向量数据库引领 AI 创新——Zilliz 亮相 2024 亚马逊云科技中国峰会

2024年5月29日,亚马逊云科技中国峰会在上海召开,此次峰会聚集了来自全球各地的科技领袖、行业专家和创新企业,探讨云计算、大数据、人工智能等前沿技术的发展趋势和应用场景。作为领先的向量数据库技术公司,Zilliz 在本次峰会上展示了最新的技术成果,并分享了行业洞察与应用案例,赢得了广泛关注和认可。

这次峰会上,亚马逊云科技推出“亚马逊云科技生成式 AI 合作伙伴计划”。该计划旨在助力企业更快地应用生成式 AI,打造“人工智能+”时代的竞争优势,Zilliz 很荣幸地加入了该计划。未来,亚马逊云科技将联合生成式 AI 领域顶尖的3+1类合作伙伴,为企业提供全方位的模型、工具、应用和集成服务。3是指大模型提供方、工具链提供方、以及各类开箱即用的生成式 AI 应用和方案提供方。1是指系统集成商合作伙伴。亚马逊云科技将为加入本计划的合作伙伴提供全面的支持,投入技术专家与合作伙伴共创,帮助合作伙伴更好地将他们的创新和亚马逊云科技的服务适配和集成,并支持合作伙伴方案上架亚马逊云科技 Marketplace,服务中国客户的同时触达全球客户。

alt

在本次峰会的各式论坛上,Zilliz 也贡献了精彩分享:

在亚马逊云科技中国峰会 ISV 行业论坛上,Zilliz 合伙人、研发 VP 栾小凡以“基于Zilliz重构数字战略,打造生成式AI应用”为主题进行分享,他提到根据IDC调查显示,到2027年,86.8% 的数据属于非结构化数据,然而只有18%的企业机构认为他们有效地利用了非结构化数据。传统的数据库和大数据无法有效的处理非结构化数据。云和大模型的兴起提供了低成本理解和使用非结构化数据的手段。

Zilliz Cloud 作为下一代非结构化数据处理基础设施,提供全托管向量数据库服务,相比开源实现3倍性能提升,10倍成本下降,一键扩展,动态伸缩,同时提供全链路非结构数据处理Pipeline,提供API As Sercice、多模态数据处理,集成大量SOTA模型和框架一键完成数据同步。同时,Zilliz Cloud可以大幅降低非结构化数据处理的TCO,自研的Cardinal 搜索引擎——快速、多功能、高效,Milvus 使用 Amazon Graviton 3 实现 31% 的性价比提升。而丰富的AI生态,可以极大简化业务开发流程。他提到,非结构化数据赋能生成式AI应用,除了检索增强生成 (RAG)、多模态搜索等应用,目前也应用到自动驾驶数据准备,面向海量样本数据存储、高效检索,精准匹配,优化决策与导航。

alt

最后,栾小凡分享了Shulex 携手亚马逊云科技与 Zilliz, 打造 VOC 数字化“加速器”,shulex面临海量非结构化数据存储和检索的需求。用户基于Bedrock +Zilliz Cloud构建了一整套完整的VOC评论分析流程,包括建立评论标签库,选择分析商品类目基于大模型生成标签样本、利用向量库对全量评论进行分类打标,最终生成统计报表,实现了高效的 VOC 数字化运营。基于这套方案,用户的评论分析业务提升30%报表生成速度,实现50%数据分析降本,智能客服业务实现98%召回率,支持每秒90次客户查询,全年0宕机。

在5月29日下午的主会场——亚马逊云科技合作伙伴峰会中,Zilliz 作为亚马逊云科技合作伙伴代表上台发言,栾小凡分享了Zilliz基于亚马逊云科技构建向量检索服务的心得和经验。

他指出,Zilliz公司致力于通过人工智能技术提升非结构化数据的处理能力,构建企业级AI应用。今天对于生成式AI应用而言,私有数据是最大的差异化优势。整个AI产品的设计核心,构建流程收集数据,基于数据构建评估流程。Zilliz的使命就是帮助用户理解数据,挖掘数据的业务价值。在这一过程中,亚马逊云科技提供了SOTA的模型,强大的基础设施大大加速了构建过程。

alt

而用户面临的挑战包括工程和算法。海量非结构化数据带来了扩展性和成本的挑战,对数据理解依赖模型提升和RAG的进步。基于Bedrock提供的强大基础模型能力及Zilliz Cloud Pipeline提供了数据处理和同步的能力,可以将业务应用,数据湖,爬虫数据转换为结构化数据。

与此同时,基于开源Milvus和自研向量检索引擎Cardinal,Zilliz构建了云上性价比最高的向量检索服务。借助存算分离,GPU加速,多层存储和云的极致弹性,我们实现了开源竞品3-5倍的性能和10倍成本下降。我们的解决方案赋能了RAG,多模态搜索和推荐等多个应用场景。

基于亚马逊云科技提供的强大数据底座能力,Zilliz实现了从本地笔记本和端侧设备,到容器和K8s本地部署,再到公有云SaaS的一体化解决方案。今年还推出了BYOC模式,允许用户数据保留在企业内部VPC内,实现安全可控。

此外,在本次峰会的展馆区,Zilliz在“为 ISV 构建更强未来”展区设置的展岛更是吸引了成百上千对生成式AI感兴趣的参会人员驻足及深入沟通。

alt

本文由 mdnice 多平台发布

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/337468.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

SpringBoot+layui实现Excel导入操作

excel导入步骤 第三方插件引入插件 效果图 (方法1)代码实现(方法1)Html代码( 公共)下载导入模板 js实现 (方法1)上传文件实现 效果图(方法2)代码实现&#xf…

mimkatz获取windows10明文密码

目录 mimkatz获取windows10明文密码原理 lsass.exe进程的作用 mimikatz的工作机制 Windows 10的特殊情况 实验 实验环境 实验工具 实验步骤 首先根据版本选择相应的mimikatz 使用管理员身份运行cmd 修改注册表 ​编辑 重启 重启电脑后打开mimikatz 在cmd切换到mi…

Matlab|基于粒子群算法优化Kmeans聚类的居民用电行为分析

目录 主要内容 部分代码 结果一览 下载链接 主要内容 在我们研究电力系统优化调度模型的过程中,由于每天负荷和分布式电源出力随机性和不确定性,可能会优化出很多的结果,但是经济调度模型试图做到通用策略,同样的策…

HarmonyOS鸿蒙学习笔记(25)相对布局 RelativeContainer详细说明

RelativeContainer 简介 前言核心概念官方实例官方实例改造蓝色方块改造center 属性说明参考资料 前言 RelativeContainer是鸿蒙的相对布局组件,它的布局很灵活,可以很方便的控制各个子UI 组件的相对位置,其布局理念有点类似于android的约束…

如何看待时间序列与机器学习?

GPT-4o 时间序列与机器学习的关联在于,时间序列数据是一种重要的结构化数据形式,而机器学习则是一种强大的工具,用于从数据中提取有用的模式和信息。在很多实际应用中,时间序列与机器学习可以结合起来,发挥重要作用。…

基于 Apache Doris 的实时/离线一体化架构,赋能中国联通 5G 全连接工厂解决方案

作者:田向阳,联通西部创新研究院 大数据专家 共创:SelectDB 技术团队 导读: 数据是 5G 全连接工厂的核心要素,为支持全方位的数据收集、存储、分析等工作的高效进行,联通 5G 全连接工厂从典型的 Lambda 架…

利用ArcGIS Python批量拼接遥感影像(arcpy batch processing)

本篇文章将说明如何利用ArcGIS 10.1自带的Python IDLE进行遥感影像的批量拼接与裁剪。 1.运行环境:ArcGIS10.1 (安装传送门)、Python IDLE 2.数据来源:地理空间数据云 GDEMV2 30M分辨率数字高程数据 3.解决问题:制作山西省的DEM影像 如下…

CMake的使用

文章目录 一、CMake概述二、CMake的使用1.注释2.简单编译程序3.定义变量4.指定使用的C标准5.指定输出的路径6.搜索文件7.包含头文件 三、通过CMake 制作库文件1.制作动静态库2.指定动静态库生成的路径3.在程序中链接静态库4.在程序中链接动态库 四、日志五、变量操作1.追加2.字…

521源码网-免费网络教程-Cloudflare使用加速解析-优化大陆访问速度

Cloudfalre 加速解析是由 心有网络 向中国大陆用户提供的公共优化服务 接入服务节点: cf.13d7s.sit 接入使用方式类似于其它CDN的CNAME接入,可以为中国大陆用户访问Cloudflare网络节点大幅度加速,累计节点130 如何接入使用 Cloudflare 加速解析&#…

python-模块-网络编程-多任务

一、模块 1-1 Python 自带模块 Json模块 处理json数据 {"key":"value"} json不是字典 本质是一个有引号的字符串数据 json注意点 {} 中的数据是字符串引号必须是双引号 使用json模块可以实现将json转为字典,使用字典的方法操作数据 。 或者将…

c基础 - 输入输出

目录 一.scanf() 和 printf() 函数 1.printf 2.scanf 二 . getchar() & putchar() 函数 1.int getchar(void) 2.int putchar(int c) 三. gets() & puts() 函数 一.scanf() 和 printf() 函数 #include <stdio.h> 需要引入头文件,stdio.h 1.printf print…

23种软件设计模式——工厂模式

工厂模式 工厂模式&#xff08;Factory Pattern&#xff09;是 Java 中最常用的设计模式之一&#xff0c;它提供了一种创建对象的方式&#xff0c;使得创建对象的过程与使用对象的过程分离。 工厂模式提供了一种创建对象的方式&#xff0c;而无需指定要创建的具体类。 通过使…

高级Web Lab2

高级Web Lab2 12 1 按照“Lab 2 基础学习文档”文档完成实验步骤 实验截图&#xff1a; 2 添加了Web3D场景选择按钮&#xff0c;可以选择目标课程或者学习房间。

[数据集][目标检测][数据集][目标检测]智能手机检测数据集VOC格式5447张

数据集格式&#xff1a;Pascal VOC格式(不包含分割的txt文件&#xff0c;仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)&#xff1a;5447 标注数量(xml文件个数)&#xff1a;5447 标注类别数&#xff1a;1 标注类别名称:["phone"] 每个类别标注的框数&#xff…

详解生成式人工智能的开发过程

回到机器学习的“古老”时代&#xff0c;在您可以使用大型语言模型&#xff08;LLM&#xff09;作为调优模型的基础之前&#xff0c;您基本上必须在所有数据上训练每个可能的机器学习模型&#xff0c;以找到最佳&#xff08;或最不糟糕&#xff09;的拟合。 开发生成式人工智能…

爬虫在金融领域的应用:股票数据收集

介绍 在金融领域&#xff0c;准确及时的数据收集对于市场分析和投资决策至关重要。股票价格作为金融市场的重要指标之一&#xff0c;通过网络爬虫技术可以高效地从多个网站获取实时股票价格信息。本文将介绍网络爬虫在金融领域中的应用&#xff0c;重点讨论如何利用Scrapy框架…

【JVM精通之路】垃圾回收-三色标记算法

首先预期你已经基本了解垃圾回收的相关知识&#xff0c;包括新生代垃圾回收器&#xff0c;老年代垃圾回收器&#xff0c;以及他们的算法&#xff0c;可达性分析等等。 先想象一个场景 最开始黑色节点是GC-Roots的根节点&#xff0c;这些对象有这样的特点因此被选为垃圾回收的根…

Python3位运算符

前言 本文介绍的是位运算符&#xff0c;位运算可以理解成对二进制数字上的每一个位进行操作的运算&#xff0c;位运算分为 布尔位运算符 和 移位位运算符。 文章目录 前言一、位运算概览1、布尔位运算符1&#xff09;按位与运算符 ( & )2&#xff09;按位或运算符 ( | )3…

【设计模式深度剖析】【5】【结构型】【桥接模式】| 以电视和遥控器为例加深理解

&#x1f448;️上一篇:组合模式 | 下一篇:外观模式&#x1f449;️ 设计模式-专栏&#x1f448;️ 目 录 桥接模式(Bridge Pattern)定义英文原话是&#xff1a;直译理解 4个角色UML类图代码示例 应用优点缺点使用场景 示例解析&#xff1a;电视和遥控器UML类图 桥接模式…

5G NR TAE TEST

环境配置&#xff1a; 测试TAE时&#xff0c;需要比对不同的Antenna Port之间的差异来测试 配置DL 2 layer MU的case layer1&#xff1a;通过设置weight&#xff0c;只有一个物理天线上有weight&#xff0c;其他天线上的weight为0&#xff0c;该天线的DMRS DMRS Port设置为1…