作者 | Renato Losio
译者 | 明知山
策划 | 丁晓昀
最近，Pinecone 宣布了其新的无服务器向量数据库的公共预览，旨在降低基础设施管理成本，同时提高生成式人工智能应用的准确性。
根据向量数据库专家的说法，读、写和存储的分离显着降低了各种规模和类型的工作负载的开销。多租户计算层使用新的索引和检索算法实现了按需检索，从而实现了对 blob 存储进行内存高效的向量搜索。
与基于 pod 的索引类似，Pinecone 无服务器支持实时索引更新、元数据过滤、混合搜索和命名空间。Pinecone 创始人兼首席执行官 Edo Liberty 在讨论其性能时表示：
性能也得到了保证。实际上，对于热命名空间，与基于 pod 的索引相比，无服务器索引提供了较低的延迟，而召回率大致相同。热命名空间是定期接收查询的命名空间，因此在多租户工作线程中进行了本地缓存。冷启动查询具有较高的延迟。
据 Pinecone 称，检索增强生成 (RAG) 将大型语言模型 (LLM) 与向量数据库结合起来，通过三种不同的方式增强 LLM 的知识：RAG 可以提供最新信息，利用领域外知识，并解决幻觉问题。
在“重新构想向量数据库，实现知识丰富的 AI”一文中，Pinecone 工程副总裁 Ram Sriharsha 描述了团队为何以及如何重建 Pinecone，并讨论了向量数据库的重要作用：
LLM 很容易产生幻觉。研究人员已经证明，即使是在训练模型的数据上，RAG 也能降低产生幻觉的可能性。此外，RAG 系统可以引用信息的原始来源，允许用户验证这些来源，甚至使用另一个模型验证答案中的事实是否有支持的来源。
Ampt 的 CEO 兼创始人 Jeremy Daly 则表示：
它被吹捧为 "遏制 AI 幻觉的突破性进展"，但考虑到其他主要数据库也正在添加向量功能，分析人士表示，其接受者可能会很少。
Pinecone 并不是市场上唯一支持无服务器向量存储的参与者，其他数据库和数据平台供应商也提供了支持向量的无服务器数据库，包括 MongoDB 和 Snowflake。
尽管 Pinecone 声称，与基于 pod 的索引相比，大多数用户将感受到使用 Pinecone 无服务器会降低成本，但目前的定价并未完全针对高吞吐量应用进行了优化；存在读取被限制的可能性，并且预计将来会针对高吞吐量使用情况更新定价。
社区对这个新的选项反响热烈，开发者要求提高读取限制和将工作负载从 pod 转移到无服务器的选项。另外，Pinecone 发布了基于 Pulumi 的 Pinecone AWS 参考架构，用于部署使用 Pinecone 无服务器进行语义搜索的分布式系统。
无服务器选项的初始预览目前仅在一个 AWS 区域（us-west-2）提供，Pinecone 希望未来将支持其他地区以及 Azure 和 GCP。
Pinecone 无服务器目前处于公共预览阶段，存储每月每 GB 0.33 美元，读取每百万单位 8.25 美元，写入每百万单位 2 美元，试用该服务可获得 100 美元的使用积分。
查看英文原文：
https://www.infoq.com/news/2024/02/pinecone-serverless-database/
声明：本文为 InfoQ 翻译，未经许可禁止转载。
