2025-09-22 10:46:00 作者：狼叫兽 👍MongoDB助力数百万开发者在各类基础设施 (从本地设备到🤗内部数据中心) 上安全构建AI应用程序 北京——【20😎25年9月22日】——日前，MongoDB 在MongoDB❤️.local NYC开发者大会上宣布将把搜索和向量搜索功能集🎉成到MongoDB社区版 (Community Editio🎉n) 和企业版 (Enterprise Server) 中。😴此前，这些功能仅为全托管型MongoDB Atlas云平台所😅独有；现在，各类规模的组织和开发者都可以在MongoDB本地🚀、内部及自管理产品中预览强大的全文搜索和向量搜索功能，相关功🤯能均基于全球最受欢迎的现代数据库构建。这些功能已进入公开预览🔥阶段，供用户进行开发与测试。 IDC研究总监Devin💯 Pratt表示：“IDC在2025年发布的一份调查报告显示😎，超过74%的组织计划采用集成向量数据库来存储和查询其智能体😢AI工作流中的向量嵌入。在一个由大型语言模型 (LLM) 及🤩AI应用驱动的、快速发展的技术时代，开发者不能容忍因系统碎片😆化而拖慢开发进度。将搜索和向量搜索功能直接嵌入数据库，可以简🤗化管理工作，让开发者专注于构建智能应用程序。” 如今，🤗客户希望现代应用具备高性能、个性化、实时性等特点。为了满足这😢些需求，企业和开发者都需要将全面的AI搜索和检索工具集成到存😅储数据的数据库中。这些由AI驱动的原生“开箱即用”搜索功能包😢括全文搜索、语义检索和混合搜索，可提供高度精准、高度智能且具👍备上下文感知能力的检索增强生成 (RAG)与智能体AI用户体🚀验。 MongoDB核心产品负责人、高级副总裁Benj😉amin Cefalo表示：“在MongoDB，我们致力于为🚀全球开发者提供构建下一代应用所需的工具。通过扩展搜索和向量搜🥳索功能，我们为开发者提供了无与伦比的灵活性——他们可以选择在👏不同的环境中进行构建，同时为客户提供最终保证：在MongoD❤️B Atlas中深受他们青睐的核心数据库和查询功能，也可以在😎社区版中免费使用。当开发者准备好将其应用推向市场时，可以轻松🥳迁移至我们的全托管型MongoDB Atlas平台，以实现无🤔缝扩展、多云灵活性和企业级安全性。” 助力数百万开发者🙌构建更强大的应用程序 此前，要在自管理MongoDB环😂境中集成搜索功能，需额外添加外部搜索引擎或向量数据库。管理分😊散式搜索堆栈会增加复杂性和风险，并产生运营开销，最终可能导致⭐提取、转换和加载 (ETL) 管道脆弱、同步错误及成本上升。😆这意味着开发者必须使用并管理来自不同厂商的多个系统以添加搜索😊功能，但事实证明这种方式不仅操作复杂、存在风险，而且成本高昂👍。 如今，通过将搜索和检索功能直接集成到MongoDB💯社区版和企业版，组织和开发者可以： · 在本地测试和构😊建AI应用程序：向量搜索可依据向量嵌入中编码的含义开展语义信👏息检索，使用户能够在本地或内部环境中管理并构建动态AI应用程😀序，这类应用程序依赖文本文档、图像、视频、音频文件、聊天消息💯等非结构化数据。 · 利用混合搜索模式提高准确性：通过🤗将关键字搜索与向量搜索相结合，单次查询即可返回全部结果，进而😍提高搜索结果的准确性。这对于构建可靠的智能体解决方案及AI应🥳用程序至关重要，开发者可通过MongoDB的常见查询框架，直🙄接便捷地运用这一强大功能。 展开全文 · 为具有😉长期记忆的AI智能体赋能：MongoDB中的数据可作为AI智😅能体的长期记忆存储，以此打造具有较高精准度和上下文感知能力的😊应用程序，使其能应对实际场景。借助社区版，开发者可以轻松地构🥳建RAG系统原型。采用企业版的组织则可以基于自有基础设施中的😎专有数据安全地部署AI智能体。 MongoDB是一个统😘一的文档数型据库，为开发者提供多种工具，便于他们在同一平台上🔥构建旨在处理各类用例的现代应用程序。如今，MongoDB通过😆集成强大的搜索和检索功能进一步兑现这一承诺，助力开发者构建智🤗能AI应用程序，为其选定环境中的智能体系统提供相关上下文。 🎉 MongoDB合作伙伴对社区版中的全新搜索功能进行验证❤️ 包括LangChain （用于构建LLM驱动的应用程😜序的软件开发框架提供商） 和LlamaIndex (用于LL🤗M应用程序开发的开源框架) 等在内的合作伙伴与MongoDB😢密切合作，对社区版中的搜索和向量搜索功能进行了测试。 😉LangChain首席执行官Harrison Chase表示🚀：“我们非常高兴地看到，原本就备受欢迎的MongoDB社区版🥳现已支持MongoDB搜索和向量搜索功能。如今，我们的客户可🙄使用MongoDB和LangChain在任意部署模式下和在他😊们所需的环境中构建先进的LLM应用程序。” Llama😁Index首席执行官Jerry Liu表示：“MongoDB😍社区版中搜索体验的最新升级令我们倍感振奋。我们的客户希望获得🎉最高的灵活性，以便能够运行自家的搜索和生成式AI应用程序，社😴区版纳入这一功能将开启全新的构建与测试方式。” 即日起🤯，用户可在MongoDB社区版和企业版中，通过公开预览版使用❤️MongoDB搜索和向量搜索功能。如需了解更多信息，可查看 😍MongoDB博客。 关于MongoDB Mon🙄goDB总部位于美国纽约，致力于通过软件与数据赋能创新者，推😁动新行业的开创或现有行业的变革与颠覆。MongoDB的统一、🥳智能数据平台旨在推动下一代应用的构建，是全球市场上最广泛可用🤗的分布式数据库之一。通过集成的操作数据、搜索、实时分析和AI🙄驱动检索等功能，MongoDB帮助世界各地的组织加快创新步伐😎、提高效率并简化复杂架构。在各行各业，数百万开发者和超过50🤔,000家客户，其中包括75%的财富100强企业，依赖Mon😜goDB来支持其最重要的应用。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多