de.wedoany.com-Bericht: Am 10. Juni 2026 gab Zilliz mit Sitz in Redwood City, Kalifornien, die öffentliche Vorschau von Zilliz Vector Lakebase bekannt. Es handelt sich um eine bedeutende Aktualisierung von Zilliz Cloud, die darauf abzielt, eine produktionsreife Vektordatenbank mit einer gemeinsamen, seebasierten Datenbasis zu kombinieren.
Vector Lakebase basiert auf der Echtzeit-Vektorsuche von Zilliz Cloud, die bereits von Zillow, OpenEvidence, Exa, Filevine, MiniMax und über 10.000 Unternehmen und KI-Teams genutzt wird. Diese Aktualisierung erweitert die Möglichkeiten um drei neue Arten der Datenverarbeitung: interaktive Erkundung, groß angelegte Batch-Analyse und direkte Suche in externen Daten-Seen. Das Ergebnis ist eine einheitliche Datenbasis, bei der alle Workloads auf einer einzigen logischen Kopie der Daten ausgeführt werden und nur die aktive Rechenzeit für On-Demand- und Batch-Aufgaben abgerechnet wird.
Charles Xie, Gründer und CEO von Zilliz, erklärte, dass die produktionsreife Vektorsuche das Kerngeschäft des Unternehmens sei und der Grund, warum Tausende von Teams Milvus und Zilliz Cloud wählen. Vector Lakebase sei der nächste Schritt, den Zilliz für die Zukunft sehe: eine Datenbasis, bei der derselbe Vektor für Produktionsabfragen, Erkundungssitzungen und die Steuerung von Petabyte-großen Trainingsdatenpipelines genutzt werden kann – ohne Kopien, Migrationen oder parallele Stacks.
Hinsichtlich der Bedeutung einer einheitlichen Datenbasis sind KI-Systeme nicht mehr nur ein Problem der Einzelabfrage-Retrieval. Sie arbeiten in einem kontinuierlichen Kreislauf, der das Bereitstellen von Diensten, das Lernen aus Feedback, das Aufbereiten und Vorbereiten besserer Daten sowie erneutes Bereitstellen umfasst. Jeder Schritt erfordert in der Regel separate Systeme für Service, Erkundung und Massenverarbeitung. Das Verschieben von Milliarden von Vektoren zwischen diesen Systemen kann Tage dauern. Vector Lakebase schließt diese Lücke durch die Schaffung einer kopiefreien semantischen Datenebene auf gemeinsam genutztem, seebasiertem Speicher, sodass Echtzeitdienste, interaktive Erkundung und Batch-Analyse auf einer einzigen logischen Kopie der Daten ausgeführt werden, von Gigabyte- bis Petabyte-Maßstab.
Robert Guo, Vice President of Product bei Zilliz und einer der Architekten von Milvus, sagte, das Team habe nach einer Möglichkeit gesucht, Daten an einem Ort zu halten und darauf völlig unterschiedliche Workloads auszuführen. Vector Lakebase erreiche dies durch eine einheitliche Speicherschicht auf Vortex, einen abgestuften Service für den Produktionspfad und bedarfsgesteuerte Berechnung für alle anderen Anforderungen.
Vector Lakebase bietet fünf Hauptfunktionen auf einer einzigen Basis. Erstens: Abgestufter Echtzeitservice mit drei für verschiedene Workloads optimierten Produktionsebenen: leistungsoptimiert (1000+ QPS, Millisekunden-Latenz, Arbeitsspeicher), kapazitätsoptimiert (100–500 QPS, unter 100 ms Latenz, Arbeitsspeicher plus NVMe) und abgestufter Speicher (10–50 QPS, etwa 100 ms Latenz, über Arbeitsspeicher, NVMe und Objektspeicher, mit deutlich reduzierten Kosten). Alle Ebenen haben standardmäßig eine Recall-Rate von 95–98 %, die auf über 99 % einstellbar ist, und werden durch die 99,99 % Verfügbarkeits-SLA von Zilliz Cloud sowie die regionsübergreifende Hochverfügbarkeit globaler Cluster unterstützt. Zweitens: On-Demand-Suche mit nutzungsabhängiger Abrechnung für Workloads, bei denen die Infrastruktur die meiste Zeit im Leerlauf ist, direkt über Objektspeicher und Rechenleistung abgerechnet. Ein interner Benchmark von Zilliz mit 1 Milliarde 768-dimensionalen Vektoren und 10 Stunden aktiver Berechnung pro Monat ergab Gesamtkosten von 318 US-Dollar für die On-Demand-Suche, während ein ähnlicher serverloser Pfad 4.937 US-Dollar gekostet hätte – etwa das 15-fache. Drittens: Externe Daten-See-Suche, ein kopiefreies externes Sammlungsmodell, das vorhandenen Lance-, Iceberg-, Parquet- und Vortex-Tabellen modernste Indizes und ein volles Spektrum an Suchfunktionen hinzufügt, mit inkrementeller Synchronisierung bei Aktualisierungen, wobei die Quelldaten an ihrem Ort verbleiben. Viertens: Vollspektrum-KI-Suche, die Suche über Vektoren (dicht und dünnbesetzt), Text, JSON und Geodaten unterstützt, einschließlich hybrider Retrieval, BM25, regulärer Ausdrücke, Multi-Vektor- und iterativer Suche sowie Multi-Pfad-Retrieval, wobei Ergebnisse mit Cohere, Voyage AI, RRF sowie gewichteten, verstärkten oder abgeschwächten Strategien neu sortiert werden können. Fünftens: Einheitlicher seebasierter Speicher, der auf Vortex aufbaut, einem offenen Spaltenformat, das für schnellere und günstigere zufällige Lesevorgänge als Lance und Parquet entwickelt wurde, zusammen mit objektspeicherbewussten Indizes, die den Lese-Overhead um über 90 % reduzieren. Ein Schema-Backfill mit 100 Millionen Zeilen kann in der Regel in wenigen Minuten abgeschlossen werden, ohne den aktiven Abfrageverkehr zu unterbrechen.
Diese Fähigkeiten ermöglichen es KI-Teams gemeinsam, bisher benötigte parallele, ständig aktive Service-Cluster und separate Batch-Systeme auf einer einzigen Plattform zu vereinen, mit konsistenten Indizes, versionierten Daten und Rechenressourcen, die zwischen Aufgaben auf null reduziert werden können.
Zilliz Vector Lakebase ist jetzt in der öffentlichen Vorschau auf Zilliz Cloud verfügbar, mit serverlosen, dedizierten und BYOC-Bereitstellungsoptionen in über 30 Regionen auf AWS, Google Cloud und Microsoft Azure. Die Registrierung mit einer geschäftlichen E-Mail-Adresse gewährt ein Guthaben von 100 US-Dollar. Teams, die Service, Erkundung und Analyse auf separaten Stacks betreiben, können das Zilliz-Team für eine maßgeschneiderte Einführung kontaktieren.
Zilliz ist ein KI-Dateninfrastrukturunternehmen und der Schöpfer der Open-Source-Vektordatenbank Milvus, die über 44.000 GitHub-Sterne und mehr als 100 Millionen Docker-Pulls verfügt. Zilliz hilft Unternehmen und KI-Startups, ihre unstrukturierten Daten durchsuchbar, analysierbar und verwaltbar zu machen. Die Technologie basiert auf Milvus und Zilliz Cloud. Milvus ist eine Open-Source-Vektordatenbank, die für die Suche in Milliarden von Vektoren entwickelt wurde. Zilliz Cloud erweitert diese Basis zu einer vollständig verwalteten Vector Lakebase-Plattform, die die hohe Durchsatz- und Niedriglatenz-Fähigkeit einer Vektordatenbank mit der Offenheit, Skalierbarkeit und Wirtschaftlichkeit eines multimodalen Daten-Sees kombiniert. Zilliz unterstützt weltweit über 10.000 Unternehmen und KI-native Startups, darunter MiniMax, OpenEvidence, Filevine, Exa, Salesforce und Read AI. Das Unternehmen hat seinen Hauptsitz in Redwood Shores, Kalifornien, und wird von Investoren wie Aramcos Prosperity 7 Ventures, Temaseks Pavilion Capital, Hillhouse Capital, 5Y Capital, Yunqi Partners und Trustbridge Partners unterstützt.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
