Alexandr Guzhva: Por que me juntei à Zilliz
Meu nome é Alexandr Guzhva e trabalho na Zilliz com otimização de desempenho.
Entrei na Zilliz para superar os concorrentes da empresa. E porque senti que poderia usar plenamente minha expertise.
Passei 15 anos no setor financeiro, onde comecei a usar a abordagem de busca aproximada pelo vizinho mais próximo (ANNS) para acelerar previsões de séries temporais para simulação de algo trading, tanto em CPU quanto em GPU. O mecanismo de computação que criei conseguia realizar simulações várias ordens de magnitude mais rápido do que a linha de base, graças à ANNS.
Depois disso, passei cerca de 2 anos na Meta, onde adicionei código relacionado a desempenho à biblioteca FAISS e usei seus poderosos recursos para aplicar codecs vetoriais na compressão de enormes modelos de recomendação que a Meta usa para Ads. Passei a ser considerado um dos autores da biblioteca FAISS por causa das minhas contribuições de código.
No total, escrevi mais de 2 milhões de linhas de código durante minha carreira e venho lidando com métodos de busca por similaridade há 10 anos.
A Zilliz como empresa se tornou interessante para mim, porque eu sabia que ela usa várias maneiras de acelerar seus produtos, como uma integração com NVIDIA Raft, experimentos com várias plataformas de hardware e métodos avançados de busca por similaridade. Isso me deu a confiança de que as atividades de engenharia e pesquisa necessárias são bastante não triviais, não no estilo python-monkey :) Muitas empresas a utilizam, o que indica que seus produtos são competitivos.
Durante a entrevista técnica, James Luan, VP of Engineering da Zilliz, me disse que a empresa pretende ser a número 1 na área de bancos de dados vetoriais, nenhuma outra opção é aceitável. Hoje em dia, bancos de dados vetoriais são um campo em evolução muito rápida, e isso implica um nível muito alto de competitividade. Essa frase específica do James foi o que, no fim, me fez entrar na Zilliz, porque combina com minha forma de pensar e é muito familiar e natural para mim. Além disso, fiquei curioso, porque o campo de bancos de dados vetoriais introduz desafios adicionais às aplicações tradicionais de busca por similaridade, como a necessidade de modificar os dados ou de incluir metadados adicionais em cada amostra.
Continuarei contribuindo com minhas melhorias para o Milvus OSS e planejo me envolver cada vez mais em tornar os produtos da Zilliz os melhores possíveis. Talvez eu consiga aplicar meu conhecimento sobre o uso de ANNS para previsão de séries temporais em algum momento.
Continue lendo
Zilliz Cloud Just Landed in Claude Code
The Zilliz Cloud Plugin brings the full power of Zilliz Cloud directly into your Claude Code terminal as natural-language conversations.
Milvus/Zilliz + Surveillance: How Vector Databases Transform Multi-Camera Tracking
See how Milvus vector database enhances multi-camera tracking with similarity-based matching for better surveillance in retail, warehouses and transport hubs.
DeepSeek Always Busy? Deploy It Locally with Milvus in Just 10 Minutes—No More Waiting!
Learn how to set up DeepSeek-R1 on your local machine using Ollama, AnythingLLM, and Milvus in just 10 minutes. Bypass busy servers and enhance AI responses with custom data.