态图模型、可视化等方面引入了更多新的设计和迭代升级，推出了更高性能、更智能、更易用的企业级分布式图数据库StellarDB 5.0。

StellarDB5.0实现了存储引擎和计算引擎双引擎升级。在存储部分，全新设计了底层数据存储结构，在计算部分优化了TEoC编译器，同时对多场景计算框架进行了深度优化，为多场景的高性能要求奠定了坚实的基础。

在实时场景中，响应速度提升了近5倍，并且在高并发场景下，QPS可达上万以上。在关联关系场景中，多跳查询能力最高提升达到10倍。此外，StellarDB5.0对近50种图算法进行了深度的优化，性能平均提升8倍。

StellarDB5.0实现从实时场景到关联关系分析场景，到图算法分析场景全方位的性能提升，大幅提高了客户业务效率。

为了能够将图机器学习技术在实际生产中落地，StellarDB5.0接入了星环科技自研的ZenGraph深度图框架，将图数据库技术和深度图技术深度融合，利用图数据库的优势实现图数据快速地读取和写回，提供快速子图过滤能力，从而提升整个深度图链路的处理效率;ZenGraph深度图框架可以针对不同的业务场景提供不同的深度图模型，满足多样化的业务场景。

在实践过程中，StellarDB结合ZenGraph深度图框架，预测准确率达到了业内较高水平。例如，论文引用推荐场景中，在630万点边，128个特征数的数据集下，推荐准确率高达81.23%，比传统链路预测算法提升了23%。类似的，如基于内容本身的微博推荐、书籍推荐、商品推荐或者歌曲推荐等场景中，结合ZenGraph，推荐准确率可以得到大幅提升。

同样，图数据子图过滤场景中，在6800万点边，5个过滤特征的数据集下，使用StellarDB进行子图过滤仅需4.97秒，极大加速了深度图链路处理效率。

下一阶段，StellarDB将进一步融合图数据库技术和深度图技术，提供更加易用、一体化的工业级图深度学习解决方案。

最完整的图形数据和分析平台背后的公司ArangoDB推出ArangoDB 3.11，以加速其在搜索、图形和分析用例中的性能。ArangoDB 3.11包括对 ArangoSearch(ArangoDB原生集成的全文搜索和排名引擎)的性能改进，以及其Web界面的新功能，以简化数据库的操作。

“ArangoDB 3.11旨在将高级搜索和分析功能提升到新的高度，同时还引入了大量新的性能、可用性和操作改进，”ArangoDB 首席技术官 Jörg Schad 博士说。“随着新的发布，ArangoDB的运行速度更快，使用起来更直观，使我们的客户和社区能够继续解锁洞察力，帮助他们优化决策并加速创新。”

ArangoDB 3.11 中的新功能包括：

·跨搜索和图形的更快查询性能。

·改进了数据库管理的用户体验。

·数据科学和分析操作增强功能。

ArangoDB 3.11 中的其他功能包括并行收集、写入冲突改进、跨 AQL(ArangoDB 查询语言)的各种性能增强、新的服务器选项等。（arangodb.com）

ML和AI图形分析平台提供商TigerGraph发布了TigerGraph图形数据库v 3.9.3，引入了对工作负载管理、Kubernetes和OpenCypher的扩展支持。

据该公司称，该最新版本是与 TigerGraph 客户合作开发的，建立在 TigerGraph 在细粒度访问控制、活动监控、安全性和数据完整性领域的现有企业准备之上。

通过这些最新改进，TigerGraph 简化并扩展了信用卡欺诈检测等应用程序的资源管理和数据摄取监控，在这些应用中，高容量、高速、隐私、安全性和整体系统完整性至关重要。

此版本满足了大型企业的一些特定软件系统管理需求：

·工作负载管理 — 自动将查询任务分配给最不繁忙的资源，以最大限度地提高工作效率

·实时数据摄取监控 - 监控高达 TB 的高速数据加载的进度和完整性

·支持 Kubernetes — 支持简单、自动化的软件组件部署和扩展，以满足动态需求，从而降低运营成本

·集成 OpenCypher — 添加许多开发人员熟悉的语言，以加快创建和迁移图形查询的速度，然后转向 GSQL 进行高级和高性能的图形分析。(dbta.com)

Franz 是一家实体事件知识图谱解决方案的图数据库技术供应商，宣布推出 AllegroGraph 7.3，该版本具有增强的 GraphQL 查询功能，适用于分布式知识图谱和企业数据结构。

该公司表示，借助 AllegroGraph 的 GraphQL API，开发人员可以创建高性能且更复杂的数据驱动应用程序。GraphQL 在单个请求中获取特定数据的能力为知识图谱开发人员提供了灵活性。

GraphQL 是一种用于 API 的开源数据查询语言，也是用于使用数据完成查询的运行时。它允许 API 客户端以图形形式查询数据，而不管数据是如何存储的，从而可以将数据源与客户端应用程序松散耦合。

根据 Franz 的说法，GraphQL 提供了对 API 中数据的易于理解的描述，使客户能够准确地询问他们需要什么，并使 API 随着时间的推移更容易发展。在 AllegroGraph 中使用 GraphQL API 可以降低集成成本并最大限度地减少企业系统中的冗余，同时提高数据驱动型应用程序的价值。(dbta.com)

图形数据库和分析公司 Neo4j宣布对其平台进行重大更新，使云和自我管理的客户能够将分析查询速度提高多达 100 倍。新的更新旨在促进统一数据库中的并发事务和分析处理，并自动实时跟踪数据更改，以简化关键决策。

在单个数据库中集成操作和分析工作负载是 Neo4j 的最新进展，通过引入并行运行时和变更数据捕获 (CDC) 而得到丰富。这些创新为客户提供了实时洞察、经济的数据管理和简化的架构，预示着速度、性能和敏捷性的范式转变。

该平台引入了新功能，支持跨多个 CPU 内核的并发线程来运行分析图形查询。该公司表示，它采用了一种称为基于小块的并行性的技术，该技术可以优化可扩展性、资源利用率和多任务处理。

“基于Morsel的并行性是一种并行计算方法，用于将计算任务划分为更小、更细粒度的工作单元，称为”小块“或”块”。每一口都是一个小型且独立的工作单元，可以由多个处理器或线程独立并行处理，“Neo4j 首席产品官 Sudhir Hasbe 告诉 Metaverse Post，”这种方法在需要访问整个图形并且不锚定在图形中的特定实体中的图形查询中特别有用。

Neo4j 的原生变更数据捕获 (CDC) 旨在自动实时跟踪和通知数据库中的数据变更。该公司表示，CDC与Neo4j Connector for Kafka和Confluent集成，促进了对其他数据平台和应用程序的更改。

“CDC 功能允许用户从其图形数据库中获取实时更改事件。用户可以获取增量更改或完成对特定节点或关系的更新。然后，下游系统可以根据需要集成并更轻松地使用这些事件，“Neo4j 的 Hasbe 告诉 Metaverse Post，”这将使企业能够将 Neo4j 与所有其他企业应用程序和系统无缝集成。(mpost.io)

Aerospike公司宣布推出Aerospike Graph，一款可大规模扩展的高性能图形数据库，可以轻松构建和运行处理高度互联的企业级数据集的应用程序。

Aerospike Graph 的推出是为了应对缺乏图形数据库解决方案的问题，这些解决方案可以支持具有可持续成本模型的大型图形数据集，这通常会促使公司耗尽自己的资源，以创建临时的、不灵活的解决方案。

据该公司称，Aerospike Graph 在性能和成本方面都是一项创新，可在数万亿个顶点和边缘以极高的吞吐量提供毫秒级多跳图查询。该解决方案的开发直接解决了组织创建自己的解决方案的现象，这些解决方案会大量消耗资源，包括时间和金钱。

Aerospike首席产品官Lenley Hensarling说：“许多人要么不得不尝试现有的图形技术，但当他们将它们投入生产时，有时他们必须以定制的方式重新编码所有内容，以获得他们拥有的规模。“而这个 [Aerospike Graph] 将使这变得容易得多，他们将能够将图形技术大规模应用于越来越多的生产用途，而无需手动编写解决方案。”

该数据库允许数据团队独立扩展计算和存储，确保用户只需为他们需要的东西付费。据该公司称，它进一步被证明可以提供极低的 TCO，即使在最高规模下，Aerospike Graph 所需的基础设施也比其竞争对手少了 80%。(aerospike.com)

Memgraph是一款高性能的开源图形数据库，它与 Neo4j 兼容，同时消除了 Neo4j 的复杂性和成本。作为一个很好的替代方案，它是专门为实时图形处理和分析而设计的。凭借其先进的功能，包括高性能图形算法、对复杂图形查询的支持以及名为 Memgraph Lab 的直观图形可视化工具，它已成为需要实时图形分析功能的组织的理想选择。

Memgraph 提供的功能和优势使其在图形数据库领域中脱颖而出。其中一些功能和属性包括：

·速度：Memgraph 在读取密集型工作负载方面比 Neo4j 快 8 倍，在写入密集型工作负载方面快 50 倍。这确保了数据检索和操作以无与伦比的执行力完成。

·与Neo4j的兼容性：Memgraph 是 Neo4j 的直接替代品，为用户提供了过渡的灵活性，而不会影响熟悉的工具和功能。对 Cypher 和 Bolt 完全兼容性的支持确保了习惯于 Neo4j 查询语言和通信协议的用户获得流畅的迁移体验。

·内存处理：Memgraph 完全在内存中运行，提供快速读写访问，适用于需要低延迟和实时处理的应用。

·Cypher查询语言：Memgraph 使用 Cypher 查询语言，这是一种专为表达对图数据的查询而设计的图查询语言。Cypher 简化了查询和遍历图形的过程。

·高级算法：除了许多关键的内置算法外，Memgraph 还在 MAGE 库中提供了高性能的高级算法。

·最大化吞吐量：Memgraph 是用 C++ 从头开始构建的，以使用硬件功能的最新进展并提供最佳性能。

·ACID 合规性：提供磁盘持久性、原子性、一致性、隔离性和持久性，并保证数据完整性和可靠性。

·开源：Memgraph 是开源的，没有严肃的企业许可证，没有隐藏费用。这种透明的模型促进了一个协作社区，允许用户访问代码、报告问题并自由地为源代码做出贡献。(memgraph.com)

NebulaGraph是一款开源、分布式、易扩展的原生图数据库，官方说其能够承载千亿个点和万亿条边的超大规模图，并且提供毫秒级查询。

本次发布的NebulaGraph v3.6.0 版本，主要强化全文索引能力，以及优化部分场景下的MATCH 性能。

作为新时代的数据库软件供应商，创邻科技始终致力于信创安全体系建设。针对部分客户对图数据库高安全能力的诉求以及提高产品安全竞争力的要求，创邻科技就核心产品Galaxybase图数据库展开相关研发工作，增强其数据库安全能力。目前Galaxybase图数据库在集群通信中支持TLCP协议国标来进行安全连接。

借助TLCP国家标准的优势基础，Galaxybase图数据库能够确保集群通信链接安全的功能和配置，对敏感数据进行进一步保护，不用担心数据泄漏和被恶意攻击的风险，为金融、政企、公安等多端用户带来进一步的安全使用体验。

NeuroDB是一个内存级图数据库引擎，能够利用Neuro-cypher指令实现对图数据的创建、编辑、检索以及建立在复杂图算法上的一些高级图应用。

NeuroDB 1.0.0 版本发布，带来的是：模式匹配算法性能大幅提升;最短路径检索算法重构优化;csv数据导入功能增强;排序算法重构;全路径检索超时熔断机制;修改默认自动持久化存储策略;优化日志级别配置与输出;增加一套单元测试用例脚本; 修复代码bug与内存泄露等。

近日悦数图数据库 v3.6.0 版本全新发布!同时发布的还有悦数图探索和悦数运维监控 v3.6.0 版本，提供了更优化的可视化图探索工具和多集群可视化运维工具。

悦数图数据库 v3.6.0 版本中，最引人注目的新功能是 Zone 管理支持。Zone 是悦数图数据库中存储节点的逻辑机架，它将多个存储节点划分成可管理的逻辑区域，实现资源隔离。通过 Zone，您可以轻松实现多机房容灾，防止数据丢失，并且大大减少跨机房访问流量和延时，在降低成本的同时，提升系统的吞吐量。这一功能的引入将为您的数据管理提供更高的可靠性和安全性，满足并提升企业在业务连续性和安全性的高标准需求。

除了 Zone 管理，我们还引入了其他一系列重要的功能和增强。例如，我们新增了对 HTTP2 协议和 SSL 双向认证(mTLS)的支持，确保数据传输的安全性。同时，我们还加强了对 INNER JOIN 连接查询的支持，使得您能够更灵活地进行数据查询。我们还新增了 FIND SINGLE SHORTEST PATH 功能，帮助您快速查找单条最短路径。这些功能的引入将进一步提升您的数据探索和分析效率。

gStore是由北京大学王选计算机研究所邹磊教授团队研发的，面向RDF知识图谱的开源图数据库系统。11月11日，gStore 最新1.2版本正式上线发布。

新增功能包括：

·精简 ORDER BY 执行逻辑、去除不必要的类型判断和转换，大幅提升执行效率。

·优化构建模块：支持构建空库。

·优化三元组解析器：支持纯数字IRI，支持由数字和字母组成的IRI，以及以数字开头的IRI。

·新增API接口：gStore 1.2版本的ghttp和gRPC服务增加了上传文件、下载文件、统计系统资源、重命名、获取备份路径5个接口。

·gStore 1.2版本新增了7个高级函数，分别是单源最短路径(SSSP、SSSPLen)、标签传播(labelProp)、弱连通分量(WCC)、整体/局部集聚系数(clusteringCoeff)、鲁汶算法(louvain)、K跳计数(kHopCount)、K跳邻居(kHopNeighbor)等。

在Microsoft Ignite 2023，微软为多模数据库Azure Cosmos DB推出众多新功能，包括Azure Cosmos DB for MongoDB vCore及其矢量搜索， 在Azure Cosmos DB 中推出 Microsoft Copilot for Azure，提供公共预览版等。

Azure Cosmos DB for MongoDB vCore 现已正式发布，专为满足高度响应的智能应用所需的速度和规模而构建，为 MongoDB 工作负载提供可靠、无缝集成且完全托管的数据库解决方案。该解决方案为开发人员提供了熟悉的体系结构、与 Azure 生态系统的本机集成、低成本以及高级数据库查询功能，以及针对 AI 聊天机器人和其他智能应用的全文搜索。

Azure Cosmos DB for MongoDB vCore 中的矢量搜索功能也已正式发布，可用于发现数据中隐藏的模式、关系和见解。借助矢量搜索支持，您可以存储长期记忆和聊天记录，以改进您的大型语言模型 (LLM) 解决方案。可以有效地查询最相关的上下文，以令牌高效的方式个性化 Azure OpenAI 服务提示。

Azure Cosmos DB 中推出 Microsoft Copilot for Azure，提供公共预览版。借助此 AI 驱动的工具，可以直接从 Azure Cosmos DB 数据资源管理器使用自然语言浏览数据。只需在文本框中键入问题或提示，Copilot 就会使用 Azure OpenAI 服务中的 LLM 为你生成 Azure Cosmos DB NoSQL 查询。

Azure Cosmos DB 提供卓越的弹性和可伸缩性，可独特地满足这些应用的要求，今天我们宣布增强缩放功能：按分区和按区域动态缩放(公共预览版)。这项新功能允许您消除热分区的高成本。动态分区现在仅根据每个分区中的消耗量向你收费，而不是按系统在小时内缩放到的最高 RU/秒向你收费。

Azure Cosmos DB 是一种完全托管的 NoSQL 和关系数据库服务，适用于新式应用开发，具有 SLA 支持的速度和可用性、自动和即时可伸缩性，并支持开源 PostgreSQL、MongoDB 和 Apache Cassandra。(devblogs.microsoft.com)

AWS宣布推出 Amazon Neptune Serverless，这是 Amazon Neptune 的全新无服务器选项，可自动扩展以支持不可预测的业务关键型图形数据库工作负载。

Amazon Neptune 是一项快速、可靠且完全托管的服务，可让您轻松构建和运行需要图形数据库来高效存储和查询复杂且高度互联的数据集的应用程序。Amazon Neptune Serverless 包括 Amazon Neptune 的高级功能，可实现高可用性、性能和弹性。使用 Amazon Neptune Serverless 无需预先承诺或额外费用，客户只需为使用的数据库资源付费。要开始使用 Amazon Neptune Serverless。

借助 Amazon Neptune Serverless，客户不再需要预置、扩展和管理数据库实例集群。Amazon Neptune Serverless 可自动预置图形数据库工作负载并将其扩展到数十万个查询，以便为具有可变和不可预测工作负载的应用程序保持始终如一的快速性能。借助 Amazon Neptune Serverless，客户只需为其应用程序使用的数据库资源付费，与预置峰值容量相比，可为客户节省高达 90% 的成本。Amazon Neptune Serverless 支持与 Amazon Neptune 相同的常用且易于编写的图形查询语言。新的无服务器产品提供了全面的 Amazon Neptune 功能，包括支持多个 AWS 可用区以实现高可用性、支持只读副本以实现高性能，以及支持完全托管的软件修补、更新和备份以实现易用性。(aws.amazon.com)

国际权威图基准测评“LDBC SNB Interactive” 榜单更新中出现关键突破：阿里云开源图计算引擎 GraphScope 登顶并打破榜单历史纪录，其单节点执行图数据库查询的吞吐率超过 30000 QPS，性能达此前纪录保持者2倍。

阿里云GraphScope具有一站式、开发便捷、性能极致的特点，已于2020年开源，代码公布于github.com/alibaba/GraphScope。它在业界首次支持Gremlin分布式编译优化，提供了各类高效图分析算法和图学习算法，并支持用户自定义算法的即插即用。在保持简单易用的同时，GraphScope达到了企业级场景的极致性能。

未来，GraphScope 团队将进一步在 GraphScope Flex 架构下帮助用户搭建高效的图数据库、图分析引擎或图学习系统等能力，GraphScope Flex的其它部署形态也将陆续发布。后续GraphScope Flex相关能力还将应用于阿里云图计算产品。

IDC发布的报告显示，华为云GES(图引擎服务)位居领导者类别。IDC MarketScape报告中指出：“华为云GES作为拥有自主知识产权的国产分布式原生图数据库和图引擎产品，提供一站式的图存储、图查询和图计算能力，支持30+高性能算法，覆盖多场景分析计算，具备10+图神经网络和图嵌入算法。广泛应用于互联网、政务、安平、税务、电力等行业，为客户的辅助决策、降本增效等提供专业、高效的服务。”

华为云GES集图数据库和图分析引擎一体化，具备完善的图分析、图查询、图可视化能力，作为中国首个商用的、拥有自主知识产权的原生图产品，具备以下几个优势：

·分析查询一体化

·大规模、高性能

·简单易用，支持no-code可视化分析等。

Aerospike宣布在 Google Cloud 和Google Marketplace上发布了其最近发布的图数据库 Aerospike Graph。

Aerospike Graph 以极高的吞吐量跨数十亿个顶点和数万亿个连接提供毫秒多跳图查询。基准测试显示，在一小部分基础设施上，每秒的吞吐量超过 100,000 次查询，延迟低于5毫秒。

谷歌云基础设施产品管理高级总监 Nirav Mehta 表示：“随着企业越来越多地将图形数据库用于云中的关键任务应用程序，他们需要一种不受增长限制的解决方案。” “我们很高兴与 Aerospike 合作，将他们的图形数据库引入 Google Cloud Marketplace，通过一致的实时性能使我们共同的客户受益，并可扩展以满足他们当前和未来的需求。”

Aerospike 现在使 Google Cloud 上的开发人员能够使用新的和现有的 Gremlin 查询轻松编写应用程序。这适用于 AdTech、Customer 360、欺诈检测和预防以及其他必须实时大规模运行的用例的 Aerospike Graph。

图形数据库和分析平台 Neo4j 最近与 Amazon Web Services (AWS) 签署了一项多年战略合作协议 (SCA)，旨在提升生成式人工智能 (AI) 成果。此次合作将专注于与企业解决方案Amazon Bedrock的集成，以提高准确性、透明度和可解释性，同时减轻人工智能幻觉。

这项合作将解决处理大型语言模型 (LLM) 的开发人员面临的共同挑战，因为他们需要植根于特定企业数据和领域的持久内存。Neo4j将知识图谱与原生向量搜索相结合，旨在为这一困境提供解决方案。

“Neo4j 的原生向量搜索允许使用 LLM 的生成式 AI 应用程序方便地对作为属性存储在与知识图谱相同的数据库中的向量进行语义搜索。然后，可以将结果与知识图谱中周围节点的事实相结合，为更完整、准确、相关和可解释的答案提供完整的背景，“Neo4j 首席产品官 Sudhir Hasbe 告诉 Metaverse Post。

在发布此公告的同时，Neo4j 已在 AWS Marketplace 上发布了其完全托管的图形数据库产品 Neo4j Aura Professional。此举将通过提供快速启动平台来简化从事生成式人工智能的开发人员的体验。

AWS Marketplace 是一个包含大量软件列表的数字目录，有助于发现、测试、购买和部署与 AWS 兼容的软件。

“Neo4j Aura Professional 在 AWS Marketplace 上的全面发布允许开发人员使用他们现有的 AWS 账户创建他们的第一个知识图谱，并使用现有的 AWS 提交。这简化了注册、计费和支出监控，“Neo4j 的 Hasbe 说。(mpost.io)

Ontotext正在发布 GraphDB 10.3，引入了一些新功能，例如集成流行的大型语言模型 (LLM) ChatGPT，以极大地帮助用户理解 SPARQL 查询和结果，同时也提供了一种新的机制来丰富 RDF 数据。

随着ChatGPT的集成，用户现在将能够更轻松地深入研究RDF的世界，并更深入地了解其功能。据该公司称，无论他们是刚刚起步还是拥有高级知识，这种集成都使他们能够利用 ChatGPT的功能，并将它们与他们的RDF数据无缝集成，以提取有价值的见解。

这种集成最重要的方面之一是能够在ChatGPT的帮助下解释查询和/或结果。

此功能可确保用户不仅获得准确且相关的答案，还可以更好地了解底层查询逻辑和所获得结果的重要性。

据该公司称，这样的解释促进了更明智的决策过程，并使用户能够从他们的RDF数据集中提取最大价值。

此外，GraphDB现在提供了直接从SPARQL向ChatGPT提出通用问题的能力。通过这样做，用户可以丰富他们的图表并从他们的数据中提取额外的信息。

此外，据该公司称，将强大的数据虚拟化解决方案Ontop升级到第5版，通过带来新功能和对其他数据源的支持，大大减少了从现有数据源构建知识图谱所需的时间和精力。

Elasticsearch和Solr连接器的升级版本，以及新的专用 OpenSearch 连接器，为用户提供了更好的索引和搜索数据的灵活性。

GraphDB 10.3还包括许多其他改进和错误修复，进一步增强了系统的整体用户体验和稳定性。(kmworld.com)

致力于为企业知识工作者提供直接、轻松访问关键业务数据的数据和人工智能公司Stardog 发布了Voicebox，一个由大型语言模型(LLM)驱动的平台，首次能够立即访问对完成工作至关重要的业务数据。Voicebox提供了一个对话界面，可将数据使用者连接到组织的所有数据，而无需剥离其业务上下文。在宣布这一消息之前，埃森哲风险投资公司(Accenture Ventures)最近对Stardog进行了战略投资，这得益于生成式人工智能市场的预期增长。

长期以来，全球企业一直受到无法将公司数据和知识交到员工和其他最需要的人手中的阻碍。这主要是因为数据在不同位置和结构中的存储效率低下，公司实体的任务是维护治理和控制。借助Voicebox，任何员工、客户或企业供应商都可以使用普通语言提出问题，并根据可信、及时和准确的企业数据立即获得答案。不需要特殊的技术技能。

Stardog创始人兼首席执行官 Kendall Clark 表示：“这是第一次，任何员工都能够轻松地向企业数据提出问题，并立即获得可信的答案。“这个解决方案对竞争力和盈利能力的影响怎么强调都不为过，因为对相关数据的普遍访问长期以来一直是完成工作的最大障碍之一。自助式分析不再是能够编程的技术人员的专利。(stardog.com)

ArangoDB发布ArangoGraphML 正式，一个完全托管且直观的图形机器学习平台。下一代图形数据和分析平台现在具有机器学习和数据科学功能，可加速创新。

在当今不可预测的时代，企业必须在成本效益、客户满意度和收入增长之间取得平衡，同时保护自己免受欺诈和安全风险的影响。深度连接的图形数据和机器学习为在这些领域的最佳决策提供有价值的见解。然而，图驱动的 ML 的采用历来受到压倒性的复杂性、低准确性和对专业知识的需求的阻碍。

ArangoGraphML 通过提供企业就绪、图形驱动的机器学习即服务来弥合这一差距，帮助专家和非专家从数据中提取更深入的见解和预测。ArangoGraphML 作为 ArangoGraph 基于云的图形数据和分析平台的一部分提供。在此版本中，ArangoGraph 为用户提供了一套全面的数据管理和分析工具——所有这些都由强大的查询语言统一起来，该语言原生集成了图形、JSON、全文搜索和现在的机器学习。(arangodb.com)

图形数据库和分析公司 Neo4j 宣布已将原生向量搜索集成到其核心数据库功能中，为日益流行且不断发展的生成式 AI、语义搜索和 LLM 世界提供大量支持。

Neo4j 的图形数据库技术特别突出了数据实体之间的关系，提供了对组织数据资产的透彻理解。据供应商称，虽然图技术当然可以支撑人工智能系统——使其能够有效地推理、推断和检索相关信息——但矢量搜索可以推动人工智能在企业中的效用和应用。

通过其新发现的集成，Neo4j 的矢量搜索功能能够基于相似的数据属性检测隐式模式和关系，而不是完全匹配。据该公司称，这为搜索过程提供了巨大的实用性，包括显示相似的文本或文档、提供建议等。

Neo4j的图形数据库技术及其新发现的向量搜索功能的综合功能将提高准确性，同时减少潜在的幻觉。

“我们看到了将向量发现的隐式关系与图形所阐明的显性和事实性关系和模式相结合的价值，”Neo4j的联合创始人兼首席执行官Emil Eifrem说。“客户在使用生成式 AI 进行创新时，还需要相信他们的部署结果是准确、透明和可解释的。随着LLM的动态发展，Neo4j已成为企业寻求突破其数据和业务可能性的基础。(kmworld.com)

在DockerCon上，Docker与合作伙伴Neo4j、LangChain和Ollama一起宣布推出新的GenAI堆栈，旨在帮助开发人员在几分钟内开始使用生成式AI应用程序。GenAI Stack 无需搜索、拼凑和配置来自不同来源的技术，它是预先配置的、随时可以编码的，并且使用来自Ollama 的大型语言模型 (LLM)、来自Neo4j 的矢量和图形数据库以及 LangChain 框架进行保护。

GenAI Stack今天在Docker Desktop的学习中心和 https://github.com/docker/genai-stack 的存储库中提供，它使用Docker Hub上的可信开源内容解决了流行的GenAI用例。组件包括：

·预配置的开源LLM，如Llama 2，Code Llama，Mistral或私有模型，如OpenAI的GPT-3.5和GPT-4;

·来自 Ollama 的帮助，帮助开发人员在本地启动和运行开源 LLM;

·Neo4j作为图和原生向量搜索的默认数据库，可发现数据中的显式和隐式模式和关系，使AI ML模型更快，更准确，并充当这些模型的长期记忆;

·Neo4j知识图谱，作为LLM基础的知识库，以获得更准确的GenAI预测和结果;

·LLM、应用程序和数据库之间的 LangChain 编排，具有向量索引，并作为开发由 LLM 提供支持的上下文感知推理应用程序的框架和一系列支持工具、代码模板、操作方法和 GenAI 最佳实践。(docker.com)