HeatWave GenAI

Oracle HeatWave GenAI biedt geïntegreerde en geautomatiseerde generatieve AI met in-database LLM's (grote taalmodellen), een geautomatiseerde in-database vectoropslag, scale-out vectorverwerking en de mogelijkheid om contextuele gesprekken in een natuurlijke taal te voeren. Zo kunt u profiteren van generatieve AI zonder expertise op het gebied van AI, gegevensverplaatsing of extra kosten.

Bekijk de demo (5:40)

Mis de keynote van Oracle CloudWorld van Edward Screven, hoofd corporate architect van Oracle, niet op 11 september om 08.30 uur. PT: "Geïntegreerde en geautomatiseerde generatieve AI-applicaties bouwen met HeatWave GenAI."

Waarom HeatWave GenAI?

  • Gebruik snel en overal generatieve AI

    Gebruik in-database geoptimaliseerde LLM's in clouds en regio's om gegevens op te halen en content te genereren of samen te vatten. U hoeft dus geen externe LLM's te selecteren en te integreren.

  • Krijg eenvoudig nauwkeurigere en relevantere antwoorden

    Laat uw eigen documenten doorzoeken door LLM's om nauwkeurigere en contextueel relevante antwoorden te krijgen, zonder AI-expertise en zonder dat u gegevens naar een afzonderlijke vectordatabase moet verplaatsen. Met HeatWave GenAI wordt het genereren van embeddingen geautomatiseerd.

  • Voer gesprekken in een natuurlijke taal

    Krijg snel inzicht in uw documenten via gesprekken in een natuurlijke taal. In de interface van HeatWave Chat wordt de context behouden om mensachtige gesprekken met vervolgvragen mogelijk te maken.

Belangrijkste kenmerken van HeatWave GenAI

In-database LLM's

Gebruik de ingebouwde, geoptimaliseerde LLM's in alle OCI-regio's (Oracle Cloud Infrastructure), OCI Dedicated Region en in alle clouds en behaal consistente resultaten met voorspelbare prestaties voor alle implementaties. De kosten voor infrastructuur worden lager doordat er geen GPU's meer moeten worden ingericht.

Geïntegreerd met OCI Generative AI

Krijg toegang tot vooraf getrainde basismodellen van Cohere en Meta via de OCI Generative AI-service.

HeatWave Chat

Voer contextuele gesprekken in een natuurlijke taal op basis van uw ongestructureerde gegevens in HeatWave Vector Store. Gebruik de geïntegreerde Lakehouse Navigator om LLM's te begeleiden bij het doorzoeken van specifieke documenten, zodat u de kosten kunt verlagen en sneller nauwkeurigere resultaten kunt behalen.

In-database vectoropslag

Met HeatWave Vector Store worden uw eigen documenten in verschillende indelingen opgeslagen en gebruikt als kennisbank voor RAG (retrieval-augmented generation), waardoor u nauwkeurigere en contextueel relevante antwoorden kunt krijgen zonder gegevens naar een afzonderlijke vectordatabase te verplaatsen.

Geautomatiseerde generatie van embeddingen

Maak gebruik van de geautomatiseerde pijplijn om eigen documenten te ontdekken en op te nemen in HeatWave Vector Store, waardoor het eenvoudiger wordt voor ontwikkelaars en analisten zonder AI-expertise om de vectoropslag te gebruiken.

Scale-out vectorverwerking

Vectorverwerking wordt parallel uitgevoerd over maximaal 512 HeatWave-clusternodes en uitgevoerd op geheugenbandbreedte, waardoor snelle resultaten worden verkregen met een verminderde kans op verlies van nauwkeurigheid.

Perspectieven van klanten op HeatWave GenAI

  • "HeatWave GenAI maakt het uiterst eenvoudig om te profiteren van generatieve AI. De ondersteuning voor in-database LLM's en in-database vectorcreatie leidt tot aanzienlijk minder complexe applicaties en een voorspelbare inferentievertraging. Bovendien hoeven we geen extra kosten te maken om de LLM's te gebruiken of de embeddingen te maken. Dit is echt de democratisering van generatieve AI. We geloven dat dit zal resulteren in het bouwen van rijkere applicaties met HeatWave GenAI en een aanzienlijke productiviteitswinst voor onze klanten."

    —Vijay Sundhar, CEO, SmarterD

  • "We maken veel gebruik van de in-database HeatWave AutoML om onze klanten verschillende aanbevelingen te geven. De ondersteuning van HeatWave voor in-database LLM's en in-database vectoropslag is gedifferentieerd. De mogelijkheid om generatieve AI te integreren met AutoML biedt een verdere differentiatie voor HeatWave in de branche, waardoor we onze klanten nieuwe soorten mogelijkheden kunnen bieden. Dankzij de synergie met AutoML worden ook de prestaties en kwaliteit van de LLM-resultaten verbeterd."

    —Safarath Shafi, CEO, EatEasy

  • "De in-database LLM's, in-database vectoropslag en scale-out in-memory vectorverwerking van HeatWave en HeatWave Chat zijn zeer gedifferentieerde mogelijkheden van Oracle waarmee generatieve AI wordt gedemocratiseerd en zeer eenvoudig, veilig en goedkoop kan worden gebruikt. Door HeatWave en AutoML te gebruiken voor onze bedrijfsbehoeften, is ons bedrijf al op verschillende manieren getransformeerd. De introductie van deze innovatie van Oracle zal waarschijnlijk een nieuw type toepassingen stimuleren waarbij klanten op zoek gaan naar manieren om generatieve AI te gebruiken voor hun bedrijfscontent."

    —Eric Aguilar, oprichter, Aiwifi

Wie kan profiteren van HeatWave GenAI?

  • Ontwikkelaars kunnen apps leveren met ingebouwde AI

    Dankzij ingebouwde LLM's en HeatWave Chat kunt u apps leveren die vooraf zijn geconfigureerd voor contextuele gesprekken in een natuurlijke taal. Er zijn geen externe LLM's en GPU's nodig.

  • Analisten kunnen snel nieuwe inzichten krijgen

    HeatWave GenAI kan u helpen eenvoudig te communiceren met uw gegevens, zoekopdrachten op basis van overeenkomsten uit te voeren in documenten en informatie op te halen uit uw eigen gegevens.

  • IT kan innovatie op het gebied van AI versnellen

    Bied ontwikkelaars en bedrijfsteams geïntegreerde mogelijkheden en automatisering om te profiteren van generatieve AI. Maak gesprekken in een natuurlijke taal en RAG op een eenvoudige manier mogelijk.

U kunt de in-database LLM's gebruiken om content te genereren of samen te vatten op basis van uw ongestructureerde documenten. Gebruikers kunnen vragen stellen in een natuurlijke taal via applicaties, en de LLM zal de aanvraag verwerken en de content leveren.


Diagram voor het genereren van content, beschrijving hieronder:

Een gebruiker stelt een vraag in een natuurlijke taal: "Kunt u een samenvatting van deze oplossing maken?" Het grote taalmodel (LLM) verwerkt deze invoer en genereert de samenvatting als uitvoer.



U kunt de kracht van generatieve AI combineren met andere ingebouwde mogelijkheden van HeatWave, zoals machine learning, om de kosten te verlagen en sneller nauwkeurigere resultaten te verkrijgen. In dit voorbeeld doet een productiebedrijf dit voor predictief onderhoud. Engineers kunnen Oracle HeatWave AutoML gebruiken om automatisch een rapport te maken van afwijkende productielogboeken. Met HeatWave GenAI kan snel de hoofdoorzaak van het probleem worden bepaald door eenvoudigweg een vraag in natuurlijke taal te stellen, in plaats van de logboeken handmatig te analyseren.


Diagram voor het genereren van een analyse, beschrijving hieronder:

Een gebruiker vraagt via HeatWave Chat: "Wat is het belangrijkste probleem in deze set logboeken? Geef een samenvatting van twee zinnen." Eerst produceert HeatWave AutoML een gefilterde lijst met afwijkende logboeken op basis van alle productielogboeken die voortdurend worden opgeslagen. Vervolgens biedt HeatWave Vector Store aanvullende context aan de LLM op basis van de kennisbank van logboeken. De LLM neemt die uitgebreide prompt als invoer, produceert een rapport en geeft de gebruiker een gedetailleerd antwoord waarin het probleem in een natuurlijke taal wordt uitgelegd.



Chatbots kunnen RAG gebruiken om bijvoorbeeld vragen van werknemers over het interne bedrijfsbeleid te beantwoorden. Interne documenten met gedetailleerde beleidsregels worden als embeddingen opgeslagen in HeatWave Vector Store. Voor een bepaalde gebruikersquery helpt de vectoropslag de meest vergelijkbare documenten te identificeren door een zoekopdracht naar overeenkomsten uit te voeren op basis van de opgeslagen embeddingen. Deze documenten worden gebruikt om de prompt die aan de LLM wordt gegeven, uit te breiden, zodat deze een nauwkeuriger antwoord kan geven.


Diagram voor RAG, beschrijving hieronder:

Een gebruiker vraagt via HeatWave Chat: "Welke laptops kan ik bestellen en wat is het proces?" HeatWave verwerkt de vraag door interne beleidsdocumenten te openen in HeatWave Vector Store. Vervolgens wordt een uitgebreide prompt doorgegeven aan de LLM die de volgende reactie kan genereren: "Hier is de lijst met goedgekeurde leveranciers en de stappen die moeten worden gevolgd om een bestelling te plaatsen."



Ontwikkelaars kunnen applicaties bouwen met behulp van de gecombineerde kracht van ingebouwde machine learning, generatieve AI en vectoropslag om gepersonaliseerde aanbevelingen te leveren. In dit voorbeeld maakt de applicatie gebruik van het aanbevelingssysteem HeatWave AutoML om restaurants aan te bevelen op basis van de voorkeuren van de gebruiker of wat de gebruiker eerder heeft besteld. Met HeatWave Vector Store kan de applicatie bovendien door de menukaarten van restaurants in pdf-indeling zoeken om specifieke gerechten voor te stellen, wat een meerwaarde is voor klanten.


Diagram voor RAG verbeterd met ML, beschrijving hieronder:

Een gebruiker vraagt via HeatWave Chat: "Welke veganistische gerechten raadt u mij vandaag aan?" Eerst stelt het aanbevelingssysteem HeatWave AutoML een lijst met restaurants voor op basis van wat de gebruiker eerder heeft besteld. Vervolgens geeft HeatWave Vector Store een uitgebreide prompt door aan de LLM op basis van de menukaarten van de restaurants die erin zijn opgenomen. De LLM kan dan een gepersonaliseerde aanbeveling van gerechten in een natuurlijke taal genereren.



26 JUNI 2024

Aankondiging van de algemene beschikbaarheid van HeatWave GenAI

Nipun Agarwal, senior vice-directeur van Oracle, HeatWave Development

Dankzij HeatWave kunnen organisaties transactieverwerking, analyses in datawarehouses en data lakes, en machine learning uitvoeren binnen één volledig beheerde cloudservice. Vandaag kondigen we de algemene beschikbaarheid aan van HeatWave GenAI, met in-database LLM's (grote taalmodellen), een geautomatiseerde, in-database vectoropslag, scale-out vectorverwerking en de mogelijkheid om contextuele gesprekken te voeren in een natuurlijke taal.

Lees het volledige artikel

Lees wat topanalisten uit de branche zeggen over HeatWave GenAI

  • Logo van NAND Research

    "Met in-database LLM's en een volledig geautomatiseerde vectoropslag die vanaf dag één klaar zijn voor gebruik, brengt HeatWave GenAI de eenvoud en prijs-kwaliteitverhouding van AI naar een nieuw niveau waar concurrenten als Snowflake, Google BigQuery en Databricks alleen maar van kunnen dromen."

    Steve McDowell
    Hoofdanalist en medeoprichter, NAND Research
  • Logo van Constellation Research

    "De technische innovatie van HeatWave blijft de visie van een universele clouddatabase waarmaken. De nieuwste innovatie is generatieve AI in 'HeatWave-stijl', met de rechtstreekse integratie van een geautomatiseerde, in-database vectoropslag en in-database LLM's in de HeatWave-kern. Hiermee kunnen ontwikkelaars een nieuwe klasse van applicaties maken door HeatWave-elementen te combineren."

    Holger Mueller
    Vice President en Principal Analyst, Constellation Research
  • Logo van The Futurum Group

    "HeatWave GenAI levert een prestatie op het vlak van vectorverwerking die 30x sneller is dan Snowflake, 18x sneller dan Google BigQuery en 15x sneller dan Databricks, met tot 6x lagere kosten. Organisaties die workloads op basis van generatieve AI met hoge prestaties serieus nemen, maar bedrijfsresources besteden aan een van deze drie oplossingen of zelfs nog andere vectordatabases, zijn eigenlijk bezig met geld weggooien en te proberen dit te rechtvaardigen."

    Ron Westfall
    Senior analist en directeur research, The Futurum Group
  • Logo van dbInsight

    "Met HeatWave wordt een grote stap gezet in het toegankelijker maken van generatieve AI en RAG (retrieval-augmented generation) door alle complexiteit van het creëren van vectorembeddingen onder de motorkap te verstoppen. Ontwikkelaars hoeven alleen maar naar de bronbestanden in de objectopslag in de cloud te wijzen en HeatWave doet vervolgens het zware werk."

    Tony Baer
    Oprichter en CEO, dbInsight

Aan de slag met HeatWave GenAI

Eenvoudig GenAI-applicaties bouwen

Volg de stapsgewijze instructies en gebruik de door ons geleverde code om snel en eenvoudig applicaties te bouwen op basis van HeatWave GenAI.

Meld u aan voor de service

Meld u aan voor een gratis proefversie van HeatWave GenAI. U krijgt 300 dollar aan cloudtegoed om 30 dagen lang alle mogelijkheden van deze oplossing uit te proberen.

Neem contact op met de verkooporganisatie

Wilt u meer weten over HeatWave GenAI? Laat een van onze experts u helpen.