أخبار ar.wedoany.com، في 10 يونيو 2026، أعلنت شركة Zilliz، ومقرها ريدوود سيتي بولاية كاليفورنيا، عن دخول Zilliz Vector Lakebase (قاعدة بحيرة المتجهات) مرحلة الإصدار التجريبي العام. يُعد هذا تحديثًا هامًا لإصدار Zilliz Cloud، يهدف إلى دمج قاعدة بيانات المتجهات ذات المستوى الإنتاجي مع أساس بيانات بحيرة أصلي مشترك.
يعتمد Vector Lakebase على محرك البحث الفوري للمتجهات من Zilliz Cloud، والذي يخدم بالفعل شركات مثل Zillow وOpenEvidence وExa وFilevine وMiniMax، بالإضافة إلى أكثر من 10,000 شركة وفريق من فرق الذكاء الاصطناعي. يوسع هذا التحديث نطاق العمل ليشمل ثلاث طرق جديدة للتعامل مع البيانات نفسها: الاكتشاف التفاعلي، والتحليل الدفعي واسع النطاق، والبحث المباشر في بحيرات البيانات الخارجية. والنتيجة هي أساس بيانات واحد، حيث تعمل جميع أعباء العمل على نسخة منطقية واحدة من البيانات، ولا تُحتسب التكاليف إلا عند نشاط الحوسبة للمهام الفورية والدفعية.
صرّح Charles Xie، المؤسس والرئيس التنفيذي لشركة Zilliz، بأن البحث عن المتجهات على المستوى الإنتاجي هو جوهر عمل الشركة، وهو السبب الذي دفع آلاف الفرق لاختيار Milvus وZilliz Cloud. وأضاف أن Vector Lakebase يمثل الخطوة التالية التي تراها Zilliz: أساس بيانات واحد، حيث يمكن لنفس المتجه أن يخدم استعلامات الإنتاج، ويدعم جلسات الاكتشاف، ويُغذي خطوط أنابيب بيانات التدريب بحجم بيتابايت، دون الحاجة إلى نسخ مكررة أو ترحيل أو مكدسات متوازية.
فيما يتعلق بأهمية أساس البيانات الموحد، لم تعد أنظمة الذكاء الاصطناعي مجرد مسألة استرجاع استعلام واحد. فهي تعمل في دورة مستمرة تشمل تقديم الخدمات، والتعلم من التغذية الراجعة، واستخراج وإعداد بيانات أفضل، ثم تقديم الخدمات مرة أخرى. تتطلب كل مرحلة عادةً أنظمة مستقلة للخدمة والاستكشاف والمعالجة واسعة النطاق. قد يستغرق نقل مليارات المتجهات بين هذه الأنظمة أيامًا. يسد Vector Lakebase هذه الفجوة من خلال بناء طبقة دلالية للبيانات بدون نسخ على تخزين بحيرة أصلي مشترك، مما يسمح للخدمات الفورية والاكتشاف التفاعلي والتحليل الدفعي بالعمل جميعًا على نسخة منطقية واحدة من البيانات، مع قابلية التوسع من نطاق الجيجابايت إلى البيتابايت.
قال Robert Guo، نائب رئيس المنتجات في Zilliz وأحد مهندسي Milvus، إن الفريق أراد إيجاد طريقة للحفاظ على البيانات في مكان واحد وتشغيل أعباء عمل مختلفة تمامًا عليها. وأوضح أن Vector Lakebase يحقق ذلك من خلال طبقة تخزين موحدة فوق Vortex، وطبقات خدمة هرمية لمسار الإنتاج، وحوسبة تُحتسب حسب الطلب لجميع الاحتياجات الأخرى.
يتميز Vector Lakebase بخمس قدرات رئيسية على أساس واحد. أولاً، الخدمة الفورية الهرمية التي توفر ثلاث طبقات إنتاج محسّنة لأعباء العمل المختلفة: طبقة محسّنة للأداء (أكثر من 1000 استعلام في الثانية، زمن استجابة بأرقام أحادية بالمللي ثانية، ذاكرة)، وطبقة محسّنة للسعة (100–500 استعلام في الثانية، زمن استجابة أقل من 100 مللي ثانية، ذاكرة بالإضافة إلى NVMe)، وطبقة تخزين هرمي (10–50 استعلام في الثانية، زمن استجابة حوالي 100 مللي ثانية، عبر الذاكرة وNVMe وتخزين الكائنات، مع انخفاض كبير في التكلفة). جميع الطبقات توفر معدل استرجاع افتراضي يتراوح بين 95–98%، قابل للتعديل إلى أكثر من 99%، وتدعمها اتفاقية مستوى الخدمة (SLA) الخاصة بـ Zilliz Cloud بنسبة تشغيل 99.99% والتوفر العالي عبر المناطق للمجموعات العالمية. ثانيًا، البحث حسب الطلب الذي يوفر حوسبة تُحتسب حسب الاستخدام لأعباء العمل التي تكون فيها البنية التحتية خاملة معظم الوقت، مع فوترة مباشرة لتخزين الكائنات والحوسبة. أظهر اختبار أداء داخلي لـ Zilliz على مليار متجه ذي 768 بُعدًا مع 10 ساعات من الحوسبة النشطة شهريًا أن تكلفة البحث حسب الطلب بلغت إجمالاً 318 دولارًا، بينما تتطلب مسار مشابه بدون خادم 4,937 دولارًا، أي حوالي 1/15 من التكلفة. ثالثًا، البحث في بحيرات البيانات الخارجية وهو نمط مجموعة خارجية بدون نسخ، يضيف فهارس متطورة وبحثًا كامل الطيف مباشرةً إلى جداول Lance وIceberg وParquet وVortex الموجودة، مع مزامنة تزايدية عند التحديث، مع بقاء البيانات المصدر في مكانها. رابعًا، البحث الكامل الطيف للذكاء الاصطناعي الذي يدعم البحث عبر المتجهات (الكثيفة والمتناثرة) والنصوص وJSON والبيانات الجغرافية المكانية، ويدعم الاسترجاع المختلط وBM25 والتعبيرات العادية والبحث متعدد المتجهات والتكراري والاسترجاع متعدد المسارات، ويمكن إعادة ترتيب النتائج باستخدام Cohere وVoyage AI وRRF واستراتيجيات الترجيح أو التعزيز أو التوهين. خامسًا، التخزين الموحد للبحيرة الأصلي المبني على Vortex لمشاركة التخزين بين الخدمة والتحليل، وهو تنسيق أعمدة مفتوح المصدر مصمم للقراءة العشوائية بشكل أسرع وأرخص من Lance وParquet، مع فهارس مدركة لتخزين الكائنات تقلل تضخيم القراءة بأكثر من 90%. يمكن إكمال تعبئة نمط لـ 100 مليون صف عادةً في غضون دقائق بأرقام أحادية، دون مقاطعة حركة الاستعلامات النشطة.
تعمل هذه القدرات مجتمعة على تمكين فرق الذكاء الاصطناعي من دمج مجموعات الخدمة المتوازية الدائمة التشغيل والأنظمة الدفعية المنفصلة التي كانت مطلوبة سابقًا في منصة واحدة، مع فهارس متسقة وبيانات ذات إصدارات وموارد حوسبة يمكن تقليصها إلى الصفر بين المهام.
يتوفر Zilliz Vector Lakebase الآن في الإصدار التجريبي العام على Zilliz Cloud، مع خيارات نشر بدون خادم ومخصصة وBYOC، تغطي أكثر من 30 منطقة عبر AWS وGoogle Cloud وMicrosoft Azure. يمكن للمستخدمين الحصول على رصيد مجاني بقيمة 100 دولار عند التسجيل باستخدام بريد إلكتروني وظيفي. يمكن للفرق التي تدير الخدمة والاكتشاف والتحليل على مكدسات مستقلة الاتصال بفريق Zilliz للحصول على إرشادات مخصصة.
Zilliz هي شركة بنية تحتية للبيانات للذكاء الاصطناعي، ومُنشئ قاعدة بيانات المتجهات مفتوحة المصدر Milvus، التي تضم أكثر من 44,000 نجمة على GitHub وأكثر من 100 مليون عملية سحب لـ Docker. تساعد Zilliz الشركات والشركات الناشئة في مجال الذكاء الاصطناعي على جعل بياناتها غير المهيكلة قابلة للبحث والتحليل والإدارة. تدور تقنيتها حول Milvus وZilliz Cloud. Milvus هي قاعدة بيانات متجهات مفتوحة المصدر مصممة للبحث عن المتجهات على نطاق مئات المليارات. توسع Zilliz Cloud هذا الأساس لتصبح منصة Vector Lakebase مُدارة بالكامل، تجمع بين قدرة قاعدة بيانات المتجهات العالية الإنتاجية وخدمات زمن الاستجابة المنخفض مع انفتاح وقابلية توسع واقتصادية بحيرة البيانات متعددة الوسائط. تدعم Zilliz أكثر من 10,000 شركة وشركة ناشئة أصلية في مجال الذكاء الاصطناعي عالميًا، بما في ذلك MiniMax وOpenEvidence وFilevine وExa وSalesforce وRead AI. يقع المقر الرئيسي للشركة في ريدوود كوست بولاية كاليفورنيا، وهي مدعومة من مستثمرين مثل Prosperity 7 Ventures التابعة لشركة Aramco، وPavilion Capital التابعة لـ Temasek، وHillhouse Capital، و5Y Capital، وYunqi Capital، وTrustbridge Partners.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
