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。”