Milvus
找到 10 篇关于此标签的文章
阿里云李钰：AI 基础设施下一战场不在模型，湖格式要吃向量库
阿里云 EMR 负责人李钰本周在 Flink Forward Asia 抛出一个判断：当 Agent 进入生产环境，'数据湖 + 向量数据库'的双系统架构正成为 AI 公司最被低估的负担。Paimon 与 Milvus 围绕同一份数据协同，提供了一条开源样本。
向量检索又准又快还省 90% — 字节系开源了，但这是一篇产品广告
向量检索是 AI 回答'基于文档'问题的核心环节。字节系火山引擎打包开源 DiskANN+RaBitQ 组合，号称比 HNSW 快 5.5 倍、内存省 90%。技术上值得关注，但原文本质是七夕营销稿，落地在云搜索和 Milvus 产品里。我们拆开看。
阿里云把企业知识库打包卖 — 传统行业用 AI 的真正门槛消失了
阿里云把"让 AI 准确调用企业私有资料"的全套工具打包成 Milvus 知识库开放邀测。对传统公司来说,不用再自己拼凑零散组件就能搭建企业级 Agent 应用——门槛在下降,但供应商锁定风险也在上升。
企业 AI 答非所问，问题往往不在大模型 — 向量数据库选型正在被严重低估
企业花大钱买最强大模型，AI 却答非所问，问题往往出在向量数据库。本期我们读了一份技术选型指南，发现多数公司的基础设施选错了。
企业 AI 总记不住病根不在大模型 — 2026 年向量库与图 RAG 选型
向量库是 AI 的'内存条'。HNSW 是默认选项但十亿级就撑不住；DiskANN 把图搬到 SSD 才解决规模问题；GraphRAG 则是把知识图谱接进检索。这三个选型直接决定企业 AI 能不能真落地。
Milvus 2.6 把存算拆得更彻底 — 向量数据库开始认真讲工程而非讲模型
最常用的开源向量数据库 Milvus 发布 2.6 版本，把计算节点与对象存储、etcd 元数据、消息队列彻底解耦。这是 AI 基础设施走向成熟的标志：大家不再只比谁的 Embedding 模型强，开始比谁能把 10 亿级向量跑稳跑便宜。
火山把 MySQL 直连 Milvus 做成产品，AI 落地卡点开始从模型转向数据链路
火山引擎 DTS 宣布支持 MySQL 同步到 Milvus，并把 Embedding（把文本转成向量的过程）放进同一条链路。我们判断，这不是单一产品更新，而是企业 AI 落地瓶颈正从“模型够不够强”转向“数据能不能稳定进库”。
1000 万文档向量可从 31GB 压到 4GB，RAG 成本开始回到工程优化
一项向量索引方案给出的数字很直接：1000 万文档可从 31GB 压到 4GB。我们注意到，这不是又一个“更强模型”，而是 RAG（检索增强生成，用外部知识补充大模型回答）开始进入算账阶段：谁能把检索成本做低，谁才更容易真正落地。
一篇 RAG 面试题为何火了：企业补知识的需求，正在压过大模型参数竞赛
一篇关于 RAG 高频面试题的技术帖走红，背后不是求职技巧，而是企业真实需求在变化：公司更关心怎样让大模型接上最新、私有、可验证的知识，而不只关心模型本身有多强。这值得我们关心，因为 AI 应用的竞争，正从“谁会调用模型”转向“谁能把知识链路搭稳”。
火 山引擎发布 Milvus Serverless：实例创建仅需 3 秒
字节跳动旗下火山引擎推出 Milvus Serverless，实例创建仅需约 3 秒，支持按需计费与缩容至零，专 为 AI Agent 与 RAG 应用场景设计。