我们欣然宣布MongoDB与 Fireworks AI 正携手合作让客户能够利用生成式人工智能 (AI)更快速、更高效、更安全地开展创新活动

Fireworks AI由 Meta旗下 PyTorch团队的行业资深人士于 2022 年底创立，他们在团队中主要负责优化性能、提升开发者体验以及大规模运行 AI 应用。

Fireworks AI 将这些专业知识运用于自己的生产 AI 平台，从而整理并优化了业界优质的开放模型。该公司进行了基准测试，结果表明，在 Fireworks AI 上运行的生成式 AI 模型的推断速度比其他同类平台快 4 倍，吞吐量和规模高出多达 8 倍。

模型属于应用程序堆栈的一部分。然而，开发者要想发挥生成式人工智能的力量，还需要将企业数据引入这些模型中。这正是企业采用 AI 时所面临的一大棘手问题，也是 Fireworks AI 与 MongoDB 开展合作的原因。借助 MongoDB Atlas，开发者可以安全地将运营数据、非结构化数据和向量嵌入进行统一，从而安全打造一致、正确和差异化的 AI 应用程序和体验。

Fireworks AI 和 MongoDB 强强联手，精心整理并优化了各种开源模型，为想要结合企业自身专有数据使用这些模型的开发者提供了解决方案，并且能够快速安全地实现这一切。

Fireworks AI提供快如闪电的模型：将速度、效率和价值“一网打尽”

Fireworks AI 凭借快如闪电的推断平台，整理、优化并部署了 40 多种不同的 AI 模型。这些优化措施可以同时节省大量成本、减少延迟、提高吞吐量。他们的平台通过以下方式实现这些效果：

● 现成模型、优化模型和插件：Fireworks AI 提供一系列高质量的文本、嵌入和图像基础模型（详见：https://fireworks.ai/models）。开发者可以利用这些模型或者对其进行微调，然后部署自己的模型，再借助 MongoDB Atlas 将自己的专有数据引入模型。
● 微调功能：为了进一步提高模型的准确性和速度，Fireworks AI 还提供了微调服务，该服务可利用命令行界面 (CLI) 从 MongoDB Atlas 等数据库中摄取采用 JSON 格式的对象。
● 用于开发和生产的各种简易界面和 API：Fireworks AI Playground 可让开发者直接在浏览器中与模型进行交互，而且支持通过方便的 REST API 以编程方式进行访问。Fireworks AI Playground 与 OpenAI API 兼容，因此可以与更广泛的大型语言模型 (LLM) 生态系统进行互操作。
●使用指南（详见https://github.com/fw-ai/cookbook）：这份指南简单易用，提供了一套全面的即用型解决方案，可以满足包括微调、生成和评估在内的各种应用场景。

Fireworks AI 和 MongoDB：通过整理和优化快速的模型为 AI 设定标准

借助 Fireworks AI 和 MongoDB Atlas，应用可在隔离的环境中运行，在符合最严格监管标准的复杂安全控制措施保护下，确保正常运行时间和数据的私密性：

● 作为优秀的开源模型 API 提供商，Fireworks AI 每天提供660 亿个词元（并且数量还在不断增长）。
● 您可以在久经考验的Atlas平台上运行 App，该平台为数以万计的客户提供服务，其中不乏高增长的初创公司和规模庞大的企业和政府。

Fireworks AI 和 MongoDB 联合解决方案可以实现以下功能：
● 基于大量文档进行检索增强生成 (RAG) 或问答 (Q&A)：摄入大量文档，生成摘要和结构化数据，从而为对话式 AI 提供支持。
● 通过语义/相似性搜索进行分类：对来自销售电话、视频会议等事件中的概念和情绪进行分类和分析，以提供更好的情报和策略。或者，使用产品图片和文字对产品目录进行整理和分类。
● 从图像中提取结构化数据：从图像中提取有意义的内容，生成可在库存照片、时尚、物体检测、医疗诊断应用等一系列视觉应用中处理和搜索的结构化数据。
● 智能警报：实时处理大量数据，自动检测欺诈、网络安全威胁等活动并发出警报。

Fireworks 教程展示了如何使用 RAG 和 MongoDB Atlas 将自己的数据引入 LLM