在抖音集团内部，早期的向量化检索引擎是围绕搜索、推荐、广告业务来构建的，由于这些业务天然具有极大的数据规模，因此从一开始，就需要思考如何在向量索引中支持百亿数据的检索需求，比如图虫拥有几亿图片素材，数量规模早已超出单机内存的极限，举个例子，对于1亿条128维的Float向量，不考虑任何辅助结构，就需要100000000 * 128 * 4 bytes 也就是约48GB的服务器内存。
Upstream 选用固定域名，使用刚刚创建的 Upstream。创建完成后进入服务列表就可以获取到公网访问域名，拼接 RAG 推理服务的完整访问地址，格式为 见原文链接，其中 url 替换为在 API 网关中获取到的服务公网访问域名，model_name 替换为 RAG 模型的名称后就可以在浏览器中通过刚才拼接好的固定域名访问 RAG 推理服务，并在可视化页面中咨询本文所用到的云搜素服务文档库的相关问题。
DataWind 覆盖的人群非常广泛，几乎支持字节跳动内部所有业务线，覆盖绝大多数员工使用需求，每天运行 20 万张以上活跃的仪表盘，支持超过 500 万次巨大数据量的查询，每天有超过 5 万人在使用 DataWind。
3月7日，火山引擎在成都举办西南地区首场公共云·城市分享会活动。本次分享会以“乘云·向未来”为主题，邀请众多技术专家，共话企业规模化用云实践及AI创新实践，探索“云+AI”发展新风向，为西南地区企业数字化、智能化升级提供产品技术服务。
当亚马逊拉开云计算商业化的序幕时，很少人能想到日后的云计算会成为科技巨头们争抢的高地。如今的云计算也确实是市场与资本眼中的香饽饽，再加上其天然的B端属性为如今拥挤的C端市场提供了新的增长路径，也吸引了更多的巨头下场参与，这其中就包括字节跳动。
伴随大语言模型（LLM，Large Language Model）的涌现，人们发现生成式人工智能在非常多领域具有重要意义，如图像生成，书写文稿，信息搜索等。随着 LLM 场景的多样化，大家希望 LLM 能在垂直领域发挥其强大的功能。
