向量湖库：满足所有AI工作负载的终极方案

Zilliz 今日宣布推出 Zilliz Vector Lakebase 公开预览版，这是向量数据库的下一代进化。Vector Lakebase 是一个以语义为中心的数据平台，结合开放存储和弹性计算，专为 AI 工作负载设计。它支持三种工作负载模式：实时检索（用于延迟关键的生产服务）、迭代发现（用于交互式多步探索）和批量分析（用于离线挖掘和数据集优化）。平台基于 S3 的统一数据基础，可扩展到 PB 级规模。

核心特性包括分层服务解决方案（性能优化、容量优化、分层存储）、按需搜索（相比无服务器方案成本降低约 15 倍）、外部数据湖搜索（支持 Lance、Iceberg、Parquet 和 Vortex 格式）、全光谱搜索（涵盖向量、文本、JSON、地理空间等）以及统一湖原生存储（基于 Vortex 开放格式）。此外，Zilliz 还提供全球集群以实现跨区域高可用性和 99.99% 的 SLA。

在成本对比中，对于一个包含 10 亿 768 维向量、每月 10 小时活跃计算的场景，按需搜索的总成本仅为无服务器方案的约 1/15（318 美元对比 4,937 美元）。这使得 Vector Lakebase 成为 AI 和智能体应用数据基础架构的理想选择。

更深层地，Vector Lakebase 的设计理念源于对 AI 系统工作流的深刻理解。现代 AI 系统并非单一的查询检索问题，而是一个持续的服务、学习和改进循环。该平台通过提供零拷贝的语义数据平面，让实时检索、迭代发现和批量分析三种模式都能高效访问同一份数据，从而消除数据孤岛，加速 AI 系统的迭代周期。