MongoDB Atlas Vector Search与Amazon Bedrock集成已全面可用

本文涉及的产品
云数据库 Tair(兼容Redis),内存型 2GB
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
简介: MongoDB Atlas Vector Search知识库与Amazon Bedrock的最新集成,将极大加速生成式AI应用的开发

亮点前瞻

●MongoDB Atlas Vector Search知识库与Amazon Bedrock的最新集成,将极大加速生成式AI应用的开发。
●诺和诺德利用MongoDB Atlas Vector Search与Amazon Bedrock集成,加速构建AI应用程序。

MongoDB(纳斯达克股票代码:MDB)近日在2024 MongoDB用户大会纽约站大会(MongoDB.local NYC)上宣布,MongoDB Atlas Vector Search与Amazon Bedrock 在知识库上集成现已全面可用,这将助力组织更轻松地利用完全托管的基础模型 (FM) 来构建生成式AI应用程序功能。

作为世界上应用极为广泛的开发者数据平台,MongoDB Atlas能够提供向量数据库功能,使组织能够无缝地使用其实时数据生成AI应用程序。Amazon Bedrock是亚马逊云科技 (AWS) 提供的一项完全托管服务,通过单个API提供来自领先AI公司的高性能基础模型,以及组织构建具有安全性、隐私性和负责任的生成式AI应用程序所需的各项功能。如今,各行各业的客户可以通过集成其专有数据,更加轻松地构建应用程序,并利用生成式AI自主完成复杂任务,并对最终用户的请求做出最新、准确且值得信赖的响应。

MongoDB首席产品官Sahir Azam

“从初创公司到大型企业在内的各种规模的客户都开始利用生成式AI来构建激动人心的全新终端用户体验。然而,许多企业都对AI系统输出的准确性以及保障其专有数据的安全性表示担忧。随着MongoDB Atlas Vector Search与Amazon Bedrock集成的全面可用,MongoDB和亚马逊云科技的共同客户将可以更加便捷地使用托管于AWS环境中的各种基础模型来构建生成式AI应用程序。这些应用程序能够安全地运用MongoDB Atlas中的专有数据,在提高准确性的同时,改善终端用户体验。”

MongoDB Atlas Vector Search与Amazon Bedrock的全新集成将帮助组织更加轻松快捷地在AWS上部署生成式AI应用程序,这些应用程序能够利用经MongoDB Atlas Vector Search处理后的数据,做出更准确、更相关、更值得信赖的响应。与仅存储向量数据的附加解决方案不同,MongoDB Atlas Vector Search是一个高性能、可扩展的向量数据库,可驱动生成式AI应用程序的开发;与此同时,MongoDB Atlas Vector Search还可以与MongoDB全局分布式操作数据库集成,存储和处理组织的所有数据。

借助MongoDB Atlas Vector Search与Amazon Bedrock集成,客户可使用自身的实时操作数据对来自AI21 Labs、Amazon、Anthropic、Cohere、Meta、Mistral AI和Stability AI等公司的基础模型 (如大型语言模型,LLM) 进行定制,将这些数据转换为向量嵌入,与LLM一起使用。利用Agents for Amazon Bedrock的检索增强生成 (RAG) 功能,客户可以使用LLM构建应用程序,对用户查询作出具有相关性且符合情境的响应,而无需手动编码。例如,零售组织可以更加轻松地开发一款生成式AI应用程序,自动处理实时库存请求等多种任务,或在客户退货和换货时根据客户反馈自动给出相关库存商品的建议,为客户提供个性化体验。组织还可以借助MongoDB Atlas Search Nodes,在不影响其核心操作数据库的情况下隔离和扩展其生成式AI工作负载,以实现降本增效,查询时间最多可缩短60%。

依托完全托管的各项功能,此次全新集成使AWS和MongoDB的共同客户能够在整个组织范围内安全地使用生成式AI及其专有数据,在降低运营成本和减少人工操作的同时创造更多价值。

了解如何在AWS上使用MongoDB Atlas构建应用程序 https://www.mongodb.com/products/platform/atlas-cloud-providers/aws

亚马逊云科技生成式AI副总裁Vasi Philomin

“十多年来,AWS和MongoDB一直致力于帮助组织通过数据实现业务转型。目前,已有成千上万的组织选择利用Amazon Bedrock来构建生成式AI应用程序,以满足他们的特定需求。如今,随着MongoDB Atlas Vector Search与Amazon Bedrock在知识库领域集成的全面可用,双方的共同客户将能够更加轻松便捷地实现检索增强生成 (RAG),从而帮助他们从数据中获取更多洞察。”

客户案例:诺和诺德

诺和诺德是众多利用MongoDB Atlas Vector Search和Amazon Bedrock集成构建生成式AI应用程序的客户之一。

诺和诺德成立于1923年,是一家全球领先的生物制药公司,总部位于丹麦。公司致力于推动改变,以战胜糖尿病、肥胖症、罕见疾病和心血管疾病等严重慢性疾病。

诺和诺德内容数字化主管Louise Lind Skov

“我们亟需一种能够缩短临床研究报告撰写时间的解决方案,这样我们就可以更快地找到全新疗法,及时挽救患者生命。借助Amazon Bedrock与MongoDB Atlas集成,我们快速构建了解决方案NovoScribe,使我们成为业内首家在几分钟内而不是数周内生成完整临床研究报告的公司。我们正在大规模拓展该应用,而且与过去相比,整个扩展过程节省了大量资源。Amazon Bedrock和MongoDB Atlas集成将彻底改变全球医疗健康行业的游戏规则。”

相关实践学习
MongoDB数据库入门
MongoDB数据库入门实验。
快速掌握 MongoDB 数据库
本课程主要讲解MongoDB数据库的基本知识,包括MongoDB数据库的安装、配置、服务的启动、数据的CRUD操作函数使用、MongoDB索引的使用(唯一索引、地理索引、过期索引、全文索引等)、MapReduce操作实现、用户管理、Java对MongoDB的操作支持(基于2.x驱动与3.x驱动的完全讲解)。 通过学习此课程,读者将具备MongoDB数据库的开发能力,并且能够使用MongoDB进行项目开发。   相关的阿里云产品:云数据库 MongoDB版 云数据库MongoDB版支持ReplicaSet和Sharding两种部署架构,具备安全审计,时间点备份等多项企业能力。在互联网、物联网、游戏、金融等领域被广泛采用。 云数据库MongoDB版(ApsaraDB for MongoDB)完全兼容MongoDB协议,基于飞天分布式系统和高可靠存储引擎,提供多节点高可用架构、弹性扩容、容灾、备份回滚、性能优化等解决方案。 产品详情: https://www.aliyun.com/product/mongodb
相关文章
|
1月前
|
NoSQL Cloud Native atlas
探索云原生数据库:MongoDB Atlas 的实践与思考
【10月更文挑战第21天】本文探讨了MongoDB Atlas的核心特性、实践应用及对云原生数据库未来的思考。MongoDB Atlas作为MongoDB的云原生版本,提供全球分布式、完全托管、弹性伸缩和安全合规等优势,支持快速部署、数据全球化、自动化运维和灵活定价。文章还讨论了云原生数据库的未来趋势,如架构灵活性、智能化运维和混合云支持,并分享了实施MongoDB Atlas的最佳实践。
|
2月前
|
NoSQL Cloud Native atlas
探索云原生数据库:MongoDB Atlas 的实践与思考
【10月更文挑战第20天】本文探讨了MongoDB Atlas的核心特性、实践应用及对未来云原生数据库的思考。MongoDB Atlas作为云原生数据库服务,具备全球分布、完全托管、弹性伸缩和安全合规等优势,支持快速部署、数据全球化、自动化运维和灵活定价。文章还讨论了实施MongoDB Atlas的最佳实践和职业心得,展望了云原生数据库的发展趋势。
|
2月前
|
人工智能 NoSQL 机器人
MongoDB Atlas与YoMio.AI近乎完美适配:推理更快速、查询更灵活、场景更丰富
随着MongoDB的新发布和革新,YoMio.AI的“闪电式发展”值得期待。
|
4月前
|
NoSQL 大数据 MongoDB
云中对决:Amazon DocumentDB 与 MongoDB的终极较量,谁将主宰云端数据库的未来?
【8月更文挑战第8天】在云计算与大数据时代,文档数据库因灵活高效备受开发者青睐。本文作为指南,全面对比Amazon DocumentDB与MongoDB。DocumentDB兼容MongoDB,便于迁移;在AWS环境下,它提供卓越的性能与自动伸缩能力。MongoDB则侧重于自定义部署与成本控制。DocumentDB作为托管服务简化管理但成本较高,而MongoDB需自行处理安全性与备份。根据需求与预算,开发者可作出最佳选择。
67 3
|
4月前
|
人工智能 NoSQL atlas
MongoDB Atlas与大语言模型的梦幻联动:如何瞬间提升企业级AI应用的构建效率?
【8月更文挑战第8天】在大数据时代,企业需挖掘数据价值。MongoDB Atlas作为云端数据库服务,以灵活性著称,减轻运维负担并支持全球数据分布。大语言模型(LLMs)革新AI构建方式,擅长处理自然语言。本文通过对比展示如何整合Atlas与LLMs,构建高效企业级AI应用:Atlas确保数据高效存储管理,LLMs提供语言理解与生成能力,二者结合加速AI应用开发并激发创新潜能。
69 1
|
4月前
|
NoSQL atlas MongoDB
构建实时银行应用程序:英国金融机构 Nationwide 为何选择 MongoDB Atlas
正如 Nationwide 在135 年前的初衷一样,无论数字化程度如何,Nationwide仍将继续以会员为核心,满足会员的日常需求
3865 3
|
4月前
|
NoSQL Java 关系型数据库
MongoDB保姆级指南(下):无缝集成SpringData框架,一篇最全面的Java接入指南!
前面的两篇文章已经将MongoDB大多数知识进行了阐述,不过其中的所有内容,都基于原生的MongoDB语法在操作。可是,在实际的日常开发过程中,我们并不会直接去接触MongoDB,毕竟MongoDB只能算作是系统内的一个组件,无法仅依靠它来搭建出一整套系统。
171 1
|
5月前
|
NoSQL Java MongoDB
Spring Boot与MongoDB的集成应用
Spring Boot与MongoDB的集成应用
|
5月前
|
NoSQL Java MongoDB
如何在Spring Boot应用中集成MongoDB数据库
如何在Spring Boot应用中集成MongoDB数据库
|
6月前
|
SQL NoSQL 关系型数据库
ClickHouse(24)ClickHouse集成mongodb表引擎详细解析
**MongoDB引擎在ClickHouse中提供只读访问远程数据,用于`SELECT`查询。不支持写入。创建MongoDB表引擎的语法:`CREATE TABLE ... ENGINE = MongoDB(host, db, coll, user, pass)`。例如:**查看[ClickHouse中文文档](https://zhangfeidezhu.com/?p=468)获取更多教程,包括系列文章覆盖的各种表引擎解析。
154 0