fr.wedoany.com Rapport : Le 29 juin 2026, Zilliz a dévoilé à Redwood City, en Californie, le nouveau moteur de stockage Loon, qui alimente Zilliz Vector Lakebase et est intégré à Milvus 3.0. Loon repose sur une base native du lac de données, permettant à un même ensemble de données vectorielles d'être utilisé simultanément pour la recherche en temps réel, la découverte à grande échelle et l'analyse par lots. Il constitue la couche de stockage fondamentale de l'évolution de Zilliz Cloud, passant d'une base de données vectorielles à une plateforme unifiée de données d'IA.
Le principe de conception de Vector Lakebase est qu'un ensemble logique de données vectorielles doit servir toutes les charges de travail d'IA, y compris la recherche en production, la découverte et l'analyse par lots, sans qu'il soit nécessaire de copier ou de déplacer les données entre les systèmes. Sa couche de stockage est confrontée à un défi : le même ensemble de données doit permettre à la fois une recherche rapide au niveau des enregistrements pour le service et une analyse à large balayage, le tout reposant sur un stockage objet économique. Le système doit également gérer des données en constante évolution, car les équipes ré-encodent, ré-étiquettent et ré-indexent les mêmes enregistrements à mesure que les modèles s'améliorent.
James Luan, cofondateur et directeur technique de Zilliz, a déclaré que la recherche vectorielle n'est plus le seul problème à résoudre, et que Vector Lakebase est la réponse à ce qui se passe après le succès des bases de données vectorielles. Le système gagnant fera en sorte que le service continu et la découverte continue ressemblent à une seule et même machine, ce qui n'est possible que si la couche de stockage peut servir une seule copie des données pour chaque charge de travail. Loon est cette couche de stockage.
Pour atteindre cet objectif, Loon considère les ensembles de données vectorielles comme leur forme physique hétérogène réelle et s'appuie sur trois conceptions. Le format de fichier hybride permet à chaque type de colonne d'être stocké dans le format le plus adapté : les champs scalaires et de filtrage utilisent Parquet pour un balayage efficace ; les vecteurs denses et creux utilisent le format ouvert Vortex pour une lecture rapide et précise au niveau des lignes sur le stockage objet ; les vidéos, PDF et images brutes restent dans le stockage objet, référencés plutôt que copiés dans la base de données. L'alignement des identifiants de lignes permet aux colonnes réparties entre différents formats de fonctionner comme une table logique unique, permettant d'ajouter de nouveaux modèles d'encodage en tant que colonnes distinctes sans réécrire les données déjà stockées. Les manifestes versionnés définissent la version actuelle de l'ensemble de données, incluant les fichiers, les index, les journaux de suppression et les statistiques, permettant aux clusters de service, au calcul à la demande et aux moteurs externes comme Spark et Ray de lire et de mettre à jour le même ensemble de données sans maintenir de copies séparées.
Ces conceptions permettent à une seule copie de données sur le stockage objet d'alimenter simultanément plusieurs moteurs. Dans les tests internes de Zilliz sur le stockage objet, la disposition basée sur Vortex de Loon a réduit d'environ 135 fois la quantité de données extraites par lecture d'enregistrement par rapport à Parquet. L'ajout d'un nouveau modèle d'encodage devient une mise à jour de version légère, plutôt qu'une réécriture massive. L'architecture de Vector Lakebase comprend des clusters de service en temps réel, un calcul élastique à la demande et des index External Collections, toutes les opérations reposant sur la même base sémantique, sans pipelines redondants ni ETL. Plus de 10 000 entreprises et équipes natives de l'IA ont déjà construit sur Milvus et Zilliz Cloud, notamment MiniMax, OpenEvidence, Filevine, Exa et Salesforce.
Loon alimente désormais Milvus 3.0 et sert de couche de stockage pour Zilliz Vector Lakebase sur Zilliz Cloud, disponible dans plus de 30 régions sur AWS, Google Cloud et Microsoft Azure, avec des options de déploiement Serverless, Dedicated et BYOC. Les équipes qui dispersent leurs flux de travail de service en ligne, d'analyse hors ligne, de réapprovisionnement et de lacs de données externes dans plusieurs systèmes peuvent créer un compte gratuit, bénéficier de 100 $ de crédit gratuit en s'inscrivant avec une nouvelle adresse e-mail professionnelle, ou contacter l'équipe Zilliz pour discuter de cas d'utilisation spécifiques.
Zilliz est une entreprise leader dans le domaine des infrastructures de données d'IA, créatrice de Milvus, la base de données vectorielles open source la plus largement adoptée au monde, avec plus de 44 000 étoiles GitHub et plus de 100 millions de téléchargements Docker. Zilliz aide les entreprises et les startups d'IA à rendre leurs données non structurées consultables, analysables et gouvernables, transformant le texte, les images, l'audio, la vidéo, etc., en actifs stratégiques pour l'IA de production. La technologie de Zilliz repose sur Milvus et Zilliz Cloud, ce dernier étendant cette base en une plateforme Vector Lakebase entièrement gérée, combinant la capacité de service à haut débit et faible latence des bases de données vectorielles avec l'ouverture, l'évolutivité et l'économie des lacs de données multimodaux.
