甲骨文周二推出了一系列新功能，旨在更好地帮助客户在甲骨文云基础设施中开发生成式人工智能功能的HeatWave数据库。
新功能包括批处理，用于使用大型语言模型（LLMs）来回答用户查询，并在HeatWave GenAI中自动更新向量存储，将批量摄入功能添加到HeatWave MySQL中，以及在HeatWave AutoML中存储和处理更大模型的能力。
根据Constellation Research的分析师Holger Mueller的说法，这些新的HeatWave功能共同解决了企业在开发AI模型和应用方面的关键需求，包括生成式人工智能，这方面的兴趣不断增加。
特别是，向量搜索和存储的改进具有重要意义。
这次发布的重点是让开发人员更容易地使用HeatWave内部的向量功能。基本上，甲骨文需要确保HeatWave中的数据内容可用，并且开发人员可以轻松使用向量支持。如果[甲骨文]成功，HeatWave在人工智能时代的未来就确定了。Holger Mueller分析师，Constellation Research
“这次发布的重点是让开发人员更容易地使用HeatWave内部的向量功能，” Mueller说。“基本上，甲骨文需要确保HeatWave中的数据内容可用，并且开发人员可以轻松使用向量支持。如果[甲骨文]成功，HeatWave在人工智能时代的未来就确定了。”
除了添加新的HeatWave功能外，甲骨文还推出了针对Oracle Fusion Data Intelligence、Oracle Data Intelligence的智能数据湖以及生成式开发（GenDev）的新行业特定应用程序，这是一个用于开发AI应用程序的新应用程序开发基础架构，结合了Oracle Database 23ai中的工具。
与新的HeatWave功能一样，每个应用程序都专注于更好地帮助客户将人工智能作为决策过程的一部分。类似地，与Informatica和Microsoft Azure的新集成解决了生成式人工智能开发的问题。
这些新功能是在拉斯维加斯举办的甲骨文云世界用户大会期间揭示的。
总部位于德克萨斯州奥斯汀的甲骨文是一家提供广泛的数据管理和分析功能的科技巨头，包括各种数据库选项。
HeatWave GenAI最初于6月推出，而最近的平台更新包括在5月向Oracle Database 23ai添加向量搜索以及在7月推出的Exascale，这是一种新的云架构，将成为甲骨文数据库基础设施的一部分。
热度上升
HeatWave是一个MySQL数据库，允许客户在数据库环境中查询和分析数据，这样他们就不必在使用数据之前提取、转换和加载数据以支持决策。
竞争平台包括Amazon Redshift、Databricks、Google BigQuery、Snowflake和Teradata。
HeatWave GenAI是HeatWave中的一个功能，旨在使用户能够使用数据库中存储的数据构建AI模型和应用程序。该功能最初推出时包括在数据库中的LLMs、自动化的数据库向量存储、可扩展的向量搜索以及HeatWave Chat，这是一个AI助手，使用户可以与数据进行自然语言交互。
LLM推理批处理旨在帮助开发人员通过同时执行多个请求而不仅仅是一次来提高应用程序吞吐量。同时，自动向量存储更新为AI应用程序开发人员提供了最新的数据，通过自动更新对象存储。
更多新的HeatWave GenAI功能包括多语言支持，这样在开发应用程序时可以对27种语言中的任何文档执行相似性搜索，支持最佳字符识别，使开发人员可以在训练应用程序时包含保存为图像的扫描内容，并支持JavaScript，以更容易地让用户构建AI聊天机器人。
与Mueller一样，BARC US的分析师Shawn Rogers指出，新的HeatWave GenAI功能增加了显著价值，因为它有助于简化开发AI模型和应用程序。
“Heatwave GenAI使客户能够通过高度集成的服务降低AI驱动项目的风险，消除了围绕创建AI应用程序的复杂性的许多问题，”他说。“内置的LLMs和易于创建向量存储帮助客户避免自行实施的陷阱，而无需[需要]广泛的AI技能。”
特别是，自动向量存储更新是一个重要的补充，Rogers继续说，称其为“Heatwave中的一个出色功能”。
除了新的HeatWave功能外，甲骨文还更新了许多其他HeatWave数据库功能。根据Mueller的说法，亮点包括对HeatWave Lakehouse和AutoML的更新。
新的HeatWave Lakehouse功能包括将结果写入对象存储，以便用户可以更轻松、更经济地共享和存储查询结果。还包括自动更改传播，以确保用户始终可以访问最新的数据。
新的HeatWave AutoML功能包括增加容量，使用户可以训练比以前更大的机器学习模型，数据漂移检测，使开发人员可以知道何时需要重新训练模型，以及主题建模，使用户可以更轻松地发现其文本数据中的见解。
“HeatWave Lakehouse至关重要，”Rogers说。“[使用户能够]将HeatWave和lakehouse数据结合起来是关键的，因为企业需要依赖lakehouses来获取见解，尤其是在AI方面。而HeatWave AutoML [更新] 对于降低更强大（但因此也更复杂）数据库的成本非常重要。”
除了新的HeatWave功能外，甲骨文还透露，数据库的免费版本现在可以在甲骨文云基础设施（OCI）的Always Free Service中使用，使组织可以免费开发和运行小型应用程序。
其他新功能
甲骨文的HeatWave更新，许多设计用于更好地帮助开发人员构建AI模型和应用程序，只是这家科技巨头努力改善其客户的AI开发体验的一个方面。
另一个发展是其计划将Oracle Intelligent Data Lake作为Oracle Data Intelligence平台的基础部分进行开发和交付。
甲骨文预计智能数据湖将在2025年某个时候以有限的方式推出。一旦推出，其目标将是结合数据编排、数据仓库、分析和AI在由OCI提供动力的统一环境中，以更轻松地使客户能够使用来自不同来源的数据。
数据正以指数速度增长。数据的复杂性以及数据来源的数量也在增加。与过去用于处理较低数据量和更简单数据的工具相比，具有更先进功能的工具是供应商（如甲骨文）的适当下一步，Rogers说。
“即将加入的Oracle Intelligent Data Lake对于公司来说是一个合乎逻辑的进步，”他说。“几乎所有企业客户都拥有一个高度多样化的数据生态系统，而Oracle的数据智能平台和OCI的集成显然提供了额外的灵活性和功能。优化架构以利用AI的客户也将受益。”
Oracle Intelligent Data Lake的具体功能包括生成式人工智能驱动的体验，以实现对话式数据分析和代码生成，集成功能使用户可以结合结构化和非结构化数据，数据目录，用于数据处理的Apache Spark和Apache Flink以及与其他Oracle平台以及开源工具的本地集成。
与即将推出的智能数据湖的发展一样，现在处于预览阶段的Fusion Data Intelligence中的新AI应用程序旨在帮助甲骨文的客户从其数据中获得更大价值。
与Databricks和Snowflake等许多数据平台供应商一样，甲骨文已将为各行业提供特定的预构建应用程序作为优先事项，以简化探索和分析。
现在，这家科技巨头计划将Oracle Cloud Human Capital Management（HCM）和Oracle Cloud供应链管理（SCM）注入AI功能，以进一步改善在Rogers所说的“有意义方式”中快速获得见解所需的时间。
HCM中的新工具People Leader Workbench旨在帮助组织通过根据业务需求调整其人才战略来实现业务目标。与此同时，SCM中的新工具Supply Chain Command Center旨在提供建议，更好地帮助组织迅速应对变化的供应、需求和市场状况。
“许多公司长期以来一直发现见解和行动之间的时间差挑战重重，”Rogers说。“Fusion Data Intelligence…帮助甲骨文的客户以有意义的方式缩短这一时间差。智能的AI应用程序对于希望在业务系统中部署AI以获得更快、更准确和可操作的见解的公司至关重要。”
最后，GenDev旨在通过结合Oracle Database 23ai中以前分散的工具并添加新功能，为客户提供一个统一的环境，用于生成式AI应用程序的开发。
新功能包括对更多LLMs的支持，包括与Google Gemini和Anthropic Claude的集成，改进的检索增强生成（RAG）功能，访问Nvidia GPU以及合成数据创建。
下一步
Mueller表示，甲骨文专注于为客户提供开发和部署生成式AI模型和应用程序的能力，重要的是甲骨文不仅要为部署在甲骨文自己的云上的客户提供这样的能力，还要为其他云的用户提供。
许多大型企业在不同操作中使用不同的云。此外，他们仍然将一些数据保存在本地和私有云中。因此，随着甲骨文扩展其生成式AI开发能力，它需要为任何云基础设施的用户提供这样的能力。
“[甲骨文需要]确保[部署]在Azure、Google和更多云中是相同的，”Mueller说。“[他们需要]提供多云管理工具，深入挖掘功能…无论最受欢迎的用例是什么，甲骨文都需要采纳。”
与此同时，Rogers建议甲骨文需要更加关注成本控制和透明度。
即使在过去的两年中，生成式AI的兴趣激增之前，云计算成本已经高于许多企业的预期。现在，关键功能，如向量搜索和存储、开发和运行RAG管道以及部署LLMs，正在增加新的工作负载及其相应的成本。
“随着继续增加和将其技术与AI集成，成本控制和透明度必须成为甲骨文战略的前沿，”Rogers说。“使更广泛的用户群体能够利用AI将需要简单的成本控制来提供价值。”
Eric Avidon是TechTarget编辑部的高级新闻作者，是一名具有超过25年经验的记者。他涵盖分析和数据管理。
相关文章
