向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%
六项测试全面领先
克雷西 发自 凹非寺
量子位 | 公众号 QbitAI
向量数据库排行榜的头号交椅,再次易主——
来自零一万物最新研发的高性能向量数据库笛卡尔(Descartes),登顶权威测评榜单。
在此之前,榜单里六个数据集的榜首分属于两家厂商,而笛卡尔的包揽结束了这种“分庭抗礼”的局面,成为了大一统的“新王”。
![向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%](/wp-content/uploads/replace/bc1832d522003989ad523fefd889638b.png)
在权威的ANN-Benchmark榜单中(GitHub 4.4k星),笛卡尔直接包揽了六个数据集的第一名。
而且新前两名的差距也被大幅拉开——相比比前SOTA,笛卡尔的成绩最高提升了286%。
那么,笛卡尔在测试中到底交出了怎样的答卷呢?
包揽权威榜单六项第一
笛卡尔登上的ANN-Benchmarks榜单,包含了六大测试数据集,可以展示不同算法在不同数据集下的表现。
而笛卡尔参与全部六个数据集评测,它们主要考察在不同召回下的查询性能。
结果,笛卡尔(图中右上红色曲线)在这六个数据集的评测中,都取得了最好成绩。
下图为对数坐标系,横坐标代表召回,纵坐标代表QPS(每秒处理的请求数),越往右上角意味着算法性能越好。
![向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%](/wp-content/uploads/replace/becce5697bd3a241c9aea63b4674fd16.png)
而“吞吐量QPS” 是衡量信息检索系统(例如搜索引擎或数据库)查询处理能力的重要指标。
在原榜单TOP1基础上,零一万物笛卡尔向量数据库实现了显著性能提升,部分数据集上的性能提升超过2倍以上,在gist-960-euclidean数据集维度更大幅领先榜单原TOP1 286%。
![向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%](/wp-content/uploads/replace/862f535ee62bcb6153731ff4040705e4.png)
那么,在笛卡尔优异表现的背后,采用了哪些技术呢?
采用全栈向量技术增强性能
在零一万物团队看来,增强向量检索能力,就是在解决两个问题,一是减少考察的候选集,二是降低单个向量计算的复杂度。
针对其中第一个问题,零一万物又采用了两大策略来解决。
首先是采用全导航图技术,构建全局多层缩略图,实现图上坐标系导航,既能保证精度,又能裁剪大量无关向量,解决了哈希、KD-Tree、VP-Tree等传统方式导航效果不够精确、裁剪力度不够的问题。
![向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%](/wp-content/uploads/replace/f8e9354d3c6bed8efd50139b14032c75.png)
另一方面,是零一万物自研的自适应邻居选择策略。
它突破了以往仅依赖真实top-k或固定边选择策略的局限,使每个节点可以根据自身及邻居的分布特征,动态地选取最佳邻居边。
这种方式可以更快收敛接近目标向量,从而让RAG向量检索性能提高15%-30%。
而针对第二个问题,零一万物采取的是两级量化方案,从而降低计算复杂度。
同时,利用列式存储充分利用SIMD的并发能力,进一步发挥硬件能力,相比传统PQ查表,性能还能大幅提升到2-3倍。
除此之外,零一万物还有索引结构优化、连通性保障等全栈向量技术方案提高笛卡尔向量数据库的性能。
最终,笛卡尔的检索精度超过了99%,而千万级数据库响应时间仅为毫秒量级。
零一万物表示,笛卡尔向量数据库将用在近期即将正式亮相的AI产品中,未来也将结合工具提供给开发者。
大模型重要的基础设施
事实上,以笛卡尔为代表,向量数据库在整个大模型行业中,本就是一项热门技术。
它是检索增强生成(RAG)技术的核心,用来存储、管理、查询和检索向量化的非结构化数据。
换言之,也就是大模型形成“长期记忆”的关键,因此也被称为“大模型的海马体”。
除了记忆能力,向量数据库还解决了大模型实时信息更新的问题,还能提高推理效率并降低幻觉,同时在隐私数据不能用于训练时担任信息传递载体……
![向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%](/wp-content/uploads/replace/0d3161ac5736142c03bc62ff59f11efc.jpeg)
作为大模型基础设施,无论是在大厂还是初创公司,向量数据库都是一个热门的研究方向。
Google、微软、Meta等传统互联网大厂,都相继在其云服务平台中推出了自己的相关产品。
初创公司方面,Zilliz、Pinecone、Weaviate、Qdrant等公司也是异军突起。
比如成立于上海的Zilliz,其所研发的向量数据库在笛卡尔出现之前就是ANN-Benchmark榜上的王者。
阿里云、腾讯云、微软Azure、亚马逊AWS等国内外知名云服务厂商,都部署了Zilliz的产品。
![向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%](/wp-content/uploads/replace/dec11ca9704de0231cf3c335f43577ac.png)
而除了产业界,向量数据库在投资人眼中同样具有重要地位。
比如前面提到的Zilliz,总计融资金额就已经超过了1.1亿美元。
OpenAI的向量数据库合作方Pinecone,成立至今一共完成四轮融资,总金额更是达到了1.38亿美元。
而像Weaviate、Qdrant等小一些的创业公司,融资金额也都达到了数千万美元。
![向量数据库王冠易主!零一万物新成果登顶权威榜单,比前SOTA领先最高286%](/wp-content/uploads/replace/c44b19f7d0d6f30c3383b22129454f81.png)
总之,随着大模型发展进入白热化阶段,零一万物在这时加入这场竞争,向量数据库之后格局会如何变化?值得期待。
- 谷歌揭秘大模型不会数r原因:嵌入维度是关键,不止分词器问题2024-09-04
- 《黑神话》动捕供应商展示新算法:华科校友创办,华为云合作,亮相数博会2024-09-03
- 又有AI创始人卖身大厂!带走25%员工留下空壳,为吴恩达第一位博士生2024-09-02
- 逼真到被打假!OpenAI投的机器人身穿衣服做家务,被怀疑人类套壳拍视频2024-09-01