es.wedoany.com Noticia: Zilliz lanzó el nuevo motor de almacenamiento Loon el 29 de junio de 2026 en Redwood City, California. Este motor impulsa Zilliz Vector Lakebase y está integrado en Milvus 3.0. Loon adopta una base nativa de lago, permitiendo que un único conjunto de datos vectoriales se utilice simultáneamente para búsqueda en tiempo real, descubrimiento a gran escala y análisis por lotes, convirtiéndose en la base de la capa de almacenamiento para la evolución de Zilliz Cloud de una base de datos vectorial a una plataforma unificada de datos de IA.
El diseño de Vector Lakebase parte de la premisa de que un único conjunto lógico de datos vectoriales debe servir a todas las cargas de trabajo de IA, incluyendo búsqueda en producción, descubrimiento y análisis por lotes, sin necesidad de replicar o mover datos entre sistemas. Su capa de almacenamiento enfrenta el desafío de que el mismo conjunto de datos debe permitir tanto búsquedas rápidas a nivel de registro para el servicio como escaneos amplios para análisis, todo basado en almacenamiento de objetos económico. El sistema también debe manejar datos en constante cambio, ya que los equipos vuelven a incrustar, etiquetar e indexar el mismo registro a medida que mejoran los modelos.
James Luan, cofundador y CTO de Zilliz, afirmó que la recuperación vectorial ya no es el único problema, y que Vector Lakebase es la respuesta a lo que sucede después del éxito de las bases de datos vectoriales. El sistema ganador hará que el servicio continuo y el descubrimiento continuo se sientan como parte de la misma máquina, lo que solo es posible cuando la capa de almacenamiento puede servir una única copia de datos para cada carga de trabajo, y Loon es esa capa de almacenamiento.
Para lograr este objetivo, Loon trata el conjunto de datos vectoriales como su forma física heterogénea real y se construye sobre tres diseños. El formato de archivo híbrido almacena cada columna en el formato más adecuado: los campos escalares y de filtro utilizan Parquet para escaneos eficientes; los vectores densos y dispersos utilizan el formato abierto Vortex, permitiendo lecturas rápidas y precisas a nivel de fila en almacenamiento de objetos; los videos, PDFs e imágenes originales permanecen en el almacenamiento de objetos, referenciados en lugar de copiados a la base de datos. La alineación de IDs de fila permite que las columnas divididas en diferentes formatos sigan funcionando como una tabla lógica, permitiendo agregar nuevos modelos de incrustación como columnas propias sin reescribir los datos almacenados. El manifiesto versionado define la versión actual del conjunto de datos, incluyendo archivos, índices, registros de eliminación y estadísticas, permitiendo que clústeres de servicio, cómputo bajo demanda y motores externos como Spark y Ray lean y actualicen el mismo conjunto de datos sin mantener copias separadas.
Estos diseños permiten que una única copia de datos en almacenamiento de objetos alimente múltiples motores simultáneamente. En pruebas internas de almacenamiento de objetos de Zilliz, en comparación con Parquet, el diseño basado en Vortex de Loon redujo la cantidad de datos extraídos por lectura de registro en aproximadamente 135 veces. Agregar un nuevo modelo de incrustación se convierte en una actualización de versión ligera, en lugar de una reescritura masiva. La arquitectura de Vector Lakebase incluye clústeres de servicio en tiempo real, cómputo elástico bajo demanda e índices de Colecciones Externas, todas las operaciones basadas en la misma base semántica, sin necesidad de tuberías repetidas o ETL. Más de 10,000 empresas y equipos nativos de IA ya han construido sobre Milvus y Zilliz Cloud, incluyendo MiniMax, OpenEvidence, Filevine, Exa y Salesforce.
Loon ya impulsa Milvus 3.0 y sirve como capa de almacenamiento de Zilliz Vector Lakebase en Zilliz Cloud, disponible en más de 30 regiones en AWS, Google Cloud y Microsoft Azure, con opciones de implementación Serverless, Dedicada y BYOC. Los equipos que distribuyen cargas de trabajo de servicio en línea, análisis fuera de línea, relleno y flujos de trabajo de lago de datos externos en múltiples sistemas pueden crear una cuenta gratuita, registrarse con un nuevo correo electrónico de trabajo para obtener $100 en crédito gratuito, o contactar al equipo de Zilliz para discutir casos de uso específicos.
Zilliz es una empresa líder en infraestructura de datos de IA, creadora de Milvus, la base de datos vectorial de código abierto más ampliamente adoptada en el mundo, con más de 44,000 estrellas en GitHub y más de 100 millones de descargas de Docker. Zilliz ayuda a empresas y startups de IA a hacer que sus datos no estructurados sean buscables, analizables y gobernables, transformando texto, imágenes, audio, video y más en activos estratégicos para la IA de producción. La tecnología de Zilliz se centra en Milvus y Zilliz Cloud, y Zilliz Cloud expande esa base en una plataforma Vector Lakebase completamente gestionada, combinando la capacidad de servicio de alto rendimiento y baja latencia de las bases de datos vectoriales con la apertura, escalabilidad y economía de los lagos de datos multimodales.
