应用开发者正在一个充满创新的领域中前行，尤其是生成式人工智能（生成AI）和基于人工智能的编码辅助工具。根据IDC的预测，到2025年，将会创建超过7.5亿个云原生应用。然而，许多组织仍在努力实现持续的产品和服务竞争力。
MongoDB的首席产品官Sahir Azam表示：“组织面临着巨大的创新和差异化压力，尤其是在生成AI带来的 disruption 下。同时，资本成本的上升要求团队用更少的资源和预算实现更多成果。这在生成AI的潜力与成本控制之间造成了紧张关系，妥善平衡这些因素至关重要。”
此外，开发人员不足的问题也相当严重。为了保持竞争力，组织必须确保开发者专注于核心挑战，而不是在传统关系数据库的复杂性中挣扎。因此，提高开发者的效率至关重要。Azam指出：“这就是我们专注于为开发者量身定制技术解决方案的原因，同时支持构建高度可扩展、安全且至关重要的应用。”
在一次讨论中，Azam分享了现代化技术堆栈的关键优先事项，强调人工智能正在重塑开发过程并提升用户体验。
利用生成AI加速开发
生成AI是当今技术领域最重要的进步之一。开发者们对新兴的人工智能工具感到兴奋，这些工具旨在提高生产力，如用于编码查询的聊天机器人和代码生成助手（如Amazon CodeWhisperer和GitHub Copilot）。
MongoDB在人工智能方面进行了大量投资，以增强开发者的使用体验。该公司已将AI集成到其开发工具中，简化了撰写MongoDB代码和查询的过程。此外，MongoDB与主要云服务提供商的合作，致力于使用其内部资源（包括文档和最佳实践）优化大语言模型（LLM）的训练。
随着人工智能技术的发展，各类AI应用的新工具层出不穷。例如，使用OpenAI和Azure AI等API的开发者，需要像检索增强生成（RAG）这样的工具，根据专有数据自定义结果。矢量数据库也日渐流行，它通过允许机器学习模型保留之前的输入，提升搜索、推荐和文本生成的有效性。
Azam解释道：“组织在将这些工具集成时面临挑战，通常需要新的合作伙伴和技术验证。为了解决这个问题，我们优先考虑即刻启用矢量数据库的能力。”
借助Atlas Vector Search，开发者可以在无缝体验中创建基于AI的解决方案，同时访问所有必要数据。该功能建立在MongoDB Atlas平台上，减轻了管理额外组件的负担。
MongoDB还在MongoDB Compass中推出了新的LLM功能，帮助开发者高效撰写查询，并将生成AI集成到Atlas Charts中，实现可视化的自然语言查询生成。Azam分享道：“过去，需要掌握MongoDB的查询语言才能创建图表和图形。现在，自然语言可以自动生成查询。”
此外，MongoDB还在增强其关系迁移工具的AI功能，显著降低现代化遗留系统的相关成本。该工具分析现有数据库，并生成新的架构和代码，以便无缝迁移至MongoDB Atlas，而无需停机。
降低成本与管理技术扩张
在最近的数字化转型后，组织正在重新评估与供应商的关系。领导者意识到，重叠的供应商协议导致维护工作增加，而未能带来预期价值。Azam表示：“我们已从一个疫情驱动的开支时代转变为关注成本整合的阶段，组织希望减少供应商数量，同时提供更全面的能力，从而节省时间和运营资源。”
针对这一趋势，MongoDB强调其开发者数据平台策略，旨在消除开发者在构建现代应用时面临的数据障碍。通过统一的界面和通用语言，开发者能够更快地创建应用，有效减少技术扩张。
这种方法降低了成本，提高了开发者的生产力。组织在构建多样化应用时，能够灵活利用多个云环境，以获得最佳的差异化和成本效率。
改变最终用户体验
随着组织越来越希望通过提供卓越客户体验来定义自身，软件在其中扮演了重要角色。Azam表示：“MongoDB使组织能够将创意转化为可在全球范围内扩展的应用，服务于数百万用户。”
借助其多云能力，MongoDB允许开发者在各种基础设施上同时构建应用，确保在数据管理方面的灵活性。
值得注意的是，MongoDB通过将复杂性整合到单一的开发者数据平台中，解决了整个应用和数据库堆栈的问题。Azam强调：“在选择影响数据管理的技术时，组织面临长期决策。选择开发者愿意接受并能随着业务发展的技术至关重要。”
准备好为您的开发者提供所需的核心工具和技术吗？从这里开始。
排行榜
