MongoDB继续将AI开发作为优先事项。

四个月前，MongoDB推出 Model Context Protocol 服务器和AI驱动的服务，以帮助客户实现数据基础设施现代化。而近日，该供应商又发布了五个Voyage AI嵌入和重新排序模型，帮助用户构建数据层，以为代理和其他AI工具提供信息。

Voyage AI是MongoDB的嵌入和重新排序模型套件，这是MongoDB于2025年2月收购的一家AI初创公司。MongoDB中最新Voyage模型现已全面推出，旨在提高矢量搜索的准确性，同时通过消除在系统之间移动数据的需要，简化构建分析和AI应用程序所需的基础设施。

此外，MongoDB还为MongoDB Compass和Atlas Data Explorer提供AI驱动的助理，并在MongoDB Vector Search中添加了一项功能，在数据被摄取、更新或查询时，该功能可自动生成矢量嵌入。

McKnight咨询公司总裁William McKnight表示，总体而言，这些新功能很重要，因为当与运营数据和矢量搜索集成时，这些模型会形成统一数据智能层，用于分析和AI。

他说：“这些新功能的重要性还在于，这可帮助解决AI举措最大的失败点，即止步于有前景的演示，而无法成为实际运营业务的系统。”

McKnight继续说，此外，这些新功能有可能加强MongoDB的竞争地位，其竞争对手包括Amazon DynamoDB、Apache Cassandra、Couchbase、Snowflake和Redis等。

他称：“其基于云的服务MongoDB Atlas仍在获得动力，而这些新功能可能会加强其竞争地位，特别是在处理大规模数据和提供更精简的体验方面。他们应该加快将MongoDB用于AI驱动的应用程序。”

MongoDB总部位于纽约市，这是一家NoSQL数据库供应商，他们提供平台，旨在处理日益增长的企业数据和AI工作负载。此外，与很多数据管理供应商一样，MongoDB现在还提供功能，以使客户能够构建和管理AI应用程序。

建模以获得成功

在过去几年，尽管很多企业投资于AI开发，以及数据管理和AI供应商试图在其平台创造环境以帮助企业更容易构建AI工具，大多数AI举措仍然止步于试点阶段。

分散的系统和杂乱无章的数据空间使相关数据难以被发现，这是很多企业在尝试开发代理和其他应用程序时面临的问题之一。

Databricks最近推出了Instructed Retriever，这是检索增强生成管道的替代方案，它通过额外的规范增强了用户查询，以更好地使用户能够发现相关信息。

MongoDB同样试图改善数据检索。然而，该供应商不是开发一种新的数据检索方法，而是努力改进对数据进行分类的模型，使其可被发现。MongoDB高级副总裁兼核心产品主管Ben Cefalo表示，此举是基于客户的建议。

他在1月12日的虚拟新闻发布会上说：“在过去的几个月里，我们花时间与无数客户交谈，以了解随着AI从原型转移到生产阶段，在哪里出现问题。这些对话从AI模型开始。…随着AI从演示到生产级应用程序，我们一次又一次地看到相同的模式——检索很分散，准确性受到影响。”

Voyage 4系列模型表明，MongoDB正试图改进检索以促进更成功的AI开发。Cefalo继续说，与此同时，原生集成Voyage模型旨在提供统一的数据平台，该平台可以实现AI开发，而不会强迫客户将管道拼凑起来。

他指出：“在AI世界中，数据库是不够的。”

在2022年11月OpenAI推出ChatGPT引发人们对生成式AI（GenAI）的兴趣后，矢量搜索和存储迅速成为AI管道的重要元素。

矢量嵌入是数据的数值表示（包括文本和图像等非结构化数据），使其易于发现。此外，由于数字表示象征着数据的基本特征，向量嵌入使相似性搜索能够提高搜索响应的相关性。

嵌入模型自动分配矢量嵌入。重新排序模型，同时，细化和重新排序搜索结果等项目列表，以使AI输出更加相关。

MongoDB的新Voyage 4模型都包括嵌入和检索功能，旨在提高AI管道的检索准确性，但有细微差别。通用的voyage-4模型平衡了检索精度、成本和延迟；voyage-4-large模型提供最高的检索精度；voyage-4-lite针对成本和延迟进行优化；voyage-4-nano专为本地开发和测试而设计。

此外，MongoDB还推出voyage-multimodal-3.5，除voyage-multimodal-3支持的文本和图像外，用户还可以将矢量嵌入分配给视频。

Omdia（隶属于Informa TechTarget）的分析师Stephen Catanzano表示，这些模型旨在提高检索准确性，这对MongoDB用户来说很重要。

他称：“Voyage 4系列嵌入模型的推出使用户能够实现最先进的检索精度，同时优化成本和延迟。这些模型还引入视频处理，这扩大了开发人员可以构建的应用程序的范围，而不需要进行广泛的架构更改。”

McKnight同样指出，除与操作数据和矢量搜索一起形成数据智能层外，Voyage 4模型也很有价值，因为它提高检索精度，除文本和图像之外，还处理视频内容。此外，他说，它们是重要的补充，因为用户无需重写代码即可切换模型。

附加功能

除新的Voyage模型外，新的MongoDB功能包括以下内容：

• 在MongoDB Vector Search中自动生成矢量嵌入，消除对单独嵌入管道的需求；MongoDB Community 版的公开预览中有类似的功能。
• MongoDB Compass和Atlas Data Explorer中的AI助手，使用户能够使用自然语言与他们的系统进行交互。
• Lexical Prefilters for Vector Search,，为构建语义搜索接口的开发人员提供高级过滤功能。
• Atlas Data Explorer的新统一Web界面，使用户能够在所有MongoDB Atlas集群的AI协助下开发复杂的查询。
• AI技能认证，帮助数据和AI团队扩展其数据策略，并加快开发周期。

据McKnight称，除Voyage AI模型外，MongoDB的重要新功能还包括自动生成的矢量嵌入和AI驱动的助理。

他指出：“这些功能可帮助降低运营开销，使团队能够以更简单的架构从原型过渡到关键任务生产。”

Catanzano同样将自动生成的矢量嵌入和智能助手称为最重要的新功能。

他说：“前者消除对外部嵌入管道的需求，简化架构，而后者提供量身定制的应用程序内AI指导，避免开发人员进行复杂数据操作。”

Catanzano也认为新功能“非常重要”，因为它们解决了与AI部署相关的关键挑战。此外，他指出，从竞争的角度来看，这也让MongoDB脱颖而出，通过将操作数据和检索统一到单个系统中。

Catanzano指出：“与竞争对手提供的碎片化解决方案相比，MongoDB正在降低延迟和复杂性。我们看到企业越来越多地使用具有全面AI功能的数据平台。MongoDB提供很多功能以及完整的生态系统。”

下一步

McKnight表示，虽然新功能可帮助解决企业在尝试构建AI工具时遇到的困难，但MongoDB应该做更多工作来提高其竞争地位。

他说：”MongoDB必须改善大规模JSON插入操作—目前比统一平台慢，并提高JSON查询性能-落后于现代统一引擎。”

McKnight继续说，此外，MongoDB明智的做法是提高与第三方平台的兼容性，以使客户更容易配置自定义数据和AI堆栈，为将MongoDB与其他系统集成的用户提供更多指导，并添加与开发人员平台的集成。

他认为：“这些改进将直接解决MongoDB在极端规模场景中的缺点，同时保持其核心优势，即作为灵活、开发人员友好的文档数据库，用于通用工作负载。”

Catanzano同样建议MongoDB添加与第三方AI框架和流行开发人员平台的集成。

他说：“此外，专注于实时分析和预测建模能力可以吸引新用户，并巩固其作为AI驱动数据平台领导者的地位。”