MySQL HeatWave GenAI

Oracle MySQL HeatWave GenAI 透過資料庫內大型語言模型 (LLM)，提供整合、自動化且安全的一般 AI、自動化資料庫內向量儲存區、橫向擴展向量處理資料，以及以自然語言對話的能力，讓您在不具備 AI 專業知識、資料移動或額外成本的情況下利用生成型 AI。Oracle Cloud Infrastructure (OCI)、Amazon Web Services (AWS) 及 Microsoft Azure 皆提供 MySQL HeatWave GenAI。

觀看示範 (5:27)

MySQL 全球論壇：慶祝 MySQL 30 年

在您方便時觀看錄製的網路廣播。瞭解社群專家提供的 MySQL 最佳實務，並瞭解開發人員生產力、雲端服務、GenAI 等方面的新增強功能。

為什麼要使用 MySQL HeatWave GenAI？

  • 隨時隨地快速使用生成式 AI

    跨雲端和區域使用資料庫內 LLM，協助擷取資料、生成內容或製作摘要，省去選取外部 LLM 和整合的麻煩。

  • 輕鬆取得更準確且相關的答案

    讓 LLM 搜尋您的專屬文件，以協助取得更精確、更符合情境的答案 - 無需具備 AI 專業知識，也不需要將資料移至獨立的向量資料庫。MySQL HeatWave GenAI 會自動產生內嵌項目。

  • 以自然語言進行對話

    透過自然語言對話，快速洞察文件內容。MySQL HeatWave Chat 介面會保留內容，以協助後續問題實現類似人類的對話。

MySQL HeatWave GenAI 的主要功能

資料庫內 LLM

在所有 Oracle Cloud Infrastructure (OCI) 區域、OCI Dedicated Region 和跨雲端中使用內建 LLM，並在各個部署中獲得一致的結果和可預測的效能。由於無需佈建 GPU，因此可降低基礎架構成本。

與其他生成式 AI 服務整合

Access pretrained foundational models from Cohere and Meta via the OCI Generative AI service when using MySQL HeatWave GenAI on OCI and via Amazon Bedrock when using MySQL HeatWave GenAI on AWS.

MySQL HeatWave 交談

在 MySQL HeatWave Vector Store 中，透過非結構化資料以自然語言進行情境式對話。使用整合式 Lakehouse Navigator 引導 LLM 搜尋特定文件，以降低成本，同時更快獲得更準確的結果。

資料庫內向量儲存區

MySQL HeatWave Vector Store 以各種格式存放您的專屬文件，作為檢索增強生成 (RAG) 的知識庫，協助您獲得更準確且符合情境的相關答案，而無需將資料移至個別的向量資料庫。

自動產生內嵌內容

運用自動化管線來協助探索及擷取 MySQL HeatWave Vector Store 中的專屬文件，讓開發人員和分析人員能夠更輕鬆地使用向量儲存空間，無需具備 AI 專長。

橫向擴展向量處理

向量處理可平行地跨多達 512 個 MySQL HeatWave 叢集節點進行，並以記憶體頻寬執行，有助於降低準確性損失的可能性，提供快速結果。

MySQL HeatWave 的客戶觀點 GenAI

  • 「MySQL HeatWave GenAI 讓您輕鬆使用生成式 AI。它支援資料庫內 LLM 和資料庫內向量建立，可大幅降低應用程式複雜性，並顯著縮短可預測的推論延遲。最重要的是，使用 LLM 或建立嵌入無需額外成本。這是真正的生成式 AI 民主化，我們相信透過 MySQL HeatWave GenAI 建置更豐富的應用程式，並為我們的客戶大幅提升生產力。」

    — SmarterD 執行長 Vijay Sundhar

  • 「我們大量使用資料庫內 MySQL HeatWave AutoML，為我們的客戶提供各種建議。MySQL HeatWave 對資料庫內 LLM 和資料內向量儲存體的支援具有差異性，並且能夠將生成式 AI 與 AutoML 整合，為業界的 MySQL HeatWave 提供進一步的區別性，讓我們能夠為客戶提供全新類型的功能。整合 AutoML 所產生的協同效應，也改善了 LLM 結果的成效和品質。」

    — EatEasy 執行長 Safarath Shafi

  • 「MySQL HeatWave 資料庫內 LLM、資料庫內向量儲存區、橫向擴展記憶體內向量處理以及 MySQL HeatWave Chat 是從 Oracle 中脫穎而出的功能，可民主化生成式 AI，並且非常簡單、安全且經濟實惠地使用。使用 MySQL HeatWave 和 AutoML 來因應我們的企業需求，已經以數種方式改變我們的業務，而 Oracle 推出這項創新技術時，可能會導致客戶想要在企業內容上運用生成式 AI 的新型應用系統業務成長。」

    — Aiwifi 創辦人 Eric Aguilar

MySQL HeatWave GenAI 有哪些優點？

  • 開發人員可交付內建 AI 的應用程式

    內建 LLM 和 MySQL HeatWave Chat 可讓您以自然語言進行內容對話預先設定的應用程式。無需外部 LLM 和 GPU。

  • 分析人員可以快速獲得新洞察

    MySQL HeatWave GenAI 可協助您輕鬆與您的資料對話、跨文件執行相似性搜尋，以及從專屬資料擷取資訊。

  • IT 有助於加速 AI 創新

    提供整合式功能和自動化技術，協助開發人員和業務團隊充分發揮生成式 AI 的優勢。輕鬆實現自然語言對話和 RAG。

MySQL HeatWave GenAI 的使用案例

您可以使用資料庫內 LLM，根據非結構化文件生成內容或摘要。使用者可以在應用程式中以自然語言提問，再由 LLM 處理請求並交付內容。


「內容生成」圖表，說明如下：

使用者以自然語言提問：「請為這份解決方案簡介生成一份摘要。」大型語言模型 (LLM) 將會處理此輸入，並生成摘要做為輸出。



您可以結合生成式 AI 的強大能力與其他內建的機器學習等 MySQL HeatWave 功能，協助降低成本並更快取得更準確的結果。在這個例子中，一家製造公司正在進行預測性維護。工程師可以使用 Oracle MySQL HeatWave AutoML 自動產生異常生產日誌報告，而 MySQL HeatWave GenAI 只要以自然語言提出問題，即可協助快速判斷問題的根本原因，無須手動分析日誌。


「分析生成」圖表，說明如下：

使用者透過 MySQL HeatWave Chat 詢問：「這組日誌收集中的主要問題為何？請用兩句話總結。」首先，MySQL HeatWave AutoML 會根據持續擷取的所有生產日誌，產生一份經過篩選的異常日誌清單。然後 MySQL HeatWave Vector Store 會根據日誌知識庫，為 LLM 提供額外的相關資訊環境。LLM 會接收這些經過增強的提示，並生成一份報告，再以自然語言提供詳盡的答案，向使用者說明問題所在。



聊天機器人可以使用 RAG 實現許多功能，像是回答員工有關公司內部政策的問題。詳述政策的內部文件會儲存為 MySQL HeatWave Vector Store 中的內嵌内容。當使用者提出查詢時，向量儲存區會對已儲存的內嵌內容執行相似性搜尋，以找出最相近的文件。這些文件將用於增強給 LLM 的提示，以生成更準確的答案。


RAG 圖表，說明如下：

使用者透過 MySQL HeatWave Chat 詢問：「我可以訂購哪些筆記型電腦，以及該怎麼辦？」MySQL HeatWave 會存取 MySQL HeatWave Vector Store 中包含的內部政策文件來處理問題。接著，HeatWave 會向 LLM 提供增強後的提示，並生成回應，例如：「這是一份核准的供應商清單，以及訂購所需的步驟」。



開發人員可以運用 MySQL HeatWave 中內建 ML 與生成式 AI 的結合強大功能來建置應用程式，提供個人化的建議。在此範例中，應用程式使用 MySQL HeatWave AutoML 建議系統，以根據使用者的偏好設定或先前訂購的使用者來協助建議餐廳。透過 MySQL HeatWave Vector Store，應用程式還能協助透過 PDF 格式的餐廳菜單進行額外搜尋，提供特定菜餚的建議，為客戶提供更大的價值。


「運用機器學習提升 RAG 能力」圖表，說明如下：

使用者透過 MySQL HeatWave Chat「今天有什麼素食建議？」來詢問。首先，MySQL HeatWave AutoML 推薦系統會根據使用者先前訂購的項目建議一份餐廳清單。然後，MySQL HeatWave Vector Store 會根據餐廳的菜單，為 LLM 提供增強的提示。接著，LLM 會生成個人化的餐點建議，並以自然語言呈現。



查看頂尖產業分析師對 MySQL HeatWave GenAI 的評價

  • NAND Research 標誌

    MySQL HeatWave GenAI 將 AI 簡易性與價格效能提升至競爭對手 (例如 Snowflake、Google BigQuery 和 Databricks) 無法從遠端開始進行測試的水平，因此「資料庫內部 LLM 已準備好符合第一天向量處理的完全自動化向量儲存區和完全自動化向量儲存區。」

    Steve McDowell
    首席分析師暨創始合夥人
  • Constellation Research 標誌

    「MySQL HeatWave 的工程創新持續實現通用雲端資料庫的願景。最新是採用「MySQL HeatWave 風格」的生成式 AI，其中包括將自動化資料庫內向量儲存區和資料庫內 LLM 直接整合到 MySQL HeatWave 核心。這可讓開發人員在結合 MySQL HeatWave 元素時建立新的應用程式類別。」

    Holger Mueller
    Constellation Research 副總裁兼首席分析師
  • dbInsight 標誌

    「MySQL HeatWave 在讓生成式 AI 和檢修增強生成 (RAG) 能夠更輕鬆地存取，方法是推動在背後建立向量內嵌的所有複雜性。身分證字號只會指向雲端物件儲存空間內的來源檔案，而 MySQL HeatWave 則會處理重容量。」

    Tony Baer
    dbInsight 創辦人暨執行長

在執行不同工作負載時，請深入瞭解其他 MySQL HeatWave 解決方案。

開始使用 MySQL HeatWave GenAI

輕鬆建置 GenAI 應用程式

遵循逐步指示，並使用我們提供的程式碼，快速輕鬆地建置由 MySQL HeatWave GenAI 提供的應用程式。

註冊服務

免費試用 MySQL HeatWave GenAI。您將獲得 300 美元雲端信用額度，嘗試在 30 天內獲得其功能，並免費使用眾多 MySQL HeatWave 功能。

聯絡業務人員

有興趣了解 MySQL HeatWave GenAI 的更多資訊嗎？讓我們的專家助您一臂之力。