Amazon Web Services （ AWS ）推出 Amazon OpenSearch Serverless 向量引擎預覽版，提供相似搜尋功能，幫助用戶能開發包括機械學習（ML）的增強搜尋體驗和生成式 AI 應用程式，毋須管理底層向量數據庫基礎設施。
機械學習增強搜尋應用和生成式 AI 應用程式需要使用向量嵌入（ Vector embeddings ），即以數碼方式表示文本、圖像、音訊和影片的數據，可用來生成動態的相關內容。向量嵌入基於用戶私有數據進行訓練，代表資訊的語義和內容屬性。這些嵌入若能就近儲存和管理最為理想，如接近現有的搜尋引擎或數據庫等特定領域數據集。用戶因而能夠透過處理查詢找到最近的向量，並與其他詮釋數據結合，進而整合搜尋結果。這過程毋須依賴外部數據來源或其他應用程式。Amazon OpenSearch Serverless 向量引擎擴展 Amazon OpenSearch 的搜尋能力，讓用戶能即時儲存、搜尋和追溯數十億向量嵌入，並精準地相似性匹配和語義搜尋，毋須考慮底層基礎設施。
該向量引擎可自動調整資源來適應不斷變化的工作負載模式和需求，即使向量數量從原型設計期間的數千個激增至生產環境中的數億個，也可無縫擴展，毋須重新索引或重新載入數據來擴大基礎設施。
此外，向量引擎為索引和工作負載搜尋提供單獨的運算資源，讓用戶可即時獲得、更新和刪除向量，同時確保查詢效能不受影響。所有數據儲存在 Amazon Simple Storage Service（Amazon S3 ）中，因此用戶可以獲得與 Amazon S3 相同的數據持久性保證。
AWS 指出，此向量引擎由開源 OpenSearch 專案中的 k 近鄰（ kNN ）搜尋功能提供支援，可容納 16,000 個維度，適合支援各種基礎模型及其他 AI/ML 模型。用戶還可儲存各種數據的不同欄位，例如詮釋數據中的數碼、布林值、日期、關鍵字和地理位置，以及包含描述性資訊的文本等，來為儲存的向量添加更多上下文資訊。多種類型數據的合併能降低複雜性，提升可維護性，並且避免數據重複、版本相容性挑戰和授權問題，有助簡化應用程式堆疊。向量引擎還支援相同的 OpenSearch 開源套件 API，利用其查詢功能，例如全文檢索搜尋、進階篩選、聚合、地理空間查詢、巢狀查詢，加快數據檢索和增強搜尋結果。
另外，在向量引擎正式可用之前，AWS 計畫推出兩項功能幫助用戶降低首個集合的成本。第一項功能是新的開發-測試（ dev-test ）選項，能在沒有備份或副本的情況下開始集成，進而將入門成本降低 50%。第二項功能是在初始階段配置 0.5 OCU（ OpenSearch 計算單位）資源，資源將根據實際工作負載擴展；如果初始工作負載的規模是數萬到數十萬個向量（取決於維度數量），用戶可進一步降低成本。除了這兩項功能外，AWS 將把支援用戶首個集合所需的最低 OCU 從每小時 4 個降至每小時 1 個。
Amazon OpenSearch Serverless 向量引擎預覽版現已在全球八個地理區域可用：美國東部（俄亥俄州）、美國東部（弗吉尼亞州北部）、美國西部（俄勒岡州）、亞太地區（新加坡）、亞太地區（悉尼）、亞太地區（東京）、歐洲（法蘭克福）和歐洲（愛爾蘭）。