自OpenAI在去年11月发布ChatGPT以来，AI市场被彻底引爆，国内外科技企业纷纷发布自家的AI大模型。国内大模型的发展也迎来前所未有之机遇，“百模”激战正酣。在刚闭幕的世界人工智能大会上，国内外科技公司全线加入，三十余款大模型集中亮相，“国家队”尘埃落定，并正式启动大模型测试国家标准制订，掀起新一轮大模型热浪。而作为“大模型记忆体”、AIGC应用开发新范式的重要组成部分，向量数据库的演进也逐渐达到了前所未有的新高度。
Milvus自2019年正式开源以来，已经成长为全球最大、最活跃的向量数据库开源项目与开发者社区。作为Milvus背后的开发者与运营者，Zilliz一直走在向量数据库的最前沿，始终秉承为开发者提供易用性强、性价比高的向量数据库服务的理念。经过五年的持续打磨，终于在国内推出了基于Milvus的全托管向量数据库云服务产品——ZillizCloud。
经过不断地开发与升级，ZillizCloud俨然成为向量数据库赛道的领先者。随着ZillizCloud在国内全面开启向量数据库云服务，也为向量数据库的高速发展开启了全新的纪元。对于此次在国内的服务落地，Zilliz秉承的使命和目标尤为清晰和明确：
成熟稳定，全球率先支持十亿级别向量规模的服务
Milvus自开源以来，一直都是企业用户自建向量数据平台的首选，全套技术解决方案已被上万家企业所采用，其中百度、新浪、理想汽车、华泰证券、沃尔玛、LINE、BIGO等头部企业在实践中经过反复验证，均已顺利投产。
向量数据库是AIGC大模型的重要补充，是提供准确可靠、高度可扩展的长短期“记忆”的关键载体。近一年，向量数据库项目如雨后春笋般涌现。然而，大部分向量数据库支持的向量数据规模仅停留在千万量级，并不具备支撑生产环境的能力。
相较之下，Milvus在过去5年的客户应用场景覆盖各行各业，早在2021年就实现稳定支持十亿级向量规模的线上服务。如今，ZillizCloud的向量数据库服务可轻松支持十亿级以上规模向量数据，可用性高达99.9%。
此外，在产品与技术背后，Zilliz亦拥有全球最资深的向量数据库专家团队，可以为每一位企业用户配备4名技术支持，“没有人比我们更懂向量数据库”是团队对开源社区与商业化用户的承诺。
高性能+高性价比，性能优异远超同类产品
当前主流的向量数据索引算法是内存算法或内存/SSD混合，算法内核以矩阵计算为主（类似HPC），大规模向量检索与分析是计算/内存双重密集的任务。这意味着向量数据库作为基础设施，对于性能与成本更加敏感。
从性能方面来看，ZillizCloud在QPS和降低查询延迟方面远超其他同类产品。我们将ZillizCloud、Milvus、Pinecone、ElasticCloud4个常见的向量数据库（ElasticCloud严格来说不属于向量数据库，但附带向量能力，在传统文本检索领域受众最广，可以视为目前传统数据库支持向量检索的代表）在同等资源及6组向量查询任务的同等条件下进行了对比（测试框架已开源，详见VectorDBBench，Leaderboard）。
对比结果如下：
在查询吞吐方面，ZillizCloud在全部6组查询任务中全面力压向量数据库Pinecone，整体性能平均超越2倍以上。与此同时，ZillizCloud相比Milvus，也有将近一倍的提升，表现令人眼前一亮。ElasticCloud作为传统文本检索服务的代表，向量查询能力主要为补充能力，这6组查询任务的QPS均在50以下。
查询延迟方面，ZillizCloud整体在10ms以下，Milvus整体在20ms以下，Pinecone在20-40ms之间，ElasticCloud差距较为明显。
性价比方面，主要考察Queriesperdollar(高并发情况下，单位成本所能支持的查询请求数量)。相较Pinecone、Elastic，ZillizCloud的优势十分明显。指标相比第二位的Pinecone最多可以高出1个数量级（Q1,Q2），在剩下的四组任务中普遍可以高3倍左右。（由于Milvus为开源方案，难以和商业化服务在相同标准下比较，我们在这组测试中将其移除。）
黑科技加持，软硬件性能飙升，全新内核火力全开
ZillizCloud采用商业化引擎，综合性能超过Milvus开源引擎的1倍以上。引擎针对典型场景进行深度优化，性能可提升3-5倍。
硬件层面，Zilliz与英伟达、英特尔等一线硬件厂商有着长期稳定的合作，向量算法内核针对X86、ARM、GPU进行了定制化优化。
软件层面，ZillizCloud推出了Autoindex智能索引。智能索引根据用户的向量维度、数据规模、数据分布、查询特性进行持续的自动化调优，免去用户索引类型选型以及参数调优的痛苦。据Zilliz内部测试，autoindex智能索引已经达到向量数据库专家手工调优效果的84%，大幅超越用户的平均水平。在下一阶段，autoindex智能索引的功能还会得到大幅度增强，支持用户指定recall进行优化，保证索引运行在指定查询准确度的最优点。
当然，针对最近大火的AIGC应用，ZillizCloud也推出了专门的特性支持：
打破“CAP”不可能三角，给用户灵活选择
向量数据库技术发展到现在并不完美，通常情况下，业务需要在成本（Cost）、查询效果与准确度（Accuracy）、查询性能（Performance）之间做权衡，即向量数据库的CAP问题。目前来看，CAP是一个不可能三角，Zilliz的解法是在典型的位置给出局部最优解，并给用户以灵活的选择。
事实上，用户的普遍场景可以归纳为性能需求型、容量需求型与成本敏感型。为此，ZillizCloud在向量数据库实例中也相应提供了三类支持：性能型、容量型和经济型。不同的实例类型由不同的算法与硬件资源组合而成，适用于不同的业务场景。
性能型实例的适用场景包括但不限于：生成式AI、推荐系统、搜索引擎、聊天机器人、内容审核、LLM增强的知识库、金融风控。
容量型实例的适用场景包括但不限于：搜索大规模的非结构化数据（如：文本、图像、音频、视频、药物化学结构等）、侵权检测、生物身份验证。
经济型实例的适用场景包括但不限于：数据标记或数据聚类、数据去重、数据异常检测、平衡训练集类型分布。
支持大模型与非结构化数据处理全生态覆盖
没有任何一套系统可以满足使用者业务上的所有需求，向量数据库也是如此。在以向量数据库为支撑的业务中，往往需要处理多道流程，包括：
为了进一步降低应用构建成本，提供标准化组件，ZillizCloud为开发者提供了双重支持：
目前，ZillizCloud提供SaaS和PaaS服务，其中SaaS已覆盖AWS、GCP、阿里云，PaaS覆盖AWS、GCP、Azure、阿里云、百度智能云、腾讯云和金山云。国内官网已同步上线，更多详情和案例可以访问Https://zilliz.com.cn（海外官网和云服务入口：Https://zilliz.com）。
为了加速打磨业界最佳实践，我们即将启动「寻找AIGC时代的CVP实践之星」专题活动，Zilliz将联合国内头部大模型厂商一同甄选应用场景，由双方提供向量数据库与大模型顶级技术专家为用户赋能，一同打磨应用，提升落地效果，赋能业务本身。如果你的应用也适合CVP框架，且正为应用落地和实际效果发愁，可直接申请参与活动，获得最专业的帮助和指导。（注：CVP即C代表以ChatGPT为代表的LLMs，V代表VectorDB，P代表PromptEngineering，联系方式参见business@zilliz.com）
2023年伴随着AGI和LLMs的爆发已经过半，加速探索大模型落地之路已经迫在眉睫。行业的高度共识推动着AI奇点的来临，大模型将重构企业级应用，重塑人工智能产业的发展方向。Zilliz表示，未来将持续聚焦向量数据库行业发展的最前沿，以各行各业的智能化演进为目标，为大模型时代的企业和开发者提供最具竞争力的“大模型记忆体”。