作為一種新興技術，向量搜索在生成式AI應用中，通過利用距離或相似度度量標準，比較數據的向量表示形式，來查找與給定數據相似的數據點。向量則是利用嵌入模型生成的無結構化數據的數值表示形式，用戶可以使用嵌入模型為文檔中的各個字段生成向量，并將這些向量存儲到Amazon S3 Vectors中，以便進行語義搜索。
Amazon S3 Vectors引入了向量存儲桶，這是一種配備了一組專用API的新型存儲桶，用戶無需配置任何基礎設施即可存儲、訪問和查詢向量數據。創建Amazon S3 Vectors時，用戶可在向量索引中對向量數據進行組織，從而能夠輕松地對數據集運行相似性搜索查詢。每個向量存儲桶最多可擁有10,000個向量索引，且每個向量索引可存儲數千萬個向量。
創建向量索引后，在向該索引添加向量數據時，用戶還可為每個向量附加上鍵值對形式的元數據，以便后續根據日期、類別、用戶偏好等一系列條件，對查詢結果進行篩選。隨著時間推移，當用戶不斷對向量進行寫入、更新以及刪除等操作時，即便數據集規模持續擴大、內容不斷演變，Amazon S3 Vectors也會自動優化處理向量數據，從而確保向量存儲達到最佳性價比。
Amazon S3 Vectors可與Amazon Bedrock知識庫及Amazon SageMaker Unified Studio集成，可用于構建極高性價比的檢索增強生成(RAG)應用。Amazon S3 Vectors還通過與Amazon OpenSearch Service集成，可將查詢頻率較低的向量存儲在Amazon S3 Vectors中，實現存儲成本降低。并且隨著查詢需求增加，又能迅速將這些向量遷移至Amazon OpenSearch Service中;或者當需要支持實時、低延遲的搜索操作時，也能通過該功能輕松實現。
借助Amazon S3 Vectors，企業能以經濟高效的方式，將代表海量無結構化數據（如圖像、視頻、文檔和音頻文件）的向量嵌入存儲起來，從而使得可擴展的生成式AI應用成為可能，包括語義搜索、相似性搜索、RAG以及構建Agent記憶等應用。此外，企業還可以開發各類應用，輕松應對多種行業的應用場景需求，如個性化推薦、自動化內容分析和智能文檔處理等，并且無需承擔管理向量數據庫的操作復雜性與管理高成本。
目前，Amazon S3 Vectors，及其與Amazon Bedrock、Amazon OpenSearch Service和Amazon SageMaker的集成功能，現已在美國東部(弗吉尼亞北部)、美國東部(俄亥俄)、美國西部(俄勒岡)、歐洲(法蘭克福)和亞太(悉尼)區域提供預覽版。
用戶可在Amazon S3控制臺中，立即開始試用Amazon S3 Vectors功能。
文章內容僅供閱讀，不構成投資建議，請謹慎對待。投資者據此操作，風險自擔。
海報生成中...
海藝AI的模型系統在國際市場上廣受好評，目前站內累計模型數超過80萬個，涵蓋寫實、二次元、插畫、設計、攝影、風格化圖像等多類型應用場景，基本覆蓋所有主流創作風格。
IDC今日發布的《全球智能家居清潔機器人設備市場季度跟蹤報告，2025年第二季度》顯示，上半年全球智能家居清潔機器人市場出貨1,2萬臺，同比增長33%，顯示出品類強勁的市場需求。
京公網安備 11010502041587號