de.wedoany.com-Bericht: Zilliz hat am 29. Juni 2026 in Redwood City, Kalifornien, die neue Speicher-Engine Loon vorgestellt. Diese treibt Zilliz Vector Lakebase an und ist in Milvus 3.0 integriert. Loon basiert auf einer lake-nativen Grundlage und ermöglicht es, einen einzigen Vektordatensatz gleichzeitig für Echtzeitsuche, groß angelegte Erkennung und Batch-Analysen zu nutzen. Es bildet die Speicherschicht für die Weiterentwicklung von Zilliz Cloud von einer Vektordatenbank zu einer einheitlichen KI-Datenplattform.
Das Design von Vector Lakebase geht davon aus, dass ein logischer Vektordatensatz allen KI-Workloads dienen sollte – einschließlich Produktionssuche, Erkennung und Batch-Analysen – ohne dass Daten zwischen Systemen kopiert oder verschoben werden müssen. Die Speicherschicht steht vor der Herausforderung, dass derselbe Datensatz sowohl schnelle, record-basierte Lookups für den Service als auch breite Scans für Analysen ermöglichen muss, und zwar auf Basis kostengünstiger Objektspeicher. Das System muss zudem kontinuierlich mit sich ändernden Daten umgehen, da Teams bei Modellverbesserungen dieselben Records neu einbetten, neu labeln und neu indizieren.
James Luan, Mitgründer und CTO von Zilliz, erklärte, dass die Vektorsuche nicht mehr das gesamte Problem sei. Vector Lakebase sei die Antwort auf die Frage, was nach dem Erfolg von Vektordatenbanken komme. Die siegreichen Systeme würden dafür sorgen, dass kontinuierlicher Service und kontinuierliche Erkennung wie Teile derselben Maschine wirken – dies sei nur möglich, wenn die Speicherschicht einen einzigen Datensatz für jeden Workload bereitstelle. Loon sei genau diese Speicherschicht.
Um dieses Ziel zu erreichen, betrachtet Loon Vektordatensätze als ihre physisch heterogene, tatsächliche Form und basiert auf drei Designprinzipien. Ein hybrides Dateiformat speichert jede Spalte in dem für sie am besten geeigneten Format: Skalar- und Filterfelder nutzen Parquet für effiziente Scans; dichte und sparse Vektoren verwenden das offene Vortex-Format für schnelle, bytegenaue, zeilenbasierte Lesevorgänge auf Objektspeichern; rohe Videos, PDFs und Bilder verbleiben im Objektspeicher und werden per Referenz eingebunden, anstatt in die Datenbank kopiert zu werden. Die Zeilen-ID-Ausrichtung stellt sicher, dass über verschiedene Formate verteilte Spalten dennoch als logische Tabelle funktionieren, sodass neue Embedding-Modelle als eigene Spalten hinzugefügt werden können, ohne gespeicherte Daten neu schreiben zu müssen. Versionierte Manifeste definieren die aktuelle Version eines Datensatzes, einschließlich Dateien, Indizes, Löschprotokollen und Statistiken, sodass Service-Cluster, On-Demand-Compute sowie externe Engines wie Spark und Ray denselben Datensatz lesen und aktualisieren können, ohne separate Kopien zu pflegen.
Diese Designs ermöglichen es, dass ein einzelner Datensatz auf dem Objektspeicher mehrere Engines gleichzeitig speist. In internen Tests mit Zilliz-Objektspeicher reduzierte das Vortex-basierte Layout von Loon die pro Record gelesene Datenmenge im Vergleich zu Parquet um etwa das 135-fache. Das Hinzufügen neuer Embedding-Modelle wird zu einer leichten Versionsaktualisierung, anstatt zu einer massiven Neuschreibung. Die Architektur von Vector Lakebase umfasst Echtzeit-Service-Cluster, elastischen On-Demand-Compute und External Collections-Indizes – alle Operationen basieren auf derselben semantischen Grundlage, ohne doppelte Pipelines oder ETL. Über 10.000 Unternehmen und KI-native Teams haben bereits auf Basis von Milvus und Zilliz Cloud entwickelt, darunter MiniMax, OpenEvidence, Filevine, Exa und Salesforce.
Loon treibt nun Milvus 3.0 an und dient als Speicherschicht für Zilliz Vector Lakebase auf Zilliz Cloud. Es ist in über 30 Regionen auf AWS, Google Cloud und Microsoft Azure verfügbar und bietet Serverless-, Dedicated- und BYOC-Bereitstellungsoptionen. Teams, die Online-Services, Offline-Analysen, Backfills und externe Data-Lake-Workloads derzeit über mehrere Systeme verteilen, können ein kostenloses Konto erstellen. Mit einer neuen geschäftlichen E-Mail-Adresse erhalten sie 100 US-Dollar Guthaben oder können das Zilliz-Team kontaktieren, um konkrete Anwendungsfälle zu besprechen.
Zilliz ist ein führendes Unternehmen für KI-Daten-infrastruktur und der Schöpfer von Milvus, der weltweit am weitesten verbreiteten Open-Source-Vektordatenbank. Das Projekt hat über 44.000 GitHub-Sterne und mehr als 100 Millionen Docker-Pulls. Zilliz hilft Unternehmen und KI-Startups, ihre unstrukturierten Daten suchbar, analysierbar und verwaltbar zu machen – und verwandelt Text, Bilder, Audio, Video und mehr in strategische Vermögenswerte für die KI-Produktion. Die Technologie von Zilliz basiert auf Milvus und Zilliz Cloud, wobei Zilliz Cloud diese Grundlage zu einer vollständig verwalteten Vector Lakebase-Plattform erweitert, die den hohen Durchsatz und die niedrige Latenz einer Vektordatenbank mit der Offenheit, Skalierbarkeit und Wirtschaftlichkeit eines multimodalen Data Lakes kombiniert.
