Цзян Чэнь: почему я присоединился к Zilliz
Новые вызовы
За последнее десятилетие я специализировался на различных аспектах инфраструктуры данных, включая контроль доступа, конфиденциальность данных, NoSQL-базы данных и, совсем недавно, индексацию данных веб-масштаба. В эпоху веба и мобильных устройств большие данные стали значимой инфраструктурной инновацией, а такие технологии, как MapReduce, распределённые вычисления и структурированное хранение данных, оказались на переднем крае. Эпоха ИИ требует иных технологических стеков, особенно с ростом популярности Large Language Models. Эмбеддинги и векторные хранилища находятся в центре внимания, и именно они также являются фокусом Zilliz.
Непосредственно перед переходом в Zilliz я занимался поисковой индексацией в Google. Я работал над созданием ультрагибких инфраструктур для понимания миллиардов изображений и видео в общедоступном вебе, генерации структурированных меток для веб-страниц, охватывающих различные мультимедийные данные, и преобразования их в поисковые индексы. Эти технологии заложили основу для продуктовых инноваций, ориентированных на пользователей, таких как поиск коротких видео. Однако традиционные методы понимания неструктурированных данных, таких как текст, изображения и видео, требовали генерации множества меток с использованием нескольких моделей машинного обучения. Этот процесс опирался на сложную инфраструктуру, включающую инференс ML-моделей, оркестрацию бизнес-логики и алгоритмы извлечения данных, что создавало значительные трудности.
Кроме того, извлечение поискового контента также сталкивалось с ограничениями традиционных систем на основе правил (сопоставление ключевых слов с инвертированными индексами). Стало очевидно, что извлечение на основе эмбеддингов обеспечивает существенное повышение релевантности результатов поиска. Хотя эмбеддинги не являются чем-то новым для поиска и уже много лет используются в традиционном веб-поиске, внедрение извлечения на основе эмбеддингов или гибридного подхода для многочисленных новых поисковых продуктов оказалось значительным вызовом даже для Google.
Когда я впервые встретился с Robert, руководителем продукта в Zilliz, меня впечатлила амбиция демократизировать технологии эмбеддингов и векторного поиска. Меня также мотивирует возможность участвовать в этой потрясающей волне ИИ.
Предоставляя разработчикам возможности раскрыть потенциал неструктурированных данных
Несмотря на осознание потенциала эмбеддингов, многим разработчикам и компаниям требуется более развитая инфраструктура, чтобы эффективно организовывать неструктурированные данные в виде векторных эмбеддингов. Однако в современную эпоху ИИ я твёрдо убеждён, что AI-native инфраструктура является ключом к будущему бизнеса. Такие инфраструктуры используют большие нейросетевые модели, векторное хранение и специализированные вычислительные системы, разработанные специально для них. Наблюдая за работой такой инфраструктуры в глобальном масштабе, я с энтузиазмом отношусь к демократизации этой чрезвычайно сложной инфраструктуры, позволяющей стартапам с ограниченными ресурсами использовать технологии ИИ и создавать прорывные приложения, которые продвигают человечество вперёд.
Потрясающие люди
Я уже был в мире стартапов. Пережив американские горки запуска нового проекта, выгорание из-за поиска слабого соответствия продукта рынку и охоту за следующим раундом финансирования, я твёрдо знаю, что при решении сложных задач в условиях неопределённости самое важное — работать с командой замечательных людей, которым можно доверять.
Познакомившись с исключительной командой Charles, Robert и James, я сразу понял, что они опытные предприниматели, полностью осознающие неопределённость предпринимательства и всё же готовые посвятить себя ему. Я понял, что это идеальная группа для совместной работы, поэтому без колебаний решил присоединиться к этой выдающейся команде.
Именно поэтому я в итоге присоединился к Zilliz – чтобы пройти через неопределенность; для этого нужны и жизненно важная миссия, и группа умных и стойких людей, с которыми можно работать, — всё это есть в Zilliz, и многое другое, к чему мы будем стремиться вместе.
Что больше всего вдохновляет меня здесь, в Zilliz
Что больше всего вдохновляет меня сейчас — это задача создания максимально удобных и практичных продуктов, которые упрощают работу разработчиков с неструктурированными данными. Это сложная проблема, для которой не существует универсального решения; она требует от нас определить дорожную карту на будущее. В Zilliz мы свободны делать всё, что правильно, — это преимущество работы в стартапе. Решение этой проблемы требует сильного инженерного бэкграунда, глубокого продуктового понимания и эмпатии к разработчикам. Моя ежедневная рутина включает:
Участие в обсуждениях с командами продаж и архитекторами решений.
Определение деталей продукта.
Руководство техническим проектированием.
Проведение код-ревью.
Мне нравится такой стиль работы, и я каждый день узнаю что-то новое.
Присоединяйтесь к нам на переднем крае инфраструктур AI
Здесь, в Zilliz, мы создаем набор инструментов и сервисов, которые упрощают процесс извлечения информации из неструктурированных данных. У нас есть Towhee — универсальное решение для ETL неструктурированных данных и создания embedding; Akcio — open-source реализация Retrieval Augmented Generation; и векторная база данных, которая эффективно хранит и ищет vector embeddings.
Если то, что я здесь описал, вам интересно, пожалуйста, дайте нам знать! У нас есть различные открытые позиции в инженерных ролях. Если создание инфраструктур для эффективного управления и использования неструктурированных данных — это то, что вас вдохновляет, вам не стоит упускать шанс поработать с нами. У нас также есть открытые позиции в маркетинге и продукте; не стесняйтесь посетить нашу страницу вакансий, чтобы узнать больше.
Читать далее
3 Easiest Ways to Use Claude Code on Your Mobile Phone
Run Claude Code from your phone with Remote Control, Happy Coder, or SSH + Tailscale. Comparison table, setup steps, and tools for typing, memory, and parallel tasks.
Milvus 2.6.x Now Generally Available on Zilliz Cloud, Making Vector Search Faster, Smarter, and More Cost-Efficient for Production AI
Milvus 2.6.x is now GA on Zilliz Cloud, delivering faster vector search, smarter hybrid queries, and lower costs for production RAG and AI applications.
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.