Репортаж от Wedoany，10 июня 2026 года компания Zilliz, расположенная в Редвуд-Сити, Калифорния, объявила о выходе Zilliz Vector Lakebase (векторной озерной базы) на этап публичного предварительного просмотра. Это важное обновление Zilliz Cloud, направленное на объединение производственной векторной базы данных с общей озерно-нативной основой данных.
В основе Vector Lakebase лежит механизм поиска векторов в реальном времени Zilliz Cloud, который уже обслуживает Zillow, OpenEvidence, Exa, Filevine, MiniMax и более 10 000 предприятий и AI-команд. Данное обновление расширяет возможности тремя новыми способами работы с одними и теми же данными: интерактивное обнаружение, масштабный пакетный анализ и прямой поиск по внешним озерам данных. Результатом является единая основа данных, где все рабочие нагрузки выполняются над одной логической копией данных, а оплата за задачи по требованию и пакетные задачи взимается только во время активных вычислений.
Чарльз Се (Charles Xie), основатель и генеральный директор Zilliz, отметил, что производственный векторный поиск является основой компании и причиной, по которой тысячи команд выбирают Milvus и Zilliz Cloud. Vector Lakebase — это следующий шаг, который, по мнению Zilliz, является правильным направлением: основа данных, где один и тот же вектор может обслуживать производственные запросы, поддерживать сеансы обнаружения и управлять конвейерами обучающих данных петабайтного масштаба без необходимости в копиях, миграции или параллельных стеках.
Что касается важности единой основы данных, AI-системы больше не являются проблемой одного поискового запроса. Они работают в непрерывном цикле, включающем предоставление услуг, обучение на основе обратной связи, извлечение и подготовку более качественных данных, а затем повторное предоставление услуг. Каждый этап обычно требует отдельных систем для обслуживания, исследования и масштабной обработки. Перемещение миллиардов векторов между этими системами может занять несколько дней. Vector Lakebase устраняет этот разрыв, создавая семантическую плоскость данных с нулевым копированием на общем озерно-нативном хранилище, что позволяет службам реального времени, интерактивному обнаружению и пакетному анализу работать с одной логической копией данных, масштабируясь от гигабайт до петабайт.
Роберт Го (Robert Guo), вице-президент по продуктам Zilliz и один из архитекторов Milvus, заявил, что команда хотела найти способ хранить данные в одном месте и выполнять с ними совершенно разные рабочие нагрузки. Vector Lakebase достигает этого с помощью единого уровня хранения на базе Vortex, многоуровневого обслуживания для производственных путей и выделения вычислений по требованию для всех остальных нужд.
Vector Lakebase обладает пятью ключевыми возможностями на единой основе. Во-первых, многоуровневое обслуживание в реальном времени предлагает три производственных уровня, оптимизированных для разных рабочих нагрузок: оптимизированный по производительности (1000+ QPS, задержка в несколько миллисекунд, память), оптимизированный по емкости (100–500 QPS, задержка менее 100 мс, память плюс NVMe) и многоуровневое хранение (10–50 QPS, задержка около 100 мс, с использованием памяти, NVMe и объектного хранилища, со значительно сниженной стоимостью). По умолчанию уровень полноты (recall) на всех уровнях составляет 95–98%, с возможностью настройки до 99% и выше, и поддерживается соглашением об уровне обслуживания (SLA) Zilliz Cloud с гарантией доступности 99,99% и кросс-региональной высокой доступностью глобальных кластеров. Во-вторых, поиск по требованию предлагает оплату по факту использования для рабочих нагрузок, где инфраструктура простаивает большую часть времени, с оплатой непосредственно за объектное хранилище и вычисления. Внутренние тесты Zilliz на 1 миллиарде 768-мерных векторов при 10 часах активных вычислений в месяц показали, что общая стоимость поиска по требованию составила 318 долларов США, в то время как аналогичный бессерверный путь обошелся бы в 4 937 долларов США, что примерно в 15 раз дороже. В-третьих, поиск по внешним озерам данных — это режим внешних коллекций с нулевым копированием, который позволяет напрямую добавлять самые современные индексы и полноспектральный поиск к существующим таблицам Lance, Iceberg, Parquet и Vortex с инкрементальной синхронизацией при обновлении, при этом исходные данные остаются на своем месте. В-четвертых, полноспектральный AI-поиск поддерживает поиск по векторам (плотным и разреженным), тексту, JSON и геопространственным данным, включая гибридный поиск, BM25, регулярные выражения, многовекторный и итеративный поиск, а также многопутевой поиск. Результаты могут быть переранжированы с использованием Cohere, Voyage AI, RRF, а также стратегий взвешивания, усиления или затухания. В-пятых, унифицированное озерно-нативное хранилище, построенное на Vortex, обеспечивает общее хранилище для сервисов и аналитики. Vortex — это открытый колоночный формат, предназначенный для более быстрого и дешевого произвольного чтения по сравнению с Lance и Parquet, в сочетании с индексами, учитывающими особенности объектного хранилища, что снижает амплификацию чтения более чем на 90%. Обратное заполнение (backfill) схемы для 100 миллионов строк обычно выполняется за несколько минут без прерывания активного трафика запросов.
В совокупности эти возможности позволяют AI-командам объединить ранее необходимые параллельные постоянно работающие сервисные кластеры и отдельные пакетные системы на одной платформе с согласованным индексированием, версионированными данными и вычислительными ресурсами, которые могут быть сокращены до нуля между задачами.
Zilliz Vector Lakebase теперь доступен в публичной предварительной версии на Zilliz Cloud с опциями развертывания «бессерверный», «выделенный» и BYOC, охватывающими более 30 регионов на AWS, Google Cloud и Microsoft Azure. При регистрации с использованием рабочей электронной почты предоставляется кредит в размере 100 долларов США. Команды, использующие независимые стеки для сервисов, обнаружения и анализа, могут связаться с командой Zilliz для получения индивидуальной консультации.
Zilliz — это компания, занимающаяся инфраструктурой данных для AI, и создатель векторной базы данных с открытым исходным кодом Milvus, которая имеет более 44 000 звезд на GitHub и более 100 миллионов загрузок Docker. Zilliz помогает предприятиям и AI-стартапам делать их неструктурированные данные доступными для поиска, анализа и управления. Ее технологии основаны на Milvus и Zilliz Cloud. Milvus — это векторная база данных с открытым исходным кодом, созданная для поиска среди миллиардов векторов. Zilliz Cloud расширяет эту основу до полностью управляемой платформы Vector Lakebase, сочетающей высокую пропускную способность и низкую задержку векторной базы данных с открытостью, масштабируемостью и экономичностью мультимодального озера данных. Zilliz поддерживает более 10 000 предприятий и AI-нативных стартапов по всему миру, включая MiniMax, OpenEvidence, Filevine, Exa, Salesforce и Read AI. Штаб-квартира компании находится в Редвуд-Сити, Калифорния, и она поддерживается такими инвесторами, как Prosperity 7 Ventures (Aramco), Pavilion Capital (Temasek), Hillhouse Capital, 5Y Capital, Yunqi Capital и Trustbridge Partners.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
