Stella 2.2 面向 AI 时代的数据基础设施，打通“多模态数据处理—向量化与理解—多路检索—分析消费”的完整闭环。无论数据沉淀在 Paimon 湖表，还是 StarRocks 存算分离内表，都可以在统一 SQL 入口下组合结构化分析、全文检索、向量检索与 AI Function，服务智能驾驶、具身智能、内容与商品理解、企业知识库和 RAG 等场景。
一、AI 时代，企业需要的不是更多引擎，而是处理与分析闭环
大模型应用正在把企业数据从“结构化宽表”扩展为结构化、半结构化与非结构化数据共存。以智能驾驶为例，一条数据既包含车辆、天气、时间、传感器等结构化字段，也关联图片、语音、视频和文本描述；具身智能则需要同时管理机器人状态、任务指令、视觉轨迹、动作序列和训练标注。
传统方案往往需要计算引擎、搜索引擎、向量数据库和模型服务协同：数据被复制到多套系统，Schema 与索引重复维护，结果还要在应用层拼装。随着数据规模和模态增加，链路成本、数据一致性与在线稳定性都会成为瓶颈。
Stella 2.2 的目标，是用一份数据和一套 SQL 入口完成两类核心工作：
- 多模态处理：通过 AI Function 对文本、图片、音频、视频进行理解、抽取、分类、摘要和向量化；
- 多模态检索：在存算分离内表与 Paimon 湖表上组合结构化条件、全文与向量检索，直接服务分析、样本圈选、RAG 与 Agent。
二、Stella 演进：从正式发布、性能领先到多模态闭环
版本 |
产品里程碑 |
Stella 1.0 |
Stella 正式发布，面向云上湖仓分析提供更好的性能与稳定性，并以全托管 Serverless 形态降低运维和弹性扩缩成本。 |
Stella 2.0 |
TPC-H 打榜第一，OLAP 性能达到 SOTA；同时补齐 ETL 核心能力，进入 ETL Production Ready 阶段。 |
Stella 2.2 |
形成多模态处理与分析闭环：AI Function 负责数据理解与向量化，存算分离内表和 Paimon 湖表共同承载多模态检索与分析。 |
Stella 2.2 不是单独增加一项搜索能力，而是把 AI 数据加工与数据检索放回同一个分析系统中：处理结果可进入内表，也可通过 Native Writer 写入 Paimon；随后直接使用结构化、全文和向量能力完成检索与分析。
三、关键特性一：多模态处理——AI Function
Stella 2.2 将模型能力封装为 SQL Function，用户可以在查询、筛选、聚合和写入 SQL 中直接调用模型，不需要额外编排 Python 服务。
3.1 覆盖文本理解、生成、向量化与多模态输入
- 理解与治理：
ai_sentiment、ai_classify、ai_extract、ai_filter、ai_redact； - 生成与转换：
ai_complete、ai_translate、ai_summarize、ai_fix_grammar； - 语义计算：
ai_similarity、ai_embed； - 多模态处理：
ai_complete支持文本、图片、视频、音频输入，ai_embed_multimodal支持把多模态内容映射到统一向量空间； - 跨行汇总：
ai_agg、ai_agg_summary支持按业务分组完成自然语言归纳。
AI Function 可以作用于存算分离内表，也可以直接处理 Paimon 表中的 VARCHAR、VARBINARY/BLOB descriptor 或对象 URL。执行侧提供模型能力路由、批处理、并发与 QPS 控制、Token 用量统计和错误处理，为生产环境中的模型调用提供统一治理入口。
3.2 数据流示例：智驾场景自动理解与标注
Paimon/内表中的路采数据 ├─ 结构化字段：车型、天气、时间、传感器值 └─ 多模态对象：图片、视频、音频、文本描述 ↓ AI Function ├─ ai_complete / ai_extract：场景理解与结构化抽取 ├─ ai_classify / ai_filter：危险场景分类与语义筛选 └─ ai_embed_multimodal：生成统一向量 ↓ 结构化标签 + 文本描述 + Embedding ↓ 写入存算分离内表，或通过 Native Writer 写入 Paimon ↓ 进入样本圈选、训练数据治理、RAG/Agent 与 BI 分析
一条 SQL 即可把“理解—抽取—向量化—落表”串联起来，数据处理结果与原始业务字段保持在同一套表语义中。
四、关键特性二：多模态检索——内表与 Paimon 两条数据链路
Stella 2.2 同时覆盖存算分离内表和 Paimon 湖表。两者面向不同的数据组织方式，但共享统一 SQL 入口，混合检索能力被直接编排进业务数据流，不需要把结果拉到应用层再次拼接。
4.1 存算分离内表：在线分析与多模态检索一体化
存算分离内表支持向量索引在共享存储上的构建、持久化、读取和回收，支持 HNSW/IVF 系列索引与余弦相似度、内积、L2 距离；同时可结合内表全文/倒排索引和普通 SQL 谓词，完成结构化、关键词和语义相似度的联合检索。
向量索引文件随 Lake Tablet 元数据统一管理，支持异步构建、精确 Vacuum 跟踪，并在索引文件缺失时回退到暴力距离计算，从而兼顾性能与可用性。查询侧支持参数化向量输入与 Profile 指标，便于接入在线应用并持续调优。
数据流示例：具身智能轨迹检索
机器人轨迹、任务指令、视觉特征与动作标签 ↓ 写入存算分离内表 结构化列 + 文本列/倒排索引 + 向量列/HNSW(IVF) ↓ 单条 SQL 统一编排 任务/时间/设备过滤 + 关键词召回 + ANN 相似轨迹召回 ↓ Top-K 候选轨迹与原始业务字段 ↓ 训练样本选择、失败轨迹复盘、相似任务推荐与在线分析
4.2 Paimon 湖表：面向多模态数据湖的原生检索与读写闭环
Paimon Global Index 将湖表上的多路索引统一到分布式执行框架中：
- 向量检索：支持 ANN Top-N，覆盖余弦相似度、内积和 L2 距离；
- 全文检索：支持 Tantivy 全文索引与
score()Top-N； - 结构化过滤：BTree、Bitmap 索引可作为前置过滤条件；
- 缓存与可观测：Global Index 接入 DataCache，提供元数据缓存、行标量缓存与 Profile 指标；
- 多模态数据承载：可读取 Paimon BLOB/BLOB descriptor，把图片、音频、视频、文档及其结构化元数据、文本描述和向量组织在同一湖表中；
- Native 读写：Paimon-cpp Native Reader 作为读取兜底路径，Native Writer 支持数据写入、固定 Bucket 路由与提交错误传播，形成处理结果写回湖表的闭环。
数据流示例：智驾多模态样本圈选
OSS + Paimon ├─ BLOB/descriptor：图片、视频、音频、文档 ├─ 结构化字段：车辆、天气、时间、标注 ├─ 文本字段：场景描述、工单与模型生成摘要 └─ 向量字段：图片/视频/文本 Embedding ↓ Global Index + Native Reader ├─ BTree/Bitmap：结构化候选过滤 ├─ Tantivy/BM25：关键词与全文召回 └─ ANN：跨模态语义相似召回 ↓ SQL 中组合多路条件与 Top-N 训练样本集 / 数据质量分析 / RAG / Agent ↓ AI Function 继续加工 → Native Writer 写回 Paimon
这条链路强调“多模态数据在湖、处理与检索在 Stella”：既保留 Paimon 的开放湖格式与低成本存储，又避免把多模态检索拆成多套独立系统。
五、典型场景
智能驾驶：多模态训练数据圈选
按车型、天气、时段等结构化条件筛选，再组合场景描述全文召回和图片/视频向量相似度，快速定位长尾场景；AI Function 可继续完成场景分类、标签抽取与描述生成。
具身智能：轨迹理解与相似任务检索
将任务指令、环境视觉、动作序列和运行指标统一组织，检索相似轨迹并结合结构化指标定位失败原因，为训练集构建、评测和在线决策提供数据基础。
内容、电商与广告：跨模态素材打标和检索
支持文搜图、图搜图、图搜文、视频搜文等跨模态检索，并组合类目、时间、品牌、审核状态等条件，服务商品理解、素材推荐、版权审核与内容运营。
企业知识库与 RAG
对文档、图片、音视频和结构化业务数据进行抽取、摘要与向量化，通过全文、向量和权限/业务条件联合检索，为 RAG 与 Agent 提供更完整的上下文。
六、产品功能发布清单
6.1 湖表多模态检索
- Paimon Global Index 支持 ANN 向量 Top-N、Tantivy FTS
score()Top-N，以及 BTree/Bitmap 前置过滤； - 支持带得分的 Global Index 查询，ANN 候选数量与搜索参数可配置，并修正不同距离度量的排序方向；
- Global Index 接入 DataCache，新增 Catalog 元数据缓存、行标量缓存、索引 Profile 指标；
- 支持读取 Paimon BLOB 与 BLOB descriptor，Paimon-cpp Native Reader 作为 Split 读取兜底路径；
- Paimon Native Writer 支持写入与固定 Bucket Shuffle，新增
paimon_bucket()，完善 TIMESTAMP/TIMESTAMP_LTZ 精度写入和提交失败传播； - 支持 Paimon
TRUNCATE TABLE，并优化非 Metastore 分区表的分区枚举开销。
6.2 存算分离内表多模态检索
- 支持在存算分离模式下构建、写入和读取向量索引；
- 向量索引文件纳入 Lake Tablet 元数据并支持精确 Vacuum 跟踪；
- 支持异步向量索引构建，并在索引文件缺失时回退到暴力距离计算；
- 支持余弦相似度、内积、L2 距离及参数化向量查询；
- 可将向量检索与内表全文/倒排索引、结构化 SQL 谓词组合，形成统一的多路检索流程；
- 新增向量检索 Profile 指标，便于定位召回与执行性能。
6.3 AI Function
- 文本理解与治理：
ai_sentiment、ai_classify、ai_extract、ai_filter、ai_redact； - 文本生成与转换：
ai_complete、ai_translate、ai_summarize、ai_fix_grammar； - 语义与向量：
ai_similarity、ai_embed、ai_embed_multimodal； - 分组汇总：
ai_agg、ai_agg_summary； ai_complete支持文本、图片、视频、音频与多内容组合，ai_embed_multimodal支持 URL、图片二进制及多内容输入；- 支持 OpenAI-compatible 与 DashScope Native 能力路由，并提供微批、限流、Token 统计与错误治理。
6.4 功能、性能与稳定性优化
- Paimon Global Index：修复 OR 结果聚合、索引分片范围、ANN 参数顺序和度量排序方向问题；
- Paimon I/O：异步读取线程安全优化，元数据与数据缓存优化，减少重复远端访问；
- Paimon 类型兼容：完善 INT96、TIMESTAMP、TIMESTAMP_LTZ 与无时区时间戳处理；
- Paimon 写入稳定性：固定 Bucket 路由、提交失败透传与 Native Writer 上下文统一；
- Fluss：优化谓词下推、分区裁剪和分区信息复用，并支持无 Lake Snapshot 的 Fluss-only 表读取；
- 查询稳定性：修复 Join 重排列裁剪、聚合下推后空 Analytic、Lambda 参数 ID 冲突与 INSERT OVERWRITE 重规划问题；
- 系统稳定性：增加 MySQL 结果发送写超时、AutoVacuum 事务清理防抖和按 Warehouse 的慢查询指标。
七、总结
Stella 1.0 让 Serverless StarRocks 正式进入生产，Stella 2.0 用 TPC-H 第一和 ETL Production Ready 建立性能与工程能力，Stella 2.2 则进一步把数据处理、模型调用、多模态检索和分析消费连接成闭环。
对用户而言，核心价值不是增加一套专用检索系统，而是在现有湖仓数据上直接获得 AI Function 与多模态检索能力：Paimon 湖表适合开放、低成本的多模态数据湖，存算分离内表适合在线分析与检索，两条路径都由 Stella 的统一 SQL、Serverless 计算和可观测体系承载。
