长按二维码,关注官方公众号
高性能向量数据库 MyScale： SQL与向量融合的新范式
〇 分享简介 〇
向量数据库随着大模型的火热而得到更多的关注和发展，目前主要有两种类型的向量数据库为大家广泛关注。一类是以Pinecone 为主导的专用的向量数据库，另一类是支持向量检索的集成向量数据库。这两类各有优势，但无法兼顾处理海量数据的性能以及与传统数据库的兼容性。
业界上以全新的视角 SQL与向量结合的，专为 AI 应用设计的 SQL 向量数据库 MyScaleDB，具有非常大的价值，MyScaleDB 以高性能列存分析数据库 ClickHouse 为基础，对向量检索算法系统以及 SQL 与向量的联合查询和存储进行了深入的优化，确保了在保持高性能向量检索和复杂查询的同时，也能够满足企业对通用数据存储和分析的全面需求。
本次分享将基于 MyScale 构建的 RAG知识库解决方案，通过案例分析来展示各行各业的大规模 RAG企业知识库落地的应用场景。
〇 分享收益 〇
目标：
解析 SQL与向量融合的数据库新范式，及其对于 RAG方案的优势
成功要点：
SQL与向量的结合赋予了向量数据库 MyScale 以高性能处理大规模多模态数据的能力。成为大模型+大数据结合的 RAG/Agent 平台的坚实底座。
启示：
数据是链接大模型和世界、用户的纽带，SQL 向量数据为大模型和大数据的结合，利于企业更加专业、更加实时、高效协作、更有温度的融合企业 AI 系统。
〇 分享亮点 〇
1、向量数据库的现状
2、开源向量数据库 MyScaleDB 的技术理念与挑战
3、MyScaleDB 技术能力与优势
4、构建大模型+大数据结合 RAG/Agent 知识库平台
5、RAG 企业知识库应用场景分析
6、QA
墨奇科技联合创始人兼 CTO，普林斯顿大学计算机博士学位，构建创新的 AI 技术和产品，高效、精准、可靠的从海量非结构化数据重提取价值。在顶级的计算机系统和 AI 会议上已发表论文数十篇（如 FAST/OSDI/KDD 等），并获得最佳学生论文和机器学习团队第一名等荣誉。目前，汤林鹏博士带领墨奇科技研发团队，以研发引领尖端的人工智能技术和产品为目标，彻底改变了对大规模非结构化数据的处理方式。 MyScale基于SQL的向量数据库，将SQL与向量融合为打造大数据与大模型的 Agent强大底座，帮助企业有效管理非结构化数据并构建大规模人工智能应用。
