MongoDB.local NYC 2025:定义 AI 时代的理想数据库
昨天,我们迎来了数千名开发者和高管参加 MongoDB.local NYC,这是我们全球 .local 系列的最新一站。在过去的一年里,我们与全球 20 个城市的数万名合作伙伴和客户建立了联系。而纽约更是意义重大,因为这里是 MongoDB 的诞生地,也是我们的总部所在地。 活动期间,我们推出了新功能,进一步巩固了 MongoDB 作为全球领先现代数据库的地位。MongoDB 8.2 是我们迄今为止功能最丰富、性能最高的版本,我们提高了开发者的能力标准。我们还分享了更多关于 Voyage AI 嵌入模型和重排序器的信息,它们为构建值得信赖、可靠的 AI 应用程序带来了最先进的准确性和效率。目前, MongoDB Community Edition 和 Enterprise Server 的搜索和向量搜索功能已进入公开预览阶段 ,我们将强大的检索功能直接应用到客户环境中,无论他们喜欢在哪里运行。 我对 MongoDB 应用程序现代化平台 ( AMP ) 的推出感到特别兴奋。世界各地的企业都在努力应对旧版系统带来的巨额成本问题,因为这些系统无法支持 AI 的需求。AMP 不是简单的“搬运”,而是可重复的端到端平台,结合 AI 驱动的工具、成熟的技术和专业的人才,重塑关键业务系统,同时最大限度地降低成本和风险。早期成果令人印象深刻:企业从旧系统迁移到 MongoDB 的速度提高了两到三倍,代码重写等任务的速度也提高了一个数量级。 图 1.MongoDB.local NYC 主题演讲。 在 YouTube 上观看完整的主题演讲。 成为全球最受欢迎的现代数据库 当我回顾 MongoDB 的历程时,我对我们所取得的进步感到震惊。十多年前我加入公司时,我们的客户数量只有几千名。如今, MongoDB 为各行业和垂直领域的近 60,000 个组织提供服务,其中包括超过 70% 的 Fort
昨天,我们迎来了数千名开发者和高管参加 MongoDB.local NYC,这是我们全球 .local 系列的最新一站。在过去的一年里,我们与全球 20 个城市的数万名合作伙伴和客户建立了联系。而纽约更是意义重大,因为这里是 MongoDB 的诞生地,也是我们的总部所在地。
活动期间,我们推出了新功能,进一步巩固了 MongoDB 作为全球领先现代数据库的地位。MongoDB 8.2 是我们迄今为止功能最丰富、性能最高的版本,我们提高了开发者的能力标准。我们还分享了更多关于 Voyage AI 嵌入模型和重排序器的信息,它们为构建值得信赖、可靠的 AI 应用程序带来了最先进的准确性和效率。目前,MongoDB Community Edition 和 Enterprise Server 的搜索和向量搜索功能已进入公开预览阶段,我们将强大的检索功能直接应用到客户环境中,无论他们喜欢在哪里运行。
我对 MongoDB 应用程序现代化平台 (AMP) 的推出感到特别兴奋。世界各地的企业都在努力应对旧版系统带来的巨额成本问题,因为这些系统无法支持 AI 的需求。AMP 不是简单的“搬运”,而是可重复的端到端平台,结合 AI 驱动的工具、成熟的技术和专业的人才,重塑关键业务系统,同时最大限度地降低成本和风险。早期成果令人印象深刻:企业从旧系统迁移到 MongoDB 的速度提高了两到三倍,代码重写等任务的速度也提高了一个数量级。
图 1.MongoDB.local NYC 主题演讲。
在 YouTube 上观看完整的主题演讲。
成为全球最受欢迎的现代数据库
当我回顾 MongoDB 的历程时,我对我们所取得的进步感到震惊。十多年前我加入公司时,我们的客户数量只有几千名。如今, MongoDB 为各行业和垂直领域的近 60,000 个组织提供服务,其中包括超过 70% 的 Fortune 100 强企业和尖端 AI 初创企业。
然而,我们成长背后的原因却始终如一。关系数据库诞生于 20 世纪 70 年代,其设计初衷早已无法匹配现代应用程序的扩展性与复杂性。它们死板,难以扩展,适应速度慢。我们的创始人在构建 DoubleClick 时曾深切体会这些局限,从而立志创造更卓越的解决方案:一种专为现代世界现实而设计的数据库模型。文档模型诞生了。
文档模型基于 JSON,直观、灵活且功能强大。它允许开发者以自然的方式表示复杂、相互依赖且不断变化的数据。而且,随着我们步入 AI 时代,这些品质——适应性、可扩展性与安全性——其重要性空前凸显。公司选择的数据库将是决定其 AI 计划成功与否的最具战略性的决策之一。
生成式人工智能应用程序已经开始提高工作效率,编写代码、草拟文档和回答问题。但真正的变革在于代理 AI——能够感知、决策和行动的应用程序。这些智能代理不仅仅遵循工作流程;它们还追求结果,推理实现结果的最佳步骤。在此过程中,数据库不可或缺。凭借其提供的记忆,代理得以感知上下文;依据提供的事实,从而做出明智决策;再根据当前状态,最终执行出连贯的行动。
这就是为什么公司的数据是其最宝贵的资产。大型语言模型 (LLM) 可能会生成响应,但提供连续性、协作和真正智能的是数据库。AI 的未来不仅与推理有关,还与上下文、记忆和数据的力量有关。
变革性 AI 的理想数据库
那么,适合代理 AI 的理想数据库是什么样的?必须反映当今的复杂性和未来变化。必须使用 AI 语言,而这种语言越来越多地使用 JSON。必须集成跨原始数据、元数据和嵌入的高级检索——不仅仅是精确匹配,还包括意义和意图。必须通过最高质量的嵌入和重排序器来桥接私人数据和大型语言模型。而且必须提供在全球范围内支持关键任务应用程序所需的性能、可扩展性和安全性。
这正是 MongoDB 所提供的。我们不仅仅是在列表上打勾,而是定义这些标准。
我们才刚刚入门。
这就是为什么我对我们的未来如此乐观。我们在每一次 MongoDB.local 活动中亲眼见证的活力与创造力,让我感受到一种与公司发展驱动力一脉相承的激情。随着客户持续推动创新,我确信 MongoDB 能为他们提供在 AI 时代取得成功所需的关键基石。
未来可期,我们携手见证。
mongodb.com
https://www.mongodb.com/company/blog/events/local-nyc-2025-defining-ideal-database-for-ai-era-cnSign in to highlight and annotate this article

Conversation starters
Daily AI Digest
Get the top 5 AI stories delivered to your inbox every morning.
Knowledge Map
Connected Articles — Knowledge Graph
This article is connected to other articles through shared AI topics and tags.
More in Models
ciflow/torchtitan/178948: [dynamo] Implement tp_as_number->nb_or slot
<p>Replace the ad-hoc isinstance cascades in call_or_/call_ior with a generic<br> binary-op dispatch that mirrors CPython's binary_op1 algorithm. Each VT<br> subclass that supports | now provides an nb_or_impl (and nb_ior_impl for |=)<br> slot method, following the pattern established by nb_index_impl and nb_int_impl.</p> <p>The generic infrastructure in object_protocol.py (binary_op1, binary_op,<br> binary_iop) handles forward/reverse dispatch and NotImplemented propagation.<br> Per-type slots are implemented on ConstantVariable (int/bool/frozenset/type),<br> SetVariable, ConstDictVariable, DictKeysVariable, SymNodeVariable,<br> UserDefinedClassVariable, UserDefinedObjectVariable, UserDefinedDictVariable,<br> UserDefinedSetVariable, and OpaqueObjectClassVariable.</p> <p>Authored with Clau
trunk/d52b2f548aa3cfcfcd499fcba764fccf29628de6: [inductor] Enable precompiled headers in fbcode (#178870) (#178870)
<p>Summary:</p> <p>Enable cpp_cache_precompile_headers for fbcode</p> <p>Authored with Claude.</p> <p>Test Plan: CI</p> <p>Reviewed By: IvanKobzarev</p> <p>Differential Revision: D98767213</p> <p>Pull Request resolved: <a class="issue-link js-issue-link" data-error-text="Failed to load title" data-id="4179300248" data-permission-text="Title is private" data-url="https://github.com/pytorch/pytorch/issues/178870" data-hovercard-type="pull_request" data-hovercard-url="/pytorch/pytorch/pull/178870/hovercard" href="https://github.com/pytorch/pytorch/pull/178870">#178870</a><br> Approved by: <a href="https://github.com/IvanKobzarev">https://github.com/IvanKobzarev</a></p>
Discussion
Sign in to join the discussion
No comments yet — be the first to share your thoughts!