Elastic与Red Hat AI集成NVIDIA GPU加速技术

Elastic与某中心AI平台集成：利用NVIDIA GPU加速构建可扩展的AI工厂

索引速度为何对RAG到自主AI至关重要

成功的企业AI部署需要从PB级的非结构化专有公司数据中检索上下文。这些RAG管道的核心是向量搜索。然而，随着数据量增长，构建这些向量索引往往成为瓶颈，阻碍部署并推高开销成本。

通过与NVIDIA cuVS集成实现GPU加速索引，Elastic将建索引过程中的计算密集型工作卸载。其结果是显著的：

• 索引速度提高至12倍
• 强制合并速度提高至7倍
• 降低CPU利用率

作为NVIDIA企业AI工厂验证设计推荐的向量数据库，Elastic驱动自主代理引擎，能够以最相关的数据有效进行推理和行动。加速索引意味着代理可以基于实时公司数据在规模上做出决策。

某中心AI平台是Elastic GPU加速的合适平台

某中心AI平台为企业提供了Kubernetes原生基础，以便从模型训练的数据检索管道到推理实现AI工作负载的运维化。Elastic与NVIDIA加速技术结合某中心AI栈，为优先考虑主权AI的客户弥补了关键缺口。

通过使用Elastic代理构建器和Elastic工作流，开发人员现在可以在基于某中心OpenShift AI的环境中构建自主代理。这些代理将检索信息并在混合云中触发运维工作流，同时将数据和模型保留在自身环境内。

某中心生态系统开发高级总监表示：“某中心OpenShift为企业提供了必不可少的Kubernetes原生基础，使其能够在任何混合云环境中运维化和扩展AI工作负载。通过在OpenShift和某中心AI平台上启用Elastic的GPU加速搜索，我们共同交付了一个生产就绪的开放平台，使客户能够构建安全、高性能的RAG和自主AI代理，同时保持对其数据主权的完全控制。”

随处部署，数据自主管理

某中心与Elastic及NVIDIA的合作，使受严格数据主权法规约束的机构能够灵活管理其数据，无论数据位于何处。

• 某中心AI平台提供托管和保障模型安全的基础
• Elastic提供上下文层和代理框架
• NVIDIA AI基础设施提供性能加速

客户可以无缝部署自主AI系统并运维化代理运维实践。某中心AI平台上的Elastic确保专有业务数据和模型部署在所选环境中：自有数据中心、云区域或混合架构。

Elastic与某中心AI的实际应用

考虑一个金融机构面临部署面向客户的AI助手的监管复杂性和基础设施成本。为了有效工作，该AI助手必须作为一个代理运行，能够实时检查客户账户信息并标记可疑活动。

通过在某中心AI平台上使用Elastic GPU加速搜索，该金融机构现在可以：

• 在客户记录更新时，以高达12倍的速度索引相关新数据
• 运行自主代理，搜索数百万个向量以检索相关上下文并实时采取行动
• 在单个托管平台内部署和扩展其完整AI管道
• 保持对数据主权的完全控制并确保安全

开始使用某中心AI平台上的Elastic

支持GPU加速的Elasticsearch现已可在某中心AI平台上使用。无论是构建初始RAG应用，还是全球规模部署AI工厂，Elastic、某中心与NVIDIA的组合都能为基于开源基础的现代AI解决方案提供所需的性能和灵活性。FINISHED