柏睿向量数据库Rapids VectorDB自发布以来备受关注。Rapids VectorDB 不仅在向量存储、计算方面具备极致性能，同时也为用户提供高效易用、更经济的使用体验，有助于推动向量数据库在企业的大规模应用，加速企业级AI大模型的构建，并显著降低企业拥抱AIGC时代的“入门”成本。
无需数据迁移
Rapids VectorDB 采用柏睿全内存分布式数据库 RapidsDB 支持向量数据与标量数据的统一存储，数据无需要在磁盘、内存、CPU GPU 中迁移，即可直接检索查询，省去了耗时又费力的数据传输过程和不必要的存储层级管理，提高查询效率和系统整体性能。
在近日针对柏睿向量数据库 Rapids VectorDB 和某国外大厂开源向量数据库的一次性能测试中，Rapids VectorDB 的极致性能再次得到验证。Rapids VectorDB 在检索过程中无需使用 CPU / GPU，即可实现比在 CPU GPU 上运行的该专用向量数据库高 20+ 倍的整体性能。
在360M网络小说TXT文件、173万多条语句的数据量下，通过连续查询4次并取平均值的方式来测试向量数据库的查询速度。
根据性能测试结果可知，Rapids VectorDB 仅需0.99秒即可返回查询结果，而运行在 CPU 上的专用向量数据库则用23.29秒返回结果，运行在 GPU 上的专用向量数据库则需23.09秒。可见，Rapids VectorDB 在向量数据检索查询方面不仅具备显著的性能优势，还具有极高性价比。
自动调用Embedding
Rapids VectorDB 内置 Embedding。用户输入所需的 Embedding 模型名字，即可自动调用 Embedding ，并下载、配置、使用模型，实现快速高效处理向量数据。
开放兼容
提供 Python、Rest、SQL 查询接口，与现有系统高度集成，提升用户使用的灵活性和便利性，降低使用技术门槛。
灵活部署
Rapids VectorDB支持云端自动化部署、软硬一体化交付，可为用户提供“云原生的向量数据库”服务，具备灵活扩展、高可用、高性能等优势。
更低TCO
Rapids VectorDB 在柏睿分布式全内存数据库 RapidsDB 的基础上，增加向量存储及向量计算引擎，不仅能够通过单个数据库统一支持 SQL 计算和向量计算，也显著减少使用额外的 CPU / GPU等计算资源，有助于降低技术投资成本和运维管理成本。
推荐阅读
你的 在看 为智能数据算力点赞
