李成龙
Zilliz首席开源布道师/Milvus 开源社区负责人
内容简介:
在 AI 时代,向量数据库已经成为非结构化数据管理的核心基础设施。它不仅要应对海量图像、文本、音频等数据的存储管理,还要在精准召回、实时更新与多维过滤之间找到最佳平衡。本次分享将深入解析千亿级向量数据库 Milvus 的架构创新思路,同时通过真实落地案例,带你了解在智能搜索、推荐系统、多模态分析、AI Agent 等典型场景中,顶级团队是如何打造出支撑生成式 AI 的下一代数据引擎。
演讲提纲:
1. 向量检索背景
1.1 非结构化数据爆发
1.2 传统数据库处理困境
2. 向量数据库核心技术解析
2.1 向量数据库架构演进历程
2.2 主流向量索引算法解析
2.3向量检索性能优化技巧
3. 向量数据库落地案例实践
3.1 领先漫画平台的RAG调优落地分享
3.2 VOC龙头企业评论情感分析降本提速实践
3.3 自动驾驶百亿视频平台长尾样本挖掘
4. 总结展望
4.1 向量数据库选型建议
4.2 向量数据库未来发展趋势
听众收益:
1. 掌握向量数据库的核心价值,理解向量与标量的关键区别,以及向量数据库在非结构化数据管理中的核心作用;
2. 深入洞悉 Milvus 从 1.0 到 2.6 的架构迭代逻辑与云原生分布式创新思路,了解千亿级向量数据存储、精准召回与实时更新的技术原理;
3. 借助 Agent、VOC、自动驾驶等领域的真实落地案例,学习顶级团队构建生成式 AI 数据引擎的实践经验,将理论转化为可落地的技术方案,为听众在智能搜索、推荐系统、多模态分析等 AI 相关业务中带来参考和启发。
Zilliz 首席开源布道师,Milvus 开源社区负责人,全球最受欢迎的开源向量数据库Milvus Committer,加入 Zilliz 后活跃在 Milvus 社区,并协助全球数千家开源用户共同探索 AI 落地解决方案,对于主流Embedding 算法、LLMs 应用及 RAG 架构具有丰富的经验,先后完成了 Milvus 以图搜图系统,视频检索系统等案例。