在最近的Google Cloud Next活動(dòng)中，谷歌云發(fā)布了令人振奮的消息：AlloyDB AI成為了AlloyDB for PostgreSQL的一部分。這一創(chuàng)新將大型語言模型（LLM）與PostgreSQL數(shù)據(jù)庫集成，使開發(fā)人員能夠構(gòu)建生成式人工智能（AI）應(yīng)用程序，同時(shí)充分利用內(nèi)置、端到端的向量嵌入技術(shù)來處理實(shí)時(shí)操作數(shù)據(jù)。
早前，谷歌云已經(jīng)推出了對(duì)Cloud SQL for PostgreSQL和AlloyDB for PostgreSQL的pgvector支持，為托管數(shù)據(jù)庫引入了向量搜索操作，允許開發(fā)人員存儲(chǔ)LLM生成的向量嵌入并執(zhí)行相似性搜索。AlloyDB AI建立在標(biāo)準(zhǔn)PostgreSQL提供的基本向量支持之上，為開發(fā)人員提供了一種無需專門數(shù)據(jù)堆；驍(shù)據(jù)遷移，就能創(chuàng)建和查詢嵌入的能力。
此外，AlloyDB AI還為AlloyDB帶來了其他一些新功能，有助于將實(shí)時(shí)數(shù)據(jù)整合到生成式AI應(yīng)用程序中：
通過與AlloyDB查詢處理引擎的深度集成，加強(qiáng)了向量支持，大幅提高了查詢速度，比標(biāo)準(zhǔn)PostgreSQL查詢快10倍。此外，谷歌還引入了基于ScaNN技術(shù)的量化技術(shù)，支持四倍向量尺寸和三倍空間縮小。
訪問AlloyDB中的本地模型和Vertex AI中托管的遠(yuǎn)程模型，包括自定義和預(yù)訓(xùn)練模型。開發(fā)人員可以使用存儲(chǔ)在AlloyDB中的數(shù)據(jù)來訓(xùn)練和微調(diào)模型，然后將其作為端點(diǎn)部署在Vertex AI上。
集成到人工智能生態(tài)系統(tǒng)中，包括Vertex AI擴(kuò)展（計(jì)劃在今年晚些時(shí)候發(fā)布）和LangChain，這將允許在Vertex AI中調(diào)用遠(yuǎn)程模型，以實(shí)現(xiàn)低延遲、高吞吐量的增強(qiáng)事務(wù)，例如使用SQL進(jìn)行欺詐檢測(cè)等應(yīng)用場(chǎng)景。
AlloyDB AI的優(yōu)勢(shì)：
谷歌云數(shù)據(jù)庫總經(jīng)理兼工程副總裁Andi Gutmans在博客中強(qiáng)調(diào)了AlloyDB AI的幾個(gè)優(yōu)勢(shì)：
AlloyDB AI允許用戶使用簡(jiǎn)單的SQL函數(shù)將數(shù)據(jù)輕松轉(zhuǎn)換為向量嵌入，用于數(shù)據(jù)庫內(nèi)的嵌入生成，查詢速度比標(biāo)準(zhǔn)PostgreSQL快10倍。同時(shí)，它提供了與開源人工智能生態(tài)系統(tǒng)和谷歌云的Vertex AI平臺(tái)集成的端到端解決方案，為構(gòu)建生成式人工智能應(yīng)用程序提供了有力支持。
關(guān)于“Embrace, Extend, and Extinguish”（EEE）的疑慮：
有人可能擔(dān)心谷歌是否試圖通過AlloyDB AI來“擁抱、擴(kuò)展和消滅”PostgreSQL。然而，對(duì)此的解釋是，僅僅因?yàn)槟硞(gè)公司，尤其是大公司，試圖改進(jìn)或整合流行的開放項(xiàng)目，并不意味著總是會(huì)采取EEE策略。谷歌的動(dòng)機(jī)可能更多地是為了提高產(chǎn)品價(jià)值，而不是消除競(jìng)爭(zhēng)對(duì)手。
行業(yè)趨勢(shì)：
值得注意的是，其他數(shù)據(jù)庫和公有云提供商也已經(jīng)支持向量嵌入，包括MongoDB、DataStax的Cassandra數(shù)據(jù)庫服務(wù)Astra、開源的PostgreSQL（通過Pgvector）和Azure Cognitive Search。這表明，向量嵌入技術(shù)在數(shù)據(jù)庫和云領(lǐng)域的應(yīng)用正在迅速增長(zhǎng)。
AlloyDB AI的免費(fèi)使用：
最后，令人振奮的是，AlloyDB AI可在谷歌云上的AlloyDB Omni和AlloyDB中免費(fèi)使用，無需額外費(fèi)用。AlloyDB的定價(jià)詳細(xì)信息可在谷歌云的定價(jià)頁面上查看。
AlloyDB AI的推出為開發(fā)人員提供了一個(gè)強(qiáng)大的工具，可以更輕松地構(gòu)建生成式AI應(yīng)用程序，并加速向量查詢速度。這一創(chuàng)新有望為PostgreSQL用戶提供更多靈活性和性能，同時(shí)也推動(dòng)了數(shù)據(jù)庫和人工智能領(lǐng)域的發(fā)展。無論是在數(shù)據(jù)分析、欺詐檢測(cè)還是其他應(yīng)用方面，AlloyDB AI都為開發(fā)者提供了更廣闊的可能性。
AlloyDB AI的實(shí)際應(yīng)用：
AlloyDB AI的潛力無限，它可以在各種應(yīng)用場(chǎng)景中發(fā)揮關(guān)鍵作用。以下是一些實(shí)際應(yīng)用示例：
1.數(shù)據(jù)分析與洞察力： 數(shù)據(jù)分析團(tuán)隊(duì)可以使用AlloyDB AI來將數(shù)據(jù)轉(zhuǎn)化為向量嵌入，然后快速執(zhí)行復(fù)雜的向量查詢，以獲取有關(guān)數(shù)據(jù)之間關(guān)系的深刻見解。這有助于更好地理解客戶行為、市場(chǎng)趨勢(shì)和業(yè)務(wù)績(jī)效。
2.欺詐檢測(cè)： 銀行和金融機(jī)構(gòu)可以利用AlloyDB AI來實(shí)時(shí)監(jiān)測(cè)交易數(shù)據(jù)，并使用向量嵌入來識(shí)別潛在的欺詐行為。這可以大大提高欺詐檢測(cè)的準(zhǔn)確性和效率。
3.自然語言處理（NLP）： 開發(fā)人員可以將自然語言文本轉(zhuǎn)換為向量表示，然后使用AlloyDB AI進(jìn)行語義相似性搜索。這對(duì)于搜索引擎、智能助手和內(nèi)容推薦系統(tǒng)非常有用。
4.圖像處理和計(jì)算機(jī)視覺： 在圖像處理中，AlloyDB AI可以用于存儲(chǔ)和檢索圖像特征的向量嵌入。這對(duì)于圖像搜索和相似性比較非常重要。
5.個(gè)性化推薦： 電子商務(wù)平臺(tái)可以使用AlloyDB AI來分析用戶行為和產(chǎn)品特征，以生成個(gè)性化的產(chǎn)品推薦。這提高了客戶滿意度和銷售額。
競(jìng)爭(zhēng)優(yōu)勢(shì)與生態(tài)系統(tǒng)整合：
AlloyDB AI的推出鞏固了谷歌云在云計(jì)算和人工智能領(lǐng)域的領(lǐng)導(dǎo)地位。谷歌云的整體生態(tài)系統(tǒng)包括Vertex AI平臺(tái)，該平臺(tái)允許開發(fā)人員訓(xùn)練、部署和管理機(jī)器學(xué)習(xí)模型。通過與AlloyDB AI的集成，開發(fā)人員可以更輕松地將實(shí)時(shí)數(shù)據(jù)與AI模型結(jié)合起來，從而實(shí)現(xiàn)高性能、低延遲的增強(qiáng)事務(wù)處理。
此外，LangChain的整合將進(jìn)一步擴(kuò)展了AlloyDB AI的應(yīng)用范圍。這意味著可以使用SQL進(jìn)行各種高級(jí)用例，包括欺詐檢測(cè)和實(shí)時(shí)數(shù)據(jù)分析。
未來展望：
AlloyDB AI代表了數(shù)據(jù)庫和人工智能領(lǐng)域的未來趨勢(shì)。隨著數(shù)據(jù)量的不斷增加，以及對(duì)實(shí)時(shí)數(shù)據(jù)處理和分析的需求日益增長(zhǎng)，AlloyDB AI將繼續(xù)發(fā)揮關(guān)鍵作用。它不僅為開發(fā)人員提供了更多的工具和靈活性，還有助于推動(dòng)數(shù)據(jù)驅(qū)動(dòng)決策和創(chuàng)新。
結(jié)語：
AlloyDB AI的推出是數(shù)據(jù)庫和人工智能領(lǐng)域的一項(xiàng)重大創(chuàng)新。它將谷歌云的強(qiáng)大計(jì)算資源與先進(jìn)的向量嵌入技術(shù)相結(jié)合，為開發(fā)人員提供了一種更快、更靈活的方法來構(gòu)建生成式人工智能應(yīng)用程序。從數(shù)據(jù)分析到欺詐檢測(cè)，AlloyDB AI將在各個(gè)領(lǐng)域發(fā)揮關(guān)鍵作用，推動(dòng)技術(shù)的進(jìn)步，為用戶提供更好的體驗(yàn)。隨著時(shí)間的推移，我們可以期待看到更多關(guān)于AlloyDB AI的令人興奮的應(yīng)用案例和創(chuàng)新。
9小時(shí)之前
10小時(shí)之前
2025-3-29
2025-3-28
2025-3-28
2025-3-13
2025-3-21
2025-3-05
2025-3-16
2025-3-13