當向量數據庫與云計算相遇:AI應用全面提速

如果將AI比作一臺高速運轉的機器引擎,那么數據便是它的燃料。

然而,存儲數據的燃料庫--傳統數據庫,在AI時代的效率瓶頸愈發明顯,已經無法滿足AI對于數據的全新需求。

因此,向量數據庫近年來迅速崛起。向量數據庫通過將非結構化數據轉化為高維向量,轉化為AI大模型能夠“理解”的語義,猶如在數據與AI應用之間建立起橋梁,成為AI時代不可或缺的基礎設施。

近日,亞馬遜云科技出海大會在深圳召開。作為全球向量數據庫公司領域的明星企業,Zilliz介紹了人工智能當下在數據層面所面臨的挑戰、向量數據庫最新的市場動態和技術趨勢,以及Zilliz如何與亞馬遜云科技合作,將全球領先的基礎設施、向量數據庫服務以及生成式AI能力帶給全球用戶。

正如Zilliz 合伙人與產品負責人郭人通所言:“如果把人工智能的發展分為上、下半場,上半場主要是利用大規模數據去訓練 AI 能力,支撐大模型或AI 能力的演進。而下半場,我們看到越來越多的智能體(Agent)深入到各個行業,反向產生海量的關鍵數據。因此,進入人工智能發展的下半場,企業更需要關注如何充分挖掘數據價值,實現AI應用的快速落地。”

向量數據庫:AI時代不可或缺的數據基礎設施

IDC預測,到2027年,全球86.8%的數據將是非結構化數據(如文本、圖像、視頻),但僅有18%的企業能有效利用這些數據。

對于AI而言,這些非結構化數據是極其寶貴的資源。那么,如何充分將非結構化數據利用起來就成為這個時代的一道必答題。

依靠傳統數據庫是否可行?面對生成式AI的檢索增強生成(RAG)、多模態搜索等場景的高并發、低延遲的語義檢索需求,傳統關系型數據庫的精確匹配模式顯得笨拙且低效,而向量數據庫則從傳統數據湖中提取關鍵信息并編碼成向量信息并構建索引,完美匹配了AI對于數據應用的需求。

因此,向量數據庫已成為連接傳統業務積累的原始數據與AI應用的關鍵環節,是AI時代不可或缺的數據基礎設施。Zilliz 合伙人與產品負責人郭人通直言:“向量數據庫可以幫助企業全面釋放數據的潛力,從而讓AI應用開發更加便捷與高效。”

Zilliz是一家專注向量數據庫領域的明星企業。自2018年起,Zilliz便前瞻性地投入向量數據庫系統的研發,其開源產品Milvus目前在GitHub上已獲得超過3萬星標,并吸引了數百位GitHub項目貢獻者,并形成全球最大的向量數據庫社區。

不過,向量數據庫是否會是AI時代的唯一的選擇?眾所周知,當下很多傳統數據庫也在紛紛加入向量功能,以滿足用戶構建AI應用時的數據管理需求。對此,郭人通表示:“傳統數據庫與向量數據庫是一對互補關系,而不是非此即彼的替代關系。對于一些傳統數據分析類業務而言,傳統數據庫加入向量功能,可以很好地滿足AI新需求;而對于一些新場景而言,天然就是圍繞AI去構建,則需要專業的向量數據庫。”

據悉,Zilliz在2023年開啟商業化進程,憑借之前幾年在開源領域的積累以及強大的技術實力,迅速在全球向量數據庫市場獲得突破。根據Forrester的評估,Zilliz在全球向量數據庫領導者象限中排名第一,是目前向量數據庫領域的領軍企業。

在Zilliz商業化的過程中,與云服務商合作,借助云計算的力量,加速將優秀的向量數據庫產品與服務推向全球用戶,乃Zilliz近年來的成功之道。這其中,亞馬遜云科技作為全球領先的云服務廠商,與Zilliz合作堪稱典范。

郭人通表示:“Zilliz從創立之初就著眼于全球市場,亞馬遜云科技憑借其全球覆蓋的基礎設施、穩定可靠的云和生成式AI服務、專業的安全合規理念與實踐,以及全球營銷和商業資源,為Zilliz全球業務拓展提供了有力支持,助力Zilliz觸達全球頭部企業級客戶,并實現銷量快速增長。”

當向量數據庫與云計算相遇

眾所周知,進入到AI時代,云計算已經成為眾多新技術快速應用的最佳載體。云服務商無論是算力基礎設施的規模、運維能力,還是資源使用模式,都能夠為包括生成式AI、向量數據庫等新技術提供最佳保障,可以讓眾多新技術企業將技術快速應用起來。

Zilliz與亞馬遜云科技的合作就堪稱AI時代的典范。通過與亞馬遜云科技廣泛和深入的合作,Zilliz快速為全球不同類型用戶提供 24 小時不間斷的向量數據庫服務,助力全球企業及開發者打造高質量 AI 服務與應用。

具體來看,首先是在AI集成方面進行深度合作,Zilliz Cloud向量數據庫解決方案通過應用Amazon Bedrock接入從文本到圖像的一系列強大的基礎模型,為企業提供原生的模型集成能力,支持用戶構建Embedding流程與復雜的數據檢索流程,輕松將非結構化數據轉換為嵌入 ( Embedding)向量,簡化數據處理流程,充分釋放非結構化數據潛能。此外,Zilliz還應用完全托管的機器學習平臺Amazon SageMaker,賦能開發人員和數據科學家快速構建、訓練和部署機器學習模型,助力客戶實現高效的向量索引和檢索。

其次,Zilliz Cloud 基于Amazon Elastic Compute Cloud (Amazon EC2)豐富的實例類型實現了多實例類型與大規模部署,提供了包括性能型、容量型、存儲擴展型等多套深度優化的解決方案,滿足用戶不同的負載需求。此外,基于Kubernetes容器編排服務Amazon Elastic Kubernetes Service(Amazon EKS) ,Zilliz可以在亞馬遜云科技上使用 Kubernetes 輕松部署、管理和擴展容器化應用程序,提升整體資源利用率,并加速產品發布與迭代過程。Zilliz還將大部分應用運行在亞馬遜云科技Amazon Graviton3實例之上,幫助應用成本優化提升20%以上。

第三,Zilliz Cloud 基于云中可大規模擴展的對象存儲服務Amazon Simple Storage Service (Amazon S3)構建高可靠的數據存儲與存算分離架構模式,大幅提升數據存儲效率。

第四,Zilliz充分利用亞馬遜云科技在安全合規上的積累,實現了向量數據庫服務的安全與合作。通過應用Amazon Key Management Service(Amazon KMS)、Web應用程序防火墻Amazon WAF、Amazon ALB、Amazon GuardDuty等一系列網絡和安全服務,Zilliz可持續監控惡意活動和未經授權的行為,構建安全可靠的向量數據庫服務,實現對數據、應用和基礎設施的安全保護,平均每日抵御上千條異常訪問。此外,借助亞馬遜云科技在數據安全標準與合規性上的眾多認證,Zilliz可以滿足各國監管機構的合規性要求,可在全球不同區域為客戶提供安全合規的高質量服務。

最后,在運維層面,Zilliz應用Amazon Q 幫助技術團隊更快熟悉亞馬遜云科技的服務,簡化信息訪問、加強信息檢索與優化配置,相比直接閱讀產品文檔,可為技術人員節省50%以上的檢索時間。

據悉,通過與亞馬遜云科技的合作,Zilliz如今已經實現全球業務快速擴張,目前已經完成了全球8個區域部署,橫跨北美、歐洲和亞洲,滿足全球用戶就近接入需求;此外,Zilliz Cloud上架到亞馬遜云科技Marketplace(海外區)之后,企業用戶在Marketplace上面為服務付費即可,大幅簡化了企業采購流程,使得Zilliz大幅提升銷售轉化。

“面向未來更大規模的AI數據應用,Zilliz還將繼續與亞馬遜云科技深耕合作,依托亞馬遜云科技領先的云和生成式AI服務,構建更加穩定可靠的向量數據庫基礎設施,助力企業高效搭建AI應用,實現持續商業變革。”Zilliz 合伙人與產品負責人郭人通介紹道。

亞馬遜云科技的出海戰略升級

眾所周知,2024 年是中國供應鏈全面深度出海的一年,中國企業走出去已經成為重要的趨勢。

隨之而來的,中國出海企業遇到的挑戰也在不斷增加,既有來來自地緣政治的不可控因素,也有各地區不同合規監管的迥異需求,更有生成式AI技術對于傳統產品改革的變化,這一切都需要借助云計算、新技術來應對。

就像亞馬遜云科技中國區行業集群總經理沈濤所言,過去十余年,亞馬遜云科技始終站在支持中國企業出海的最前沿,提供全球一致的服務能力、開發工具與合規資源。 亞馬遜云科技與Zilliz等合作伙伴一起,為出海企業提供更完整、更專業、更合規、更體系化的一站式服務,幫助中國企業持續在全球提升業務競爭力,航向深藍。

事實上,為了更好地服務中國企業出海,亞馬遜云科技已經對戰略進行升級,建立起‘三橫一縱’的支持體系,主要包括,三橫:覆蓋全球、穩定高可用的基礎設施及領先的云和生成式 AI 服務 、專業的安全合規理念和技術能力提供一站式出海合規解決方案和全球資源及合作伙伴網絡打造企業出海“朋友圈” 加速全球業務拓展;一縱則是聚焦出海9大行業的賦能,打造“行業解決方案資產庫”。

“基于過往的經驗,以及行業客戶全鏈路出海的需求,更基于生成式AI重塑行業創新的新趨勢,亞馬遜云科技宣布全面升級中企出海業務戰略,組建來自產品、業務拓展、合作伙伴、安全合規、解決方案、市場營銷等各領域專家在內的專屬支持團隊及駐扎在全球各地的出海特種兵團隊,更好地服務中國企業出海。”沈濤最后表示道。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/diannao/82041.shtml
繁體地址,請注明出處:http://hk.pswp.cn/diannao/82041.shtml
英文地址,請注明出處:http://en.pswp.cn/diannao/82041.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

Media3 中 Window 的時間相關屬性詳解

AndroidX Media3 的 Timeline.Window 類中,與時間相關的屬性描述了媒體播放窗口(window)在時間維度上的關鍵信息。這些屬性幫助開發者理解媒體的播放范圍、起始點、持續時間以及與設備時間或直播流的同步關系。 Timeline.Window 的時間相關屬…

【Python爬蟲電商數據采集+數據分析】采集電商平臺數據信息,并做可視化演示

前言 隨著電商平臺的興起,越來越多的人開始在網上購物。而對于電商平臺來說,商品信息、價格、評論等數據是非常重要的。因此,抓取電商平臺的商品信息、價格、評論等數據成為了一項非常有價值的工作。本文將介紹如何使用Python編寫爬蟲程序&a…

工業相機的芯片CRA角度與鏡頭選型的匹配關系

工業相機的芯片CRA角度與鏡頭選型的匹配關系 Baumer工業相機?工業相機的芯片CRA角度的技術背景?工業相機的芯片CRA的信息CRA相差過大的具體表現怎樣選擇工業相機sensor的CRABaumer工業相機sensor的CRA工業相機的芯片CRA角度與鏡頭匹配好的優點 Baumer工業相機 工業相機是常用…

深度學習中常見的矩陣變換函數匯總(持續更新...)

1. 轉置操作 (Transpose) 概念:將矩陣的行和列互換應用場景: 在卷積神經網絡中轉換特征圖維度矩陣乘法運算前的維度調整數據預處理過程中的特征重排 原始矩陣 A [[1, 2, 3], 轉置后 A^T [[1, 4],[4, 5, 6]] [2, 5],[3, 6]]代碼…

day 14 SHAP可視化

一、原理——合作博弈論 SHAP(SHapley Additive exPlanations)是一種用于解釋機器學習模型預測結果的方法,它基于合作博弈論中的 Shapley 值概念。Shapley 值最初用于解決合作博弈中的利益分配問題。假設有 n 個參與者共同合作完成一項任務并…

從0開始學習大模型--Day03--Agent規劃與記憶

規劃(planning) 規劃,可以為理解觀察和思考。如果用人類來類比,當我們接到一個任務,我們的思維模式可能會像下面這樣: 1、首先會思考怎么完成這個任務。 2、然后會審視手頭上所擁有的工具,以及如何使用這…

使用 Couchbase Analytics Service 的典型步驟

下面是使用 Couchbase Analytics Service 的典型步驟,包括部署、配置、創建數據集、運行查詢以及監控優化等環節。 首先,您需要安裝并啟用 Analytics 服務;然后將節點加入集群并重平衡;接著在 Analytics 中映射數據服務的集合&am…

從零開始學習人工智能(Python高級教程)Day6-Python3 正則表達式

一、Python3 正則表達式 正則表達式是一個特殊的字符序列,它能幫助你方便的檢查一個字符串是否與某種模式匹配。 在 Python 中,使用 re 模塊來處理正則表達式。 re 模塊提供了一組函數,允許你在字符串中進行模式匹配、搜索和替換操作。 r…

MATLAB導出和導入Excel文件表格數據并處理

20250507 1.MATLAB使用table函數和writetable函數將數據導出Excel表格文件 我們以高斯函數為例子,高斯函數在數學和工程領域有著廣泛的應用,它的一般形式為: 其中是均值,決定了函數的中心位置; 是標準差,決…

推薦一組WPF自定義控件開源項目

.Net Core從零學習搭建權限管理系統教程 推薦一組WPF自定義控件開源項目。 項目簡介 這是基于WPF開發的,為開發人員提供了一組方便使用自定義組件,并提供了各種常用的示例。 包含組件:數據表格、屬性列表、樹形列表、選色器、單選框列表、…

allegro出gerber時,單擊Artwork并沒有彈窗的問題

使用allegro出gerber時,有時點擊 Artwork圖標并未如愿以償的彈出窗口。。。 可按下面嘗試恢復,注,刪除前可先備份該兩支文件。。。 看時間戳,刪除最近的下面標紅兩支文件即可。

常用設計模式在 Spring Boot 項目中的實戰案例

引言? 在當今的軟件開發領域,Spring Boot 以其高效、便捷的特性成為構建 Java 應用程序的熱門框架。而設計模式作為軟件開發中的寶貴經驗總結,能夠顯著提升代碼的可維護性、可擴展性和可復用性。本文將深入探討幾種常用設計模式在 Spring Boot 項目中的…

《饒議科學》閱讀筆記

《饒議科學》 《偷竊的生物學機制:(有些)小偷有藥可治》閱讀筆記 核心內容:探討偷竊狂(kleptomania)的生物學機制及相關研究。具體要點 偷竊狂的特征:患者不可抑制地反復偷竊個人不需要、與金錢…

從零開始搭建第一個Spring Boot應用:從入門到精通

1. Spring Boot簡介與核心概念 1.1 什么是Spring Boot? Spring Boot是Spring框架的一個擴展,它簡化了基于Spring的應用程序的初始搭建和開發過程。通過自動配置和約定優于配置的原則,Spring Boot讓開發者能夠快速啟動和運行項目。 通俗理解…

c# LINQ-Query01

文章目錄 查詢數據源標準查詢分兩類即時查詢已推遲流式處理非流式處理分類表聚合Aggregate<TSource,TAccumulate,TResult>(IEnumerable<TSource>, TAccumulate, Func<TAccumulate,TSource,TAccumulate>, Func<TAccumulate,TResult>)Aggregate<TSour…

AI惡魔之眼使用說明書

AI惡魔之眼使用說明書 產品簡介 1.1 產品介紹 AI惡魔之眼是一款具備動態視覺效果與仿生眼睛模擬功能的智能顯示產品&#xff0c;可實現以下特性&#xff1a; 真實人眼模擬&#xff1a;支持虹膜樣式變換、眨眼動畫、瞳孔縮放等動態特效&#xff0c;仿真度高自定義內容上傳&am…

CAN報文逆向工程

在沒有DBC文件的情況下解析CAN報文獲取物理信息需要逆向工程和系統分析。以下是詳細步驟&#xff1a; 1. 數據采集與基礎分析 采集原始數據&#xff1a; 使用CAN分析工具&#xff08;如PCAN-Explorer、SavvyCAN或USB-CAN適配器配套軟件&#xff09;記錄車輛在不同狀態下的CAN數…

KL散度(Kullback-Leibler Divergence):概率分布差異的量化利器

目錄 1. 什么是KL散度?關鍵特點:2. KL散度的數學公式離散分布的KL散度公式:連續分布的KL散度公式:3. KL散度的計算示例示例1:離散分布示例2:連續分布(高斯分布)4. KL散度的核心性質1. 非對稱性2. 非負性3. 與熵的關系5. KL散度與相關性的關系1. KL散度 ≠ 相關性2. 間接…

二叉樹的遍歷與構造

唉&#xff0c;好想回家&#xff0c;我想回家跟饅頭醬玩&#xff0c;想老爸老媽。如果上天再給我一次選擇的機會&#xff0c;我會選擇當一只小動物&#xff0c;或者當棵大樹也好&#xff0c;或者我希望自己不要有那么多多余的情緒&#xff0c;不要太被別人影響&#xff0c;開心…

leetcode 141. Linked List Cycle

題目描述&#xff1a; 代碼&#xff1a; 用哈希表也可以解決&#xff0c;但真正考察的是用快慢指針法。 /*** Definition for singly-linked list.* struct ListNode {* int val;* ListNode *next;* ListNode(int x) : val(x), next(NULL) {}* };*/ class Soluti…