BLOGAnnounced at MongoDB.local NYC 2024: A recap of all announcements and updates — Learn more >

MongoDB 助力人工智能

MongoDB Atlas 统一了操作、分析和生成式 AI 数据服务,让 AI 密集型应用程序的构建更加简单易行。
开始使用
将 AI 从构思快速转向规模化
生成式 AI 和高级搜索
了解开发者如何使用一个统一了操作和 AI 数据服务的平台加速实现生产规模及交付安全且 AI 密集型应用程序。查看白皮书

AI 工作负载的前景

生成式 AI 密集型应用程序

生成式 AI 密集型应用程序

当今的智能应用已超越了预测分析,创造了全新的体验 — 从提供个性化支持的聊天机器人到利用 AI 生成的图片、代码、音频和视频 — 所有这些都来自自然语言输入,并且可实时完成。
传统的 AI 密集型应用程序

传统的 AI 密集型应用程序

大多数现代应用程序都利用分析来创建更有意义和反应更快的客户体验。通过使用机器学习模型,AI 可以在个性化、欺诈预防、预测性维护等方面自动完成复杂的决策。
特征存储和推理存储

特征存储和推理存储

特征存储是用于存储和提供机器学习模型中所使用属性的系统。离线特征存储优先考虑高吞吐量,并用于模型训练。推理存储或在线特征存储优先考虑用于实时推理和服务实时应用程序的低延迟。
利用 MongoDB Atlas 在应用中嵌入生成式人工智能和高级搜索

用于构建 AI 驱动型应用程序的资源

了解如何利用 MongoDB 简化下一代 AI 驱动型应用程序的开发。

查看资源

核心平台功能

mdb_union_concept

统一多样化的数据服务

通过操作、分析和 AI 数据服务,在高度可扩展且安全的多云平台上,利用单一数据模型和单一查询 API 来简化 AI 生命周期。

mdb_document_model

灵活的文档模型

通过数据导入、存储和索引编制,无需冗长的架构设计或持续修改,即可针对任何类型的新参数和数据开展创新和实验。

mdb_buckets

优化存储和分层

通过将数据分层和联邦与行列索引整合到水平可扩展的可操作性数据库中,实现推理存储的高吞吐量和低延迟。

atlas_query_api

熟悉、易于表达的 API

使用单一的表达式查询 API 来简化数据准备、模型训练、推理和知识检索,从而提高开发者和 ML/AI 团队的工作效率。

mdb_vector_search

原生矢量功能

通过原生集成的矢量和文档数据存储,利用生成式人工智能增强应用程序,无需配置、保护或管理额外的基础架构。

atlas_integration

广泛的集成

利用领先的多云开发者数据平台和强大的 AI 合作伙伴生态系统(包括 MLOps 平台和开源大型语言模型)构建 AI 赋能的应用程序。

软件中的 AI API
“我们平台的所有业务逻辑都需要非常快速地做出决策。一切都在 Atlas 上运行,这让我们能够加快行动速度,因为完全不必担心部署或扩展工作。每当我们需要在业务逻辑中添加更多字段、更多查询、更多步骤时,Atlas 都能发挥作用。我们可以安枕无忧。”
Amit Ben
OneAI 创始人/首席执行官
阅读全文
AI 密集型应用程序
"借助 MongoDB 开发者数据平台,我们可以毫不费力地管理不断扩大的用户交互,涵盖文本等各种数据类型,同时保持最高性能水平"。
Benjamin Mayr
Cognigy 联合创始人兼工程副总裁
重塑网络风险情报
“借助 Atlas Vector Search,我们如今拥有了一个全面的矢量/元数据数据库,它经过了十多年的实战检验,可以解决我们密集的检索需求,[执行检索增强生成]。我们不需要部署新的数据库,因而无需为此管理和学习。”
Pierce Lamb
VISO TRUST 高级软件工程师
物联网中的智能互联设备
“借助 MongoDB Atlas,我们可以随时添加传感器和字段,动态读取相关数据,而无需对整个架构重新设计。”
Dirk Slama
博世联合创新与 IT/IoT 联盟副总裁
零售业的自动化库存管理
“我们可以迅速采取行动,并根据需要做出调整。我们还能顺畅地提取数据供数据科学家分析,从而对流程进行微调。”
Larry Steinberg
Rent the Runway 首席技术官

利用集成式数据服务套件来构建 ML/AI 应用程序

atlas_database

数据库

为满足弹性、可扩展性、数据隐私和安全性要求而构建的多云数据库服务。

mdb_vector_search

Vector Search

Atlas Vector Search 与 Atlas 数据库实现了统一,可支持集成到大型语言模型中,是构建语义搜索和 AI 驱动式应用程序的一种快捷方法。

atlas_search

全文搜索

Atlas Search 的关键字搜索与基于 Atlas Vector Search 的语义搜索相结合,可提高大型语言模型提示的相关性和准确性。

atlas_triggers

触发器和函数

自动运行代码以响应数据库变更、用户事件或预设时间间隔。轻松与部署为 REST 端点的机器学习模型进行交互。

mdb_time_series

时间序列集合

将文档模型的灵活性与时间序列集合相结合,以构建和运行数据密集型分析应用程序。

atlas_data_federation

数据同盟

在 Atlas 数据库和云对象存储中无缝查询、转换和聚合数据。

atlas_stream_processing

Atlas Stream Processing(预览版)

以变革方式构建需要偏差检测、特征存储和增强管道的 ML/AI 应用程序。统一处理动态和静态数据。

connectors

Spark Connector

将 MongoDB 数据与 Apache Spark 和 Databricks 中的大容量、高速数据相结合,构建新型复杂 AI 应用程序。

atlas_drivers

PyMongoArrow

在 MongoDB 和领先的机器学习库(包括 Pandas 和 Scikit-learn)之间高效移动数据。

应用程序驱动型智能:技术领导者指南

要在数字经济中保持竞争力并取得成功,打造更加智能的应用程序势在必行。更智能的应用程序使用数据、AI 和分析,通过自然语言来吸引用户、生成见解并自主采取行动。

要构建这种新一代应用程序,我们就需要采取不同的实践方法。我们不能再仅依赖于将数据从操作系统复制到集中式分析系统,而是必须直接将新型 AI 和分析处理引入到数据所在的应用程序。我们将这种方式称为应用程序驱动型智能

应用驱动型智能的设计模式。
定义下一代现代应用程序

MongoDB Atlas 采用适合开发者工作流、框架和语言的方式,将强大的 AI 和分析功能直接交付给开发者。

详细了解成功实现应用程序驱动型智能的具体要求及其快速入门指南。

阅读白皮书

MongoDB AI 创新者计划

从原型到生产,确保您的 AI 赋能的应用程序基于最新的操作数据,同时可满足用户的可扩展性、安全性和性能期望。与 MongoDB 专家合作,开展合作伙伴协作、优化和联合销售行动。
了解详情
合作伙伴
Amazon Web Services
Azure
Google
Databricks
MindsDB

资源

查看更多资源
利用 MongoDB Atlas 和大型语言模型实现从 0 到 1 的企业级支持
利用 MongoDB Atlas 和大型语言模型实现从 0 到 1 的企业级支持
开始利用 MongoDB Atlas、广受欢迎的生成式人工智能框架和大型语言模型,构建可大规模执行的下一代应用程序
了解详情
general_content_blog

将 MongoDB 转变为预测性数据库

利用 MongoDB 和 MindsDB 增强数据科学和数据工程团队的预测能力。

general_content_blog

Atlas Vector Search 和 OpenAI 语义搜索教程

了解如何调用 OpenAI API 并在 MongoDB Atlas 中执行矢量搜索查询。

general_content_blog

结合使用 MongoDB Atlas 与 Databricks

详细了解如何集成 MongoDB Atlas 和 Databricks。

general_content_blog

构建机器学习驱动的承保引擎

使用 MongoDB 和 Databricks 创建基于用量的保险模型。

立即开始使用 Atlas 进行构建

立即开始使用 Atlas 进行构建

MongoDB Atlas 统一了操作、分析和 AI 数据服务,让 AI 密集型应用程序的构建更加简单易行。免费试用