أخبار ar.wedoany.com، أعلنت شركة Zilliz في 29 يونيو 2026 في مدينة ريدوود سيتي بولاية كاليفورنيا عن إطلاق محرك التخزين الجديد Loon، الذي يعمل كقاعدة لـ Zilliz Vector Lakebase، والمدمج في Milvus 3.0. يعتمد Loon على بنية أصلية للبحيرات البيانية، مما يتيح استخدام مجموعة واحدة من البيانات المتجهة في الوقت نفسه للبحث الفوري والاكتشاف على نطاق واسع والتحليل الدفعي، ليشكل الطبقة الأساسية لتطور Zilliz Cloud من قاعدة بيانات متجهة إلى منصة بيانات موحدة للذكاء الاصطناعي.
يفترض تصميم Vector Lakebase أن مجموعة منطقية واحدة من البيانات المتجهة يجب أن تخدم جميع أعباء عمل الذكاء الاصطناعي، بما في ذلك البحث الإنتاجي والاكتشاف والتحليل الدفعي، دون الحاجة إلى نسخ أو نقل البيانات بين الأنظمة. تواجه طبقة التخزين تحديًا يتمثل في ضرورة تحقيق وصول سريع على مستوى السجلات للخدمة، إلى جانب مسح واسع النطاق للتحليل، وكل ذلك يعتمد على تخزين كائنات منخفض التكلفة. كما يجب على النظام التعامل مع البيانات المتغيرة باستمرار، حيث تقوم الفرق بإعادة تضمين وإعادة وضع علامات وإعادة فهرسة نفس السجلات عند تحسين النماذج.
صرح James Luan، المؤسس المشارك والمدير التقني لشركة Zilliz، أن البحث المتجه لم يعد المشكلة الوحيدة، وأن Vector Lakebase هو الإجابة على ما يحدث بعد نجاح قواعد البيانات المتجهة. وأضاف أن النظام الفائز سيجعل الخدمة المستمرة والاكتشاف المستمر يبدوان وكأنهما جزء من آلة واحدة، وهو ما لا يمكن تحقيقه إلا عندما تخدم طبقة التخزين مجموعة واحدة من البيانات لكل عبء عمل، وLoon هو تلك الطبقة.
لتحقيق هذا الهدف، يعامل Loon مجموعة البيانات المتجهة ككيان مادي غير متجانس، ويبني على ثلاثة تصاميم أساسية. يتيح تنسيق الملفات الهجين تخزين كل عمود بالتنسيق الأنسب له: تُخزَّن الحقول العددية وحقول التصفية باستخدام Parquet لتحقيق مسح فعال؛ بينما تُخزَّن المتجهات الكثيفة والمتفرقة باستخدام تنسيق Vortex المفتوح، مما يتيح قراءة سريعة ودقيقة على مستوى الصفوف من تخزين الكائنات؛ أما الفيديو الخام وملفات PDF والصور فتُترك في تخزين الكائنات، مع الإشارة إليها بدلاً من نسخها إلى قاعدة البيانات. يعمل محاذاة معرفات الصفوف على تمكين الأعمدة المقسمة عبر تنسيقات مختلفة من العمل كجدول منطقي واحد، مما يسمح بإضافة نماذج تضمين جديدة كأعمدة خاصة بها دون إعادة كتابة البيانات المخزنة. تحدد قوائم الإصدارات الإصدار الحالي من مجموعة البيانات، بما في ذلك الملفات والفهارس وسجلات الحذف والإحصائيات، مما يمكن مجموعات الخدمة والحوسبة حسب الطلب والمحركات الخارجية مثل Spark وRay من قراءة وتحديث نفس مجموعة البيانات دون الحاجة إلى صيانة نسخ منفصلة.
تتيح هذه التصاميم لمجموعة واحدة من البيانات على تخزين الكائنات تغذية محركات متعددة في وقت واحد. في الاختبارات الداخلية على تخزين كائنات Zilliz، قلل تخطيط Loon المعتمد على Vortex من كمية البيانات المسحوبة لكل قراءة سجل بنحو 135 مرة مقارنة بـ Parquet. أصبحت إضافة نموذج تضمين جديد عملية تحديث خفيفة للإصدار بدلاً من إعادة كتابة واسعة النطاق. تشمل بنية Vector Lakebase مجموعات الخدمة الفورية والحوسبة المرنة حسب الطلب وفهارس External Collections، وكلها تعمل على نفس الأساس الدلالي دون الحاجة إلى خطوط أنابيب مكررة أو عمليات ETL. يعتمد أكثر من 10,000 شركة وفريق يعمل في مجال الذكاء الاصطناعي على Milvus وZilliz Cloud، بما في ذلك MiniMax وOpenEvidence وFilevine وExa وSalesforce.
يعمل Loon الآن كمحرك لـ Milvus 3.0، وكطبقة تخزين لـ Zilliz Vector Lakebase على Zilliz Cloud، وهو متوفر في أكثر من 30 منطقة على AWS وGoogle Cloud وMicrosoft Azure، مع خيارات نشر Serverless وDedicated وBYOC. يمكن للفرق التي توزع أعباء العمل عبر أنظمة متعددة للخدمة عبر الإنترنت والتحليل دون اتصال وإعادة التعبئة وسير عمل بحيرات البيانات الخارجية إنشاء حساب مجاني، حيث يحصل المسجلون بعنوان بريد إلكتروني وظيفي جديد على رصيد مجاني بقيمة 100 دولار، أو الاتصال بفريق Zilliz لمناقشة حالات استخدام محددة.
Zilliz هي شركة رائدة في مجال البنية التحتية لبيانات الذكاء الاصطناعي، ومبتكرة قاعدة البيانات المتجهة مفتوحة المصدر Milvus، الأكثر استخدامًا على نطاق واسع في العالم، والتي حصل مشروعها على 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، محولة النصوص والصور والصوت والفيديو وغيرها إلى أصول استراتيجية للذكاء الاصطناعي الإنتاجي. تعتمد تقنية Zilliz على Milvus وZilliz Cloud كأساس، بينما توسع Zilliz Cloud هذا الأساس لتصبح منصة Vector Lakebase مُدارة بالكامل، تجمع بين قدرات الخدمة عالية الإنتاجية ومنخفضة الكمون لقاعدة البيانات المتجهة مع الانفتاح وقابلية التوسع والاقتصاد في بحيرة البيانات متعددة الوسائط.
