位於舊金山的 SuperDuperDB，作為 Intel Ignite 投資組合的一部分，推出了其開源框架的 0.1 版本，旨在簡化 AI 應用的開發和部署。這個 Python 套件使用戶能夠無縫整合 AI——從機器學習（ML）模型到首選的 AI 應用程式介面（API）——並在現有數據庫中增強向量搜索功能，實現直接在這些平台上構建 AI 應用。
得益於 Hetz.vc 和 Session.vc 等投資者提供的 175 萬美元早期資金，以及 MongoDB 的風險投資部門，SuperDuperDB 在 AI 領域展現出很大的潛力。“MongoDB 的支持反映了 SuperDuperDB 的變革潛力。我們的目標是拉近數據存儲與 AI 之間的距離，使組織能更輕鬆地構建和管理 AI 應用，促進數據與 AI 之間的共生關係，” SuperDuperDB 的 CEO Timo Hagenow 表示。
這個框架已在 Product Hunt 上線。
利用 SuperDuperDB 應對 AI 挑戰
隨著 AI 成為現代企業運營的核心，開發能充分利用強大 ML 模型和專有數據的應用變得越來越複雜。儘管有眾多 ML 模型和 API 可供使用，開發人員在將這些技術投入生產時常面臨重大障礙。將主要數據庫的數據整合到專門的向量數據庫中通常需要複雜且脆弱的管道，造成耗時的流程，延遲項目啟動。
“公司往往只專注於簡化計算資源上的算法部署或通過複雜的管道整合數據和算法，這通常被稱為 MLOps，”Hagenow 解釋道。為了簡化這一過程，他和他的團隊創建了 SuperDuperDB，這個框架將 AI 模型——包括流式推斷和可擴展模型訓練——直接帶入企業數據庫中。
“SuperDuperDB 可以作為 Python 套件輕鬆安裝，開發人員可以設置所有 AI 模型和 API 的單一可擴展部署，實現直接與數據庫通信。這將數據庫轉變為一個強大的 AI 開發和部署環境，能以實驗模式單個客戶端部署，或通過 Kubernetes 在雲端或本地擴展，讓開發人員完全掌握算法、數據、計算和基礎設施的開源權限，” Hagenow 補充道。
借助此框架，開發人員可以利用各種機器學習模型進行分類、回歸和推薦等應用，並支持用於 LLM 基礎的聊天和向量搜索的先進生成 AI 模型。向量搜索功能可以使用供應商的數據庫內功或者 SuperDuperDB 自有的向量索引能力。
強大的合作夥伴生態系統
儘管這個產品仍處於早期階段，SuperDuperDB 已受到生態系統中主要參與者的關注，為企業團隊提供對流行數據庫和模型的全面支持。該框架支持多種數據平台，包括 MongoDB、PostgreSQL、MySQL、SQLite 和 Snowflake 等。在 AI 方面，它兼容 Python 生態系統中的模型、PyTorch、Sklearn，以及來自 OpenAI 和 Anthropic 等供應商的流行 API。
“Hagenow 講到，“MongoDB 已經成為我們的官方技術夥伴，我們與 Cisco 等主要客戶進行了網絡研討會和現場編碼會議。我們還在與 Intel 和其他中小企業探索數個 POC。”
擴展生態系統
Hagenow 強調，SuperDuperDB 正在積極尋求通過與主要數據庫公司合作，以實現更深入的整合。最終目標是實現與企業數據平台（如 Databricks 和 Snowflake）的無縫集成。值得一提的是，該公司計劃為 Snowflake 開發一個原生應用，將在其市場上提供。
潛在應用
如果得到廣泛採用，SuperDuperDB 可以簡化各行各業的 AI 應用開發。MongoDB 行業解決方案的場域 CTO Boris Bialek 指出：“將 SuperDuperDB 的技術與 MongoDB Atlas 向量搜索結合，大大加速了 AI 開發者的旅程。這一進步使得從金融詐騙檢測到醫療保健藥物發現等行業能夠快速構建和部署現代應用。”
雖然已有像 MindsDB 這樣的數據庫內 AI 解決方案，但它們通常要求開發人員適應 SQL 方言。相對而言，SuperDuperDB 是以 Python 為首，這與 AI 研究和開發中普遍使用的編程語言相一致。
“SuperDuperDB 提供了熟悉的 Python 介面，讓專家可以訪問詳細的實施元素，如模型權重和訓練細節。它使用戶能夠直接處理各種數據類型，包括作為 Python 中字節編碼的圖像、視頻和音頻。這一獨特的方式使 SuperDuperDB 在 AI 開源領域中脫穎而出，”他總結道。
排行榜
