在5月2日,MongoDB推出一系列新功能,旨在使客户能够开发生成式AI模型和应用程序,新功能包括全面推出Atlas Stream Processing以及与Amazon Bedrock的集成。
此外,该供应商推出MongoDB AI Applications Program(MAAP),为用户提供战略咨询服务和集成技术,用于构建和部署生成AI模型和应用程序。
在纽约市举行的用户活动MongoDB.local NYC上,MongoDB公司推出了新功能。
BARC U.S.分析师Kevin Petrie表示,总体来看,这些新功能有助于MongoDB与科技巨头谷歌和甲骨文等同行以及MariaDB和Couchbase等专家保持竞争力。
所有供应商都在竞相为客户提供最新的工具来开发生成AI资产。
Petrie称:“这是非常全面的产品发布公告。MongoDB正在帮助公司构建GenAI应用程序,为他们提供实时数据,并优化检索增强生成等流程,以使GenAI语言模型更加准确。”
MongoDB总部位于纽约市,是一家数据库供应商,其NoSQL平台为用户提供传统关系数据库的替代方案,传统关系数据库有时难以处理现代企业数据工作负载的规模。
Atlas是MongoDB面向开发人员的套件,在过去的一年里,随着对开发AI模型和应用程序的兴趣激增,该供应商将其主要精力专注在Atlas。
最近的更新包括2023年12月推出Atlas Vector Search和Atlas Search Nodes,以及2023年11月推出的MongoDB Partner Ecosystem Catalog,用户现在可以访问该供应商众多合作伙伴共享的数据和AI产品。
MAAP助力AI成功
OpenAI推出ChatGPT标志着大型语言模型(LLM)能力的显著提升,自ChatGPT推出的18个月里,生成式AI一直是数据管理和分析领域的主要趋势。
当应用于数据管理和分析时,生成式AI有可能让更多用户使用数据来为决策提供信息,并让员工更有效率地使用数据。
LLM拥有丰富的词汇量。此外,它们能够理解意图。
因此,当与数据管理和分析平台集成时,LLM允许用户使用真正的自然语言处理,而不是代码与工具进行交互,以前需要用代码来管理、查询和分析数据。
这允许没有技术专业知识的用户使用分析工具来处理数据。此外,它通过减少耗时的任务,帮助数据专家提高效率。
考虑到生成式AI与数据管理和分析相结合的潜力,很多供应商将生成式AI作为产品开发的主要重点,为客户提供助理等工具,并创建环境让客户可以开发AI应用程序。
例如,MicroStrategy和微软增加了AI助手,而Databricks和Domo则为用户提供AI开发环境。
MAAP是MongoDB开发AI模型和应用程序的环境。
该套件包括与LLM(来自Anthropic和Cohere等生成式AI提供商)的集成,关键功能包括矢量搜索和检索增强生成(RAG)、安全的开发环境,以及在企业开始使用生成式AI时提供专家帮助。
Petrie指出,生成式AI模型正在成为企业的必备品。但为了取得成功,语言模型需要与企业特有的分析和操作功能相结合,并帮助该企业获得商业价值。
MAAP旨在使MongoDB客户能够获得业务价值,因此这是该供应商套件的重要补充。
Petrie说:“MongoDB的MAAP程序可帮助开发人员优化将语言模型集成到企业工作流程中的方式。MongoDB帮助很多创新公司以云原生、数据驱动的软件区分自己,这个新程序帮助他们的客户利用GenAI应用程序开发浪潮。”
然而,SanjMo的创始人兼负责人Sanjeev Mohan表示,该程序有局限性。
虽然MAAP包括对某些AI供应商的LLM的访问,但它不包括对所有LLM的访问。这限制模型选择。
Mohan指出:“MongoDB正在为客户提供精心设计的环境,但代价是不允许人们使用任何模型或任何他们选择的集成产品。这里需要权衡。对于希望开发人员进行实验的大型企业来说,MAAP是件好事。但如果你想要自由,MAAP将你限制在它的生态系统上。”
加入MAAP提供咨询服务的MongoDB合作伙伴包括Anthropic、AWS、Google Cloud和Microsoft。
更多新功能
除创建环境用于开发AI外,MongoDB还为Atlas增加了新功能。
Atlas Stream Processing于2023年6月提供预览版,现已普遍可用,旨在帮助用户构建将静止数据与动态数据相结合的应用程序,以便他们能够应对不断变化的环境,并实现实时决策。
流媒体数据包括来自物联网设备、浏览客户行为和库存提要等来源的信息。这是帮助企业灵活行动和做出反应的重要手段。
除了Atlas Stream Processing之外,MongoDB还让Atlas Search Nodes 在AWS和Google Cloud上全面可用。但它仍然在Microsoft Azure上提供预览版。
Atlas Search Nodes与Atlas Vector Search和Atlas Search协同工作,为生成式AI工作负载提供基础设施。 Search Nodes独立于MongoDB的核心操作数据库节点工作,因此客户可以隔离他们的AI工作负载,从而优化性能,从而节省成本。
最后,MongoDB推出公开预览版Atlas Edge Server。该工具允许用户在边缘而不是数据库环境中部署和操作应用程序,以便业务用户可以在工作流程中利用AI的见解。
每个新的Atlas功能本身都是有用的补充。然而,根据Mohan的说法,结合利用这些功能可带来真正优势。
他说:“我真的很喜欢Atlas Stream Processing、Search Nodes和GenAI,这个组合超级强大。”
他继续说, Stream Processing和Search Nodes对AI应用程序尤为重要。
如果流媒体数据可以近乎实时地被获取、矢量化并输入到模型中,它可用于在与客户对话时通知某人。同时,如果生成式AI工作负载与其他数据库工作负载在同一节点上运行,整个系统可能会受到影响。
Mohan称:“我真的很喜欢那个实时流媒体部分,我也非常喜欢Search Nodes的整个想法。我不希望GenAI突然减缓我繁重的运营工作量。”
Petrie同样强调了Search Nodes的重要性,它使实时决策所需的低延迟处理成为可能。他指出,新的Atlas功能共同为成功运行生成AI应用程序奠定基础。
Petrie表示:“大多数数据需求的应用程序(尤其是GenAI应用程序)都有低延迟要求。对于MongoDB客户来说,这些Atlas增强功能是必须的,以使其GenAI应用程序取得成功。”
除了新的Atlas功能外,MongoDB还推出了Atlas Vector Search和Amazon Bedrock之间的集成。
Bedrock是AWS的一项托管服务,允许客户通过API访问多个AI供应商的基础和LLM。据Mohan称,也许这个集成的主要意义在于,它为AWS和MongoDB联合客户提供了比MAAP提供的更多的模型选择。
展望未来
Petrie表示,MongoDB的这些新功能总体来看很重要。
它们可帮助客户开发AI应用程序,为用户提供实时数据,并包括RAG等关键功能,使AI模型更加准确。此外,合作伙伴关系是为客户提供AI开发生态系统的关键。
Petrie称:“GenAI正在重塑云原生软件创新。这些产品公告表明,MongoDB了解这一行业转变的严重性,并打算利用这一转变的优势。”
然而,Mohan表示,MongoDB仍然可以做更多工作来为客户提供开发、部署和管理AI模型和应用程序的所有功能。
他指出,特别是,AI治理是该供应商增加新功能的机会。一种方式可能是开发人员工具包。另一个可能是AI代理框架,确保开发与企业目标保持一致。
Mohan说:“我希望看到MongoDB拥抱AI治理。MongoDB在矢量搜索和RAG方面做得非常好。现在的问题是如何实现上下文学习和微调模型。我希望看到他们推出开发人员工具包或AI代理框架,以进行更多的端到端管理。”
我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。
我原创,你原创,我们的内容世界才会更加精彩!
【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号

TechTarget
官方微博

TechTarget中国
作者
翻译
相关推荐
-
Snowflake拥抱开源 全力支持Iceberg
在4月8号,Snowflake宣布全面支持Apache Iceberg表,现在他们支持外部存储的Iceberg […]
-
Informatica为GenAI Claire系列增加新工具
在4月2日,Informatica公司发布新工具,这些工具现在是该供应商生成式AI功能Claire系列的一部分 […]
-
Confluent推出Tableflow以简化流数据
Confluent周三推出Tableflow,这是Confluent Cloud中的一项功能,使用户可轻松地将 […]
-
Teradata推出矢量存储以推动AI开发
在3月3日,Teradata推出Enterprise Vector Store,该功能将使客户能够几乎即时处理 […]