MySQL HeatWave GenAI

Oracle MySQL HeatWave GenAI 通过数据库内大语言模型 (LLM)、自动化和安全的数据库内向量存储、横向扩展向量处理、基于自然语言的情境化对话功能提供集成、自动化的生成式 AI 支持，让您无需移动数据和支付额外成本就能充分利用生成式 AI — 即使您不具备 AI 专业知识。MySQL HeatWave GenAI 现已在 Oracle Cloud Infrastructure (OCI)、Amazon Web Services (AWS) 和 Microsoft Azure 上可用。

观看演示 (5:27)

MySQL 全球论坛：庆祝 MySQL 成立 30 年

在您方便的时候观看录制网播。聆听社区专家分享 MySQL 优秀实践，并了解提升开发人员工作效率、云技术服务、GenAI 等领域的新增强功能。

为何要使用 MySQL HeatWave GenAI?

  • 快速在任意位置使用生成式 AI

    跨云和跨云区域使用数据库内 LLM 来检索数据，生成内容或摘要，整个过程不需要劳心劳力地选择和集成外部 LLM。

  • 轻松捕获更准确、更相关的答案

    使用 LLM 来搜索您的专有文档内容，捕获更准确、相关度更高的情境化答案，整个过程不需要将数据移动到一个单独的向量数据库 — 即使您不具备 AI 专业知识。MySQL HeatWave GenAI 可自动完成嵌入生成。

  • 使用自然语言进行对话

    通过自然语言对话来快速从文档中捕获洞察。MySQL HeatWave Chat 界面能够保留上下文，实现以跟进问题为特点的类人对话。

MySQL HeatWave GenAI 的关键特性

数据库内 LLM

在所有 Oracle Cloud Infrastructure (OCI) 区域、OCI Dedicated Region 和跨云端使用内置 LLM，凭借可预测的性能在各种部署环境下获得一致的结果。无需预配 GPU，可降低基础设施成本。

与其他生成式 AI 服务集成

在 OCI 和 AWS 上使用 MySQL HeatWave GenAI 时，分别通过 OCI Generative AI 服务和 Amazon Bedrock 访问 Cohere 与 Meta 预训练的基础模型。

MySQL HeatWave Chat

使用自然语言，基于 MySQL HeatWave Vector Store 中的非结构化数据进行情境化对话。使用集成的 Lakehouse Navigator 引导 LLM 搜索特定文档，从而在更快速获得更准确的结果的同时降低成本。

数据库中向量存储

MySQL HeatWave Vector Store 能够存储您各种格式的专有文档，进而为检索增强生成 (RAG) 提供一个知识库，帮助您获得更准确、相关度更高的情境化答案 — 无需您将数据移动到一个单独的向量数据库。

自动生成嵌入

利用自动化管道，帮助在 MySQL HeatWave Vector Store 中发现和摄取专有文档，让没有 AI 专业知识的开发人员和分析人员也可以轻松使用向量存储。

横向扩展向量处理

向量处理在多达 512 个 MySQL HeatWave 集群节点上并行化，以内存带宽执行，有助于快速提供结果并降低影响准确性的可能性。

阅读 HeatWave GenAI 技术简报 。

MySQL HeatWave GenAI 的客户评价

  • “MySQL HeatWave GenAI 让利用生成式 AI 变得极其简单。它对数据库内大语言模型和数据库内向量创建的支持，大幅降低了应用复杂性，提供了可预测的推理延迟，最重要的是，我们无需支付额外费用即可使用大语言模型或创建向量嵌入。这真正实现了生成式 AI 的普及，我们相信，借助 MySQL HeatWave GenAI，我们将能构建功能更丰富的应用，并为客户带来显著的生产力提升。”

    — SmarterD 首席执行官 Vijay Sundhar

  • “我们大量使用数据库内的 MySQL HeatWave AutoML 来为客户提供各类个性化推荐。MySQL HeatWave 对数据库内大语言模型和数据库内向量存储的支持具有显著的差异化优势，而将生成式 AI 与 AutoML 集成的能力，更进一步凸显了其在行业中的独特性，使我们能够为客户提供全新的功能。此外，AutoML 与生成式 AI 的协同作用，也有效提升了大语言模型输出的性能与质量。”

    — EatEasy 首席执行官 Safarath Shafi

  • “Oracle 提供的 MySQL HeatWave 数据库内大语言模型、数据库内向量存储、横向扩展的内存向量处理以及 MySQL HeatWave Chat，都是极具差异化优势的功能。它们真正实现了生成式 AI 的普及，使其使用起来极其简单、安全且成本低廉。将 MySQL HeatWave 和 AutoML 应用于我们的企业需求，已经在多个方面重塑了我们的业务。而 Oracle 这项创新的推出，很可能会催生出一类全新的应用，满足客户在企业内容中利用生成式 AI 的迫切需求。”

    — Aiwifi 创始人 Eric Aguilar

MySQL HeatWave GenAI 适用于哪些用户？

  • 开发人员 — 开发内置 AI 的应用

    内置 LLM 和 MySQL HeatWave Chat 能够帮助开发人员轻松交付支持自然语言情境化对话的预配置应用，整个过程无需使用外部 LLM 和 GPU。

  • 分析师可以快速获得新洞察

    MySQL HeatWave GenAI 支持分析师轻松与数据“对话”，跨文档执行相似性搜索，从专有数据中检索所需信息。

  • IT 团队 — 加速 AI 创新

    开发人员和业务团队可使用集成式功能和自动化技术来充分利用生成式 AI，轻松实现自然语言对话和检索增强生成 (RAG)。

MySQL HeatWave GenAI 的使用场景

您可以使用数据库内 LLM，基于非结构化文档来生成内容或内容摘要。具体而言，用户可在应用中以自然语言提出问题，LLM 将处理用户请求，交付内容。


内容生成示意图，说明如下：

一名用户通过自然语言提问“能否生成解决方案简介文档的摘要？”；大语言模型 (LLM) 处理用户请求，生成并输出文档摘要。



您可以结合使用生成式 AI 和其他 MySQL HeatWave 内置功能（例如机器学习）来降低成本，更快地获得更准确的结果。在这一案例中，一家制造企业以此开展预测性维护。具体而言，工程师使用 Oracle MySQL HeatWave AutoML 来自动生成异常生产日志报告；使用 MySQL HeatWave GenAI，通过自然语言提问（而不是手动分析日志）来快速定位问题根因。


分析生成示意图，说明如下：

一名用户通过 MySQL HeatWave Chat 提问“这一系列日志中的主要问题是什么？请用两句话总结。”首先，MySQL HeatWave AutoML 将基于持续摄取的所有生产日志，筛选并生成一个异常日志列表。其次，MySQL HeatWave Vector Store 将基于日志知识库，为 LLM 提供更丰富的上下文。最后，LLM 基于增强型提示生成一份报告，以自然语言向用户详细解释异常问题。



以企业内部政策为例，聊天机器人可使用 RAG 技术来为用户解疑答惑。企业内部政策文档将作为嵌入存储在 MySQL HeatWave Vector Store 中；对于特定用户查询，HeatWave Vector Store 将对所存储的嵌入执行相似性搜索，识别最相似的文档；这些文档将增强面向 LLM 提交的提示，以确保 LLM 提供准确解答。


RAG 示意图，说明如下：

一名用户通过 MySQL HeatWave Chat 提问“我可以订购哪些笔记本电脑，具体流程是什么？”MySQL HeatWave 访问 MySQL HeatWave Vector Store 中存储的企业内部政策文档，处理用户问题，然后面向 LLM 提供增强型提示，使 LLM 生成响应“这是企业认证的供应商列表以及订购流程。”



开发人员可以在 MySQL HeatWave 中开发更强大的、具有内置机器学习和生成式 AI 特性的应用来向用户提供个性化建议。在本案例中，应用可使用 MySQL HeatWave AutoML 推荐系统，基于用户偏好或用户历史订餐记录来向用户推荐餐馆。得益于 MySQL HeatWave Vector Store，应用还可以额外搜索餐馆菜单（PDF 格式）来推荐菜肴，为用户创造更多价值。


机器学习增强的 RAG 示意图，说明如下：

一名用户通过 MySQL HeatWave Chat 提问“今天有哪些素食菜肴推荐？”首先，MySQL HeatWave AutoML 的推荐系统基于用户历史订餐记录，向用户提供一个推荐餐馆列表。接下来，MySQL HeatWave Vector Store 基于所存储的餐馆菜单，面向 LLM 生成增强型提示。然后，LLM 以自然语言生成个性化菜肴建议。



了解权威行业分析机构如何评价 MySQL HeatWave GenAI

  • NAND Research 徽标

    “凭借开箱即用的数据库内大语言模型，以及从第一天起就能完全自动化处理向量的向量存储，MySQL HeatWave GenAI 将 AI 的易用性与性价比提升到了一个全新的高度，这是 Snowflake、Google BigQuery 和 Databricks 等竞争对手根本无法企及的。”

    Steve McDowell
    NAND Research 首席分析师兼创始合作人
  • Constellation Research 徽标

    “MySQL HeatWave 的工程创新正在不断兑现‘通用云数据库’的愿景。最新的成果便是‘MySQL HeatWave 风格’的生成式 AI — 它将自动化的数据库内向量存储与数据库内大语言模型直接集成到了 MySQL HeatWave 的核心中。这使得开发者在组合使用 MySQL HeatWave 的各项组件时，能够构建出全新类别的应用程序。”

    Holger Mueller
    Constellation Research 副总裁兼首席分析师
  • dbInsight 徽标

    “通过将创建向量嵌入的复杂性隐藏在底层，MySQL HeatWave 在普及生成式 AI 和检索增强生成 (RAG) 技术方面迈出了重要一步。开发人员只需指定位于云对象存储中的源文件，MySQL HeatWave 便会自动完成所有繁重的工作。”

    Tony Baer
    dbInsight 创始人兼首席执行官

了解面向不同工作负载的 MySQL HeatWave 解决方案

开始使用 MySQL HeatWave GenAI

轻松构建生成式 AI 应用

Oracle 提供分步说明和示例代码，助您轻松、快速地构建 MySQL HeatWave GenAI 驱动的新型应用。

注册服务

立即注册，免费试用 MySQL HeatWave GenAI。您可获得价值 300 美元的储值，在 30 天内试用 MySQL HeatWave GenAI，以及免费、无限时使用众多 MySQL HeatWave 功能。

联系销售

有兴趣深入了解 MySQL HeatWave GenAI? 让我们的专家为您提供帮助。

注：为免疑义，本网页所用以下术语专指以下含义：

  1. 除Oracle隐私政策外，本网站中提及的“Oracle”专指Oracle境外公司而非甲骨文中国。
  2. 相关Cloud或云术语均指代Oracle境外公司提供的云技术或其解决方案。