Oracle AI Vector Search
轻松将 AI 驱动的相似性搜索引入业务数据，无需管理和集成多个数据库，也无需牺牲功能、安全性和一致性。AI Vector Search 支持按语义或含义以及按值搜索结构化和非结构化数据，有助于实现超复杂的 AI 搜索应用。原生 AI Vector Search 功能还可以将检索增强生成 (RAG) 用于业务数据，帮助大语言模型 (LLM) 为企业用例提供更准确、与具体情境更相关的结果。
-
Sphere Holdings：利用 Oracle AI Database 26ai 实现从初创企业到企业 AI 领导者者转型
观看视频，了解这家 AI 初创公司如何利用 Oracle Autonomous AI Database 26ai 以创纪录的速度将概念转化为强大的 AI 产品。
-
Outline Global 利用 Oracle AI Database 26ai 开发 AI 驱动的地理空间映射平台
Oracle AI Database 26ai 及其 AI Vector Search 特性助力这家总部位于澳大利亚的公司提供速度更快、更可靠的数据和分析服务，将收入提高了 30%。
为什么要选择 Oracle AI Vector Search？
-
单一融合数据库的简单性
轻松将相似性搜索与关系、文本、JSON、空间和图形数据类型相结合，从而增强应用 — 所有这些都在一个数据库中完成。将 AI 引入数据，而不是为了 AI 而移动数据。
-
用自然语言与业务数据“对话”
使用 RAG 对您的私有业务数据进行自然语言搜索，更好地为您所选的 LLM 提供指导并减少幻觉。
-
以您的方式开发 AI 应用
使用您喜爱的开发工具、AI 框架、AI 模型和编程语言，根据您想要的方式构建 AI 应用。
-
专为企业打造的 AI
轻松构建关键任务 AI 应用。利用工业级功能，实现可扩展性、性能、高可用性和安全性。
-
触手可及的完整生成式 AI 管道功能
Oracle AI Vector Search 功能包括文档加载、转换、分块、嵌入、相似性搜索以及具有 LLM 的 RAG 支持在本地或通过数据库内的 API 使用。
将 AI 引入业务数据：相似性搜索简单易行
-
了解 Oracle AI Database 26ai 中的向量搜索功能
了解 AI 生成的向量嵌入如何利用美国国家公园管理局的数据以闪电般的速度完成相似性搜索。
-
“AI for Data”革命
Oracle AI Database 将 AI 架构于整个数据和开发堆栈中，帮助企业为所有位置的数据提供可信赖的 AI 驱动的洞察、创新和生产力。
-
演示：使用 AI Vector Search 加速语义搜索
了解 Oracle AI Database 26ai 中的 AI Vector Search 如何将对非结构化数据的语义搜索与对传统业务数据的关系搜索相结合，以获得更快、更相关和更安全的结果。
“Oracle's technology has been instrumental in revolutionizing our disease identification process. Oracle AI Vector Search and Autonomous Database have enabled us to significantly reduce diagnosis time, improve accuracy, and provide better patient care.”
Oracle AI Vector Search 的关键特性
统一的混合向量搜索
将 AI Vector Search 与关系型、文本、JSON、知识图谱和空间搜索结合，在检索匹配的文档、图像、视频、音频和结构化数据时重点关注用户查询的全部含义，从而改善结果。
向量数据类型和灵活的向量生成
使用原生 VECTOR 数据类型，在 Oracle AI Database 26ai 表中存储向量。使用 ONNX 框架，使用您选择的开源嵌入模型生成向量，或者，使用数据库 API 从您选择的嵌入模型提供程序生成向量，或直接将向量导入到数据库中。
混合向量索引
使用高度准确的近似搜索索引（向量索引）加速相似性搜索，例如内存中相邻的图形索引，以获得高性能和相邻分区索引，从而加快大规模数据集的相似性检索。使用混合向量索引快速搜索向量与非向量数据组合。
面向查询向量的简单标准 SQL
使用简单直观的 SQL 对向量执行相似性搜索，并在同一查询中自由地将向量与关系型、文本型、JSON 及其他数据类型组合在一起。
简单搜索准确度规范
通过将目标准确度指定为简单的百分比，可以完全控制应用所需的搜索准确度。在创建索引期间，定义默认精确度，并根据需要改写搜索查询。
Exadata 优化
通过 Exadata System Software 25ai 优化，加快向量索引创建和搜索速度。Exadata 为企业数据库提供高性能、可扩展性和高可用性。
相似性搜索专注于基于语义来查找相关数据。非结构化数据很难直接搜索，因此相似性搜索超出了简单地搜索关键词的范畴，还会搜索底层文本、图像、音频或视频数据，而不仅仅是手动搜索数据的标签。
对于许多行业而言，企业需要为大型数据集中的相似数据确定匹配项。相似性搜索的示例包括：
- 文档的语义搜索
- 图像的语义搜索
- 推荐系统
- 模式识别
- 异常和欺诈检测
- 非结构化数据，如文件、文档、BLOBS 或 CLOBS。
- 使用商业或开源嵌入模型，在 Oracle Database 内部或外部创建向量。
- 向量可以存储在业务数据的隔壁。这样一来，当数据发生变化时，向量也会随之改变。
- 您可以搜索存储的向量，以查找相似度更高的向量。
- 搜索结果将为您返回相关度更高的数据。
RAG 使用相似性搜索的结果来提高大型语言模型对业务数据问题的回答的精确度和情境相关性。RAG 有助于识别尚未用于训练 LLM 且与情境相关的私有数据，然后使用该数据来增强用户提示，让 LLM 能够更准确地做出响应。
各行各业的企业都希望从 LLM 获得更高质量的答案。使用 RAG 提高准确性的一些示例包括：
- 面向内部和外部用户的聊天机器人
- 文档搜索和摘要
- 语言到代码的合成
- 回答涉及特定领域的专业性知识的问题
RAG 让企业无需对 LLM 进行成本高昂的再训练或微调，即可为业务问题提供定制化答案。
- 通过聊天机器人，与 LLM 进行对话。
- 针对您的私有业务数据进行相似性搜索，并将这些事实传递给 LLM。
- 相关结果将会进行格式化，成为 LLM 的提示和情境。
- LMM 接收新的业务数据输入，从而减少幻觉。
- 高质量的响应将返回给聊天机器人。
“We are happy to see AI Vector Search added to Oracle Database. We appreciate that we can run AI Vector Search in the same Oracle Database as our other workloads, which allows us to provide a reliable and secure solution.”
开始使用 Oracle AI Database AI Vector Search
甲骨文公司产品经理 Andy RivenesOracle 于 2024 年 5 月宣布推出 Oracle Database 23ai。Oracle AI Database 在 Oracle Database 23ai 的 300 多个新特性之外又新增了许多特性，值得我们花时间了解。Dominic Giles 在他的博客文章中重点介绍了几个关键特性，其中备受瞩目的新特性之一便是 Oracle AI Vector Search。
阅读全文AI Vector Search 精选博客
- 2025 年 6 月 24 日 使用 AI Vector Search 编制索引准则
- 2025 年 5 月 28 日 在 AI Vector Search 中使用混合向量索引
- 2025 年 5 月 13 日 新增 AI Vector Search LiveLabs 研讨会
- 2025 年 4 月 2 日 在 AI Vector Search 中使用 IVF 向量索引
- 2025 年 3 月 18 日 NVIDIA GPU 加速 Oracle Database 23ai 的 AI Vector Search