Zilliz Cloud erweitert sich mit Multi-Cloud-Unterstützung
Einführung
Es ist klar, dass KI-gestützte Anwendungen, die vorhersagen, generieren, analysieren und vergleichen, gekommen sind, um zu bleiben. Wir sehen, wie maschinelles Lernen in alles integriert wird – von Aufgabenplanern zur Steigerung der Produktivität über in E-Mail- und Content-Tools integrierte Textvorhersage bis hin zur Vielzahl von Wissensdatenbank-Anwendungen, die durch die neuen ChatGPT-Plugins entstanden sind.
Da Innovationen weiterhin in atemberaubendem Tempo voranschreiten, belohnt der Markt schnelle Entwicklung und Bereitstellung. Zeit zu sparen ist entscheidend, da Entwickler darum kämpfen, in diesem Hyperwachstumsmarkt Schritt zu halten. Warum also Ihre eigene Infrastruktur bereitstellen und verwalten, um die Embeddings zu speichern, die Ihre KI-Apps antreiben? Die gute Nachricht ist: Das müssen Sie nicht.
Zilliz Cloud ist eine blitzschnelle, speziell entwickelte Vector Database-as-a-Service, damit Sie sich auf die Entwicklung des nächsten großen Dings im ML-Bereich konzentrieren können. Mit Multi-Cloud- und Multi-Region-Verfügbarkeit entscheiden Sie, wo Ihre Daten gespeichert werden, sodass sie bequem zusammen mit dem Rest Ihres Anwendungs-Stacks liegen. Heute ist Zilliz Cloud auf AWS und Google Cloud verfügbar, wobei weitere Cloud-Angebote und Regionen für zukünftige Releases geplant sind.
Zilliz Cloud Service Provider Regions
Zilliz Cloud auf AWS
Mit Zilliz Cloud auf AWS können Nutzer ihre Speicherkapazität für Vektorsuche schnell skalieren, ohne Hardware neu bereitstellen zu müssen. Der Betrieb von Zilliz Cloud auf AWS vereinfacht die Integration Ihrer Anwendung mit anderen AWS-KI- und ML-Technologien. Zilliz Cloud ist derzeit in den AWS-Regionen us-west-2 und us-east-2 verfügbar.
Zilliz Cloud im AWS Marketplace
Zilliz Cloud ist jetzt im AWS Marketplace verfügbar und ermöglicht es Nutzern, zusätzliche Vorteile zu nutzen, darunter eine optimierte Beschaffung, konsolidierte Abrechnung und die Möglichkeit, vorab zugesagte AWS-Ausgaben anzurechnen.
- Optimierte Beschaffung - Der Kauf über den AWS Marketplace ermöglicht es Ihnen, Zilliz nicht als neuen Anbieter onboarden zu müssen, sondern stattdessen über Ihre bestehenden AWS-Konditionen zu kaufen.
- Konsolidierte Abrechnung - Die Ausgaben für Zilliz Cloud werden in Ihrer monatlichen AWS-Rechnung zusammengeführt, was die Abrechnung für Ihr Finanzteam vereinfacht.
- Zugesagte Ausgaben - Nutzen Sie Ihre vorab zugesagten AWS-Guthaben und Rabatte für den Kauf von Zilliz Cloud.
Für Kunden, die sich vergünstigte Jahrespreise sichern und gleichzeitig weiterhin ihr AWS Marketplace-Konto nutzen möchten, kann Zilliz private Angebote über den Marketplace erstellen.
Zilliz Cloud expandiert zu Google Cloud
Wir wissen, dass Wahlfreiheit beim Management Ihres Anwendungsentwicklungs-Stacks wichtig ist. Deshalb läuft Zilliz Cloud neben AWS auch auf Google Cloud. Zilliz Cloud auf Google Cloud ist derzeit in der Region gcp-us-west1 verfügbar.
Als offizieller Google Cloud-Partner erkundet Zilliz weiterhin Möglichkeiten, sich besser in Google-KI- und ML-Technologien zu integrieren, um es Entwicklern zu erleichtern, ihre Anwendungen zu erstellen. Wir beabsichtigen, in zukünftigen Releases weitere Regionen und Cloud-Anbieter zu unterstützen, um unser Multi-Cloud-Versprechen weiter einzulösen.
Bereit loszulegen?
Testen Sie Zilliz Cloud noch heute auf AWS oder Google Cloud mit unserer kostenlosen 30-tägigen Testversion und 100 $ Guthaben.
Weiterlesen
Zilliz Cloud BYOC Now Available Across AWS, GCP, and Azure
Zilliz Cloud BYOC is now generally available on all three major clouds. Deploy fully managed vector search in your own AWS, GCP, or Azure account — your data never leaves your VPC.
Migrating from S3 Vectors to Zilliz Cloud: Unlocking the Power of Tiered Storage
Learn how Zilliz Cloud bridges cost and performance with tiered storage and enterprise-grade features, and how to migrate data from AWS S3 Vectors to Zilliz Cloud.
Cosmos World Foundation Model Platform for Physical AI
NVIDIA's Cosmos platform enables safe, digital twin training of GenAI models for physical applications, overcoming data scarcity and safety challenges.