随着人工智能的发展，AI 的能力使得我们可以快速且成本较低地对这些非结构化数据进行理解，这样就使得对这些非结构化的数据内容进行直接检索成为了可能。这其中，很重要的一环就是向量检索。
如下图左边的例子，我们想在标准地址库中搜索“浙一医院”（而标准地址库中恰恰又没有“浙一”这个关键词，“浙一医院”的标准地址是“浙江大学医学院附属第一医院”），如果我们只使用文本分词（“浙一”和“医院”），在标准地址库中是不会找到相关结果的（因为“浙一”这个地址不存在）。
索引水平扩展：Proxima 采用非对等分片的方法实现分布式检索。对于邻居图索引，解决了有限精度下图索引快速合并的难题，与 Map-Reduce 计算模型可有效进行结合。
存储管理员在管理存储问题时面临一些挑战。而且，如果他们克服了这些挑战，将帮助他们在数据存储的各个方面之间找到适当的平衡，例如在哪里分配工作负载，如何分配工作负载以及如何优化堆栈等等。
对企业而言，Serverless 架构有着巨大的应用潜力。随着云产品的完善，产品的集成和被集成能力的加强，软件交付流程自动化能力的提高，我们相信在 Serverless 架构下，企业的敏捷性有 10 倍提升的潜力。本次分享我主要分为以下四个方面：
一、DevOps的挑战以及如何降低 DevOps 实施代价？
二、为什么 Serverless 是云发展的必然结果？
三、Serverless+DevOps =？
四、实战案例分享
这里对比一下采用云托管的应用和采用 Serverless 的应用最本质的差异在哪里。对于应用而言，可以将其构建模式拆分为三层，分别是底层基础设施管理、中间的外部服务集成和上层的应用逻辑。
当 Serverless 和 DevOps 结合之后，能够大大提升研发效能，一方面大大降低了开发团队的心智负担；另外一方面，通过工具使得整个 DevOps 流水线能够实现高度自动化。
对于分支，我们会持续更新和保留最新版本的索引数据；对于代码评审，我们会构建源分支的每次Push版本和源目标分支的merge-base版本的索引。
单元化架构的总设计师是老毕，因为我们这块业务跟单元化的架构是非常相关的，所以要对它完成的掌握和吃透才能往下走。
解决问题是制定问题的实施路径和解决方案，协同团队和上下游，推进问题的解决。架构要解决的问题一定不是一个局部问题，一定是一个全局问题。架构师一定会碰到各种各样的角色和链路，他要有这个能力去定义问题的解决方案和实施路径，同时要协同团队。他不能闷头做事，真的要抬头，并且是要有良好的沟通能力，跟所有的同学达成共识才能往前进。
