Oracle HeatWave GenAI 透過資料庫內大型語言模型 (LLM),提供整合且安全的自動化生成式 AI、自動化且安全的資料庫內向量儲存、橫向擴展向量處理,並支援以自然語言進行情境式對話,即使不具備 AI 專長,您也能在不移動資料的情況下使用生成式 AI,而且也不用額外付費。
HeatWave GenAI 的主要功能包括
HeatWave 目前提供下列資料庫內 LLM 的量化版本:
您可以使用單一 SQL 指令為企業非結構化內容建立向量儲存。建立向量儲存和向量內嵌項目的所有步驟都是自動化的,並在資料庫內執行,包括發現物件儲存中的文件、剖析文件、以高度平行和最佳化的方式產生內嵌項目,並將它們插入向量儲存中,從而確保 HeatWave Vector Store 高效且易於使用。
HeatWave 在商用硬體上執行。資料庫內 LLM 不在 GPU 上執行,而是在 CPU 上執行。因此,您不僅可以降低成本,而且無需擔心 LLM 在各個資料中心的可用性。
使用資料庫內 LLM 和資料庫內向量儲存時,資料不會離開資料庫,這有助於提高資料安全性。
可以,HeatWave GenAI 以及其他 HeatWave 功能 (包括 HeatWave MySQL、HeatWave Lakehouse、HeatWave AutoML 和 HeatWave Autopilot) 將在 AWS 上提供。
是的,我們為 27 種語言的文字資料產生內嵌内容。
您可以用英語發出提示,而以其他語言 (例如西班牙語和德語) 發出的提示則可以翻譯成英語。
不可以,向量搜尋是在 HeatWave 叢集內執行的。
HeatWave 在 MySQL 節點上執行。我們建議在生產環境中使用具有 MySQL.32 資源配置的 MySQL 節點,以及使用 HeatWave.512GB 資源配置的 HeatWave 節點。對於開發/測試環境,則可以使用較小的 MySQL 資源配置。您可以在此處查看支援的 MySQL 資源配置。對於 HeatWave GenAI,不支援 HeatWave.32GB 資源配置。
支援的格式包括 PDF、文字、PowerPoint、Word 和 HTML。
使用 HeatWave GenAI 時,除了 HeatWave 叢集的成本之外,沒有任何額外成本。您可以呼叫 HeatWave GenAI 提供的資料庫內 LLM 和內嵌模型,而且無需額外付費。您也可以透過 OCI 上的 OCI Generative AI 和 AWS 上的 Amazon Bedrock 呼叫可用的外部 LLM,並依照所使用的服務付費。
不會,LLM 是預先訓練的模型。您的資料不會被用於訓練 LLM。
不可以,HeatWave 提供的資料庫內 LLM 無法微調。
不可以,您不能自備 LLM 或嵌入模型。不過,在 OCI 上執行 HeatWave GenAI 時,您可以透過 OCI Generative AI 呼叫外部 LLM 或嵌入模型;在 AWS 上執行 HeatWave GenAI 時,您則可以透過 Amazon Bedrock 呼叫外部 LLM 或嵌入模型。
根據我們的測試,對於依賴 HeatWave Vector Store 的用例,其結果與非量化 LLM 相當。您可以輕鬆測試模型,以評估結果的效能和品質。
您只需要產生一次內嵌内容,它們將儲存在 HeatWave Vector Store 中。當物件儲存中非結構化文件發生變化時,將自動觸發關聯向量內嵌的更新。
可以,透過光學字元辨識支援,HeatWave Vector Store 可將儲存為影像的掃描內容轉換成可分析的文字資料,例如進行相似性搜尋。