騰訊云向量數(shù)據(jù)庫(kù)助??模型激活企業(yè)內(nèi)部數(shù)據(jù)價(jià)值主講?：騰訊云向量數(shù)據(jù)庫(kù)產(chǎn)品經(jīng)理熊鑫2.召回率提升最佳實(shí)踐3.企業(yè)應(yīng)?場(chǎng)景介紹知識(shí)停滯向量數(shù)據(jù)庫(kù)：?模型重要外部知識(shí)庫(kù)知識(shí)停滯私域數(shù)據(jù)歷史實(shí)時(shí)?結(jié)構(gòu)化數(shù)據(jù)檢索需求與?俱增據(jù)IDC預(yù)測(cè)，?2025年，全球每年產(chǎn)?的數(shù)據(jù)量將達(dá)到175ZB，這表明注重?cái)?shù)據(jù)價(jià)值的時(shí)代已經(jīng)來(lái)臨，并逐漸取代了從模擬數(shù)據(jù)向數(shù)字化轉(zhuǎn)變的時(shí)期；且其中超過(guò)80%的數(shù)據(jù)為?結(jié)構(gòu)化數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)：20%?結(jié)構(gòu)化數(shù)據(jù)：80%權(quán)威機(jī)構(gòu)Gartner預(yù)測(cè)，在2026年將出現(xiàn)?規(guī)模向量數(shù)據(jù)增長(zhǎng)什么是向量數(shù)據(jù)庫(kù)向量數(shù)據(jù)庫(kù)是?種專(zhuān)門(mén)進(jìn)??本、圖?、?視頻等?結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)和檢索的數(shù)據(jù)庫(kù)系統(tǒng)，其核?是將?結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換成向量的形式存儲(chǔ)在數(shù)據(jù)庫(kù)中，并通過(guò)相似性檢索的?式快速查找和?標(biāo)數(shù)據(jù)最相近的結(jié)果0.28370.51820.19280.12930.28370.51820.19280.12930.28370.51820.19280.1293OOO向量數(shù)據(jù)庫(kù)是AGI時(shí)代的「數(shù)據(jù)樞紐」通過(guò)將企業(yè)內(nèi)部的結(jié)構(gòu)化和?結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)為向量并存儲(chǔ)于向量數(shù)據(jù)庫(kù)中，即可構(gòu)建企業(yè)內(nèi)部的數(shù)據(jù)樞紐，相較于之前的單?的檢索邏輯，借助向量的相似性檢索，可做到對(duì)企業(yè)搜索、智能推薦等應(yīng)?系統(tǒng)進(jìn)?全?升級(jí)，并結(jié)合?模型LLM的能?，實(shí)現(xiàn)效率、?戶(hù)體驗(yàn)等??質(zhì)的飛躍架構(gòu)數(shù)據(jù)應(yīng)?數(shù)據(jù)企業(yè)數(shù)據(jù)向量數(shù)據(jù)庫(kù)DeepSeekAIAI數(shù)據(jù)打標(biāo)02召回率提升最佳實(shí)踐多類(lèi)型的索引?持，滿(mǎn)?不同場(chǎng)景下的需求數(shù)據(jù)規(guī)模Search召回率成本(100%Mem)20%性能(PerNode)DiskFLAT成本下降90%企業(yè)提升檢索效果的主流?案：HybridSearch向量檢索(稠密向量)全?檢索(稀疏向量)企業(yè)提升檢索效果的主流?案：HybridSearch稀疏向量檢索（關(guān)鍵字）?倒排索引性能提升、內(nèi)存壓縮03企業(yè)應(yīng)?場(chǎng)景介紹源?集團(tuán)多年沉淀，開(kāi)放明星產(chǎn)品能?OLAMA向量引擎日檢索量（億次/天）支持“關(guān)鍵字+向量”2019年2023年8月2023年11月2024年3月外部落地案例：基于RAG的智能客服系統(tǒng)業(yè)務(wù)場(chǎng)景企業(yè)知識(shí)導(dǎo)入知識(shí)條目向量數(shù)據(jù)向量寫(xiě)入文檔拆分向量數(shù)據(jù)庫(kù)VectorDB知識(shí)條目向量數(shù)據(jù)向量寫(xiě)入文檔拆分向量數(shù)據(jù)庫(kù)VectorDB④向量搜索③問(wèn)題向量化④向量搜索③問(wèn)題向量化①輸入問(wèn)題客戶(hù)問(wèn)題xxx大模型智能平臺(tái)上下文對(duì)話(huà)供數(shù)據(jù)切分和Embedding服務(wù)，降低算法①輸入問(wèn)題客戶(hù)問(wèn)題xxx大模型智能平臺(tái)上下文對(duì)話(huà)⑥輸出答案②提煉問(wèn)題⑤相關(guān)知識(shí)+問(wèn)題⑥輸出答案②提煉問(wèn)題⑤相關(guān)知識(shí)+問(wèn)題生成答案意圖識(shí)別知識(shí)檢索生成答案外部落地案例：拍照搜題業(yè)務(wù)業(yè)務(wù)場(chǎng)景業(yè)務(wù)痛點(diǎn)客戶(hù)收益換外部落地案例：內(nèi)容推薦業(yè)務(wù)場(chǎng)景根據(jù)用戶(hù)畫(huà)像及內(nèi)容的向量，