Nextits：正在进化成为能够理解所有数据（超越文本）的人工智能解决方案

开发一种能够准确查找和生成必要知识的“韩式笔记本学习模型”。

Quantus Note 是一款结合了多模态人工智能和量子算法的产品，将于明年发布……它将提高一致性并消除幻觉。

越来越多的公司采用基于大型语言模型（LLM）的生成式人工智能来生成和分析包括文本和图像在内的各种内容。然而，目前的LLM存在诸多局限性。LLM主要针对文本设计，无法有效处理包含图像和图表的PDF、扫描文档、录音和视频等复杂数据。此外，它们无法从用户内部数据中学习，而且在使用云服务时，敏感信息会被传输到外部服务器，从而不可避免地带来信息泄露的风险。其中最严重的问题是“人工智能幻觉现象”。这种现象是指系统生成虚假信息并将其误认为真实信息，在金融、法律和医疗等信任至关重要的领域，这种现象是致命的。

有一家公司正在解决这些问题。Nextits 利用其多模态人工智能技术，开发了一项服务，该服务在一个平台上集成并管理所有形式的数据——文本、图像、语音和视频——并生成个性化知识。Nextits 支持本地部署，使公司和组织能够直接在自己的服务器上构建系统，从而消除敏感信息泄露的风险。此外，它还致力于通过将量子启发式算法融入其人工智能，来克服当前生成式人工智能固有的错觉现象。

Nextits 的目标是成为韩国版的“NotebookLM”。NotebookLM 是谷歌开发的一款人工智能研究调查助手。它可以分析用户上传的数据，帮助用户总结、整理信息、回答问题并生成各种内容。它尤其擅长高效处理海量信息并提取关键信息。

NestITS首席执行官罗钟彬(Jongbin Na)在IT公司拥有24年的技术销售和解决方案业务领导经验。副总裁兼首席技术官柳相勋(Sanghoon Ryu)是一位拥有34年经验的技术领导者，曾领导LG-CNS和现代等公司的企业系统开发。十位人工智能专家正在推动NestITS的技术创新。

Nextits今年入选首尔经济振兴院“量子技术开发支持项目”，目前正致力于开发量子计算与人工智能一体化的开发平台。此外，该公司还入选了SKT ESG KOREA 2025项目，正在开发设备端人工智能技术，旨在降低能耗，并以经济高效的方式让社会各阶层都能使用人工智能。

我们与 Nextits 的首席执行官 Jongbin Na 会面，该公司目标是在 2030 年成为一家全球人工智能公司。我们讨论了 Nextits 开发的多模态引擎和平台，以及该公司希望通过未来融入量子计算技术来实现的目标。

读取所有数据并以所需格式显示。

“我们将成为信息海洋中的知识灯塔，开启通往未来的大门，让每个人都能轻松深入地学习和成长为一家人工智能创新公司。”

Nextits 开发了一种专有的多模态 RAG（检索增强生成）引擎，名为 QUANTUS R。QUANTUS R 是一款多模态引擎，可同时处理和理解各种形式的非结构化数据，包括文本、图像、图表和 SQL 查询。

实现这一目标的核心在于三项技术。首先是高性能OCR技术。它能够精准地将扫描的纸质文档、手写笔记以及复杂图表中的文字转换为文本。其独特之处在于对韩文字符的专门处理。现有的国外OCR技术一直难以准确识别韩文复杂的字符结构。Nextits经过多年对韩文图像数据处理的研究，已实现了超过95%的准确率。这种高准确率同样适用于收据、病历、建筑图纸和合同等实际文档。Nextits的OCR技术不仅能够识别文本，还能理解文档的结构。它可以区分表格中的行和列，并将图像中的图表转换为文本。因此，即使是纸质文档也能被数字化，使其可搜索和可分析。

第二项核心技术是高质量的语音转文本（STT）。它可以将录制的会议音频或YouTube视频音频转换为文本，而不仅仅是简单的语音转文本。它能够准确识别发言者、发言时间以及在多人会议中的发言内容。同时，它还能将语音恰当地分割成句子。这些结构化数据随后会被整合到RAG系统的“知识索引”阶段，从而显著提升搜索质量和答案准确率。例如，询问“谁在会议上反对这项动议？”即可准确识别发言者及其发言内容。

“Sales”和“sales”意思相同，但现有的红黄绿（RAG）系统会将它们识别为不同的词，导致无法找到相关文档。此外，韩语中助词种类繁多，像“branch in”、“branch of”和“branch to”这样的表达方式可能会导致难以理解的含义。第三个关键要素是基于强化学习的轻量级“重写模型”。该模型能够自动使用各种同义词和表达方式扩展用户的查询，从而显著提高搜索覆盖率。

“Quantus R 不仅仅是一个简单的文档搜索引擎，它更是一个‘知识平台’，能够全面了解公司和个人的所有知识资产，并在需要时提供定制化的答案。”

应用这三项技术的平台是 QUANTUS S。用户可以将几乎任何类型的数据上传到该平台，包括文本文件、网页文档、PDF、图像、录音、YouTube 视频、扫描文档和名片。系统会将这些数据转换为文本和结构化数据，并将其存储在矢量数据库中。基于此，用户可以创建定制知识库、撰写论文或报告，或者创建学习笔记和讲义。

Nextits正通过实际项目验证这些技术的价值。它与A医院合作开发了一套患者就诊管理系统，该系统将复杂的非结构化医疗数据（例如病历、医学影像、检验结果和处方）与多模态红黄绿（RAG）系统整合在一起。它与C大学合作开发了一套智能化的集成学习成果管理系统，该系统能够全面分析学生的学习资料、讲义、测试结果和反馈，从而推荐个性化的学习路径。它与C农业研究与推广服务机构合作开发了一套利用人工智能技术整合和分析农业领域技术信息（包括土壤分析数据、作物生长阶段特定管理方法、气候数据和案例研究）的系统，从而为农民提供实时建议。这三个项目都展示了Nextits的多模态技术如何有效地处理医疗保健、教育和农业这三个截然不同的行业中的复杂数据。

利用量子算法克服人工智能的弱点

当现有的红黄绿（RAG）系统搜索数十份文档时，很难确定哪种组合能最准确地回答用户的查询。在金融或法律等对准确性要求极高的领域，从相互矛盾的信息中找到最佳信息尤其具有挑战性。现有的算法要么耗时过长，要么不够准确。

为了解决这个问题，nextits 正在开发一种名为“QUANTUS A”的量子启发式算法。通过将“量子特征映射”技术融入人工智能模型的特定模块，QUANTUS A 能够在多模态 RAG 系统检索到相互冲突的信息时，识别出最准确可靠的信息组合。凭借量子数学原理，QUANTUS A 的响应准确率比现有 RAG 系统提高了 50% 以上，并且能够用更少的数据学习高维相关性。

QUANTUS NOTE 是一个集成了 QUANTUS R（多模态数据处理）和 QUANTUS A（基于量子算法的优化）的平台。这种多模态和量子算法的结合，能够从非结构化数据中生成精确的答案。

例如，“这篇文章的主要论点是什么？”、“这篇文章使用的方法与其他方法有何不同？”、“我能把这种方法应用到这个项目中吗？”这些问题和答案会随着时间的推移不断积累，Quantus Note 也逐渐了解用户的研究过程、兴趣领域和思维方式。最终，当用户就同一主题提出新问题时，系统可以参考用户之前的问答记录，提供更加准确和个性化的答案。

Quantus Note 即使在低性能 GPU 上也能高效运行。由于它基于强化学习开发了轻量级模型，因此 Quantus Note 可以在标准的低性能 GPU 甚至 CPU 上运行。这意味着即使是 IT 资源有限的组织，例如中小企业和公共机构，也能采用尖端的 AI 技术。

“我们称之为‘量子启发式算法’，它在GPU环境下实现了量子数学原理。这项技术可以解决当前人工智能固有的幻觉和推理准确率低的问题。”

Quantus Note计划于明年下半年发布。

Nest IT能否实现其“成为信息海洋中的知识灯塔”的愿景？Quantus Notebook能否像Google NotebookLM一样，在韩国市场成为一款热门工具？

Nextits公司开发的技术专注于提高多模态红绿灯（RAG）中韩文字符处理的准确性。他们还融合了量子算法来解决人工智能的幻觉和准确性问题。如果量子人工智能融合技术能够解决人工智能的可靠性问题，那么这项技术似乎是可行的。