为企业提供先进的视觉搜索解决方案，并将自己定位为企业数据的“谷歌镜头”。他们的技术支持各种用例，例如在大型零售商和机械制造公司网站上进行视觉搜索，这些用例需要对备件进行视觉识别。其主要目标是尽快识别产品目录中的商品或备件。凭借强大的电商基础和近十年的矢量搜索经验，Nyris 始终处于视觉搜索创新的前沿。
除了视觉搜索，Nyris 还提供合成数据解决方案，尤其面向 觉搜索的未来 制造业和工程行业。这些行业的客户通常缺乏足够的零件照片，无法有效地利用视觉搜索。然而，他们拥有产品的 CAD 文件。Nyris 可以根据这些 CAD 文件生成合成图像，从而无需数据库中存储实际产品照片即可进行视觉搜索。
宜家、Trumpf（精密激光制造商）和 DMG Mori 等知名客户依靠 Nyris 支持其现场工程师维护零件。
克服视觉产品搜索的局限性
在亚马逊工作期间，卢卡森观察到，像谷歌 购买电话号码列表 这样的搜索引擎在产品搜索方面的表现往往优于亚马逊的搜索能力。他意识到电子商务和备件管理等行业需要更精准的搜索解决方案，并发现了一个显著的差距：传统的基于关键词的搜索经常失效，尤其是在现场工程师难以用关键词准确描述零件的情况下。视觉搜索提供了一种解决方案，它利用图像提供更快、更准确的结果，图像比基于文本的查询包含的信息量要多得多。
在寻求完美的视觉搜索提供商的过程中，Nyris 最终决定开发自己的解决方案。
基于矢量的视觉搜索之路
2015年，团队最初探索了基于键值SIFT（尺度不变特征变换）的传统搜索算法，用于定位图像中的特定元素。然而，他们很快意识到这些方法既不精确，又不可靠。为了解决这个问题，Nyris 开始尝试使用首个卷积神经网络 (CNN) 来提取向量搜索的嵌入向量。
在向量搜索的早期，可用的解决方 她总是在寻找 案寥寥无几。Nyris 最初开发了自己的向量搜索解决方案，但后来过渡到 SingleStore。当时，SingleStore 是唯一能够提供高效、快速、大规模 觉搜索的未来 暴力向量搜索的解决方案。随着 Nyris 数据的增长，快速扩展的需求变得愈发明显。他们发现，许多标准的数据库功能（例如实时分析和原子性）对于他们的特定需求而言并无必要。相反，Nyris 需要的是一个专注于快速高效的向量搜索功能的解决方案，以及能够提升客户搜索体验的功能。
随着纯粹的原生矢量搜索引擎 比利时商业指南 的出现，Nyris 进行了广泛的研究和基准测试。最终，他们选择了 Qdrant 作为其首选矢量搜索引擎。Qdrant 以其准确性、速度和高效处理大型数据集的能力脱颖而出，满足了 Nyris 对强大且可扩展的矢量搜索解决方案的所有要求。
选择过程 作为选择过程的一部分
Nyris 评估了几个关键因素，以确保他们选择最佳的矢量搜索引擎解决方案：
准确性和速度：这些是主要考虑因素。Nyris 需要了解基于HNSW图的方法与暴力搜索之间的性能差异。特别是，他们研究了一些需要大量筛选条件的极端情况，有时甚至需要切换到暴力搜索。即使在这些情况下，Qdrant 也展现出令人印象深刻的速度和可靠性，满足了 Nyris 严格的性能要求。
插入速度：Nyris 评估了数据插入数据库的速度，包括同时进行数据提取和查询请求时的性能。Qdrant 在这方面表现出色，为其运营提供了必要的效率。
总体拥有成本：Nyris 分析了每种解决方案相关的基础设施成本和许可费用。Qdrant 提供了极具竞争力的总体拥有成本，使其成为经济可行的选择。
数据主权：在自己的集群中部署 Qdrant 的能力是 Nyris 的一个关键方面，确保他们保持对数据的控制并遵守相关的数据主权要求。
专用矢量搜索引
正如 Lukasson 所强调的，Qdrant 的一大关键优势 觉搜索的未来 在于它作为专用的原生矢量搜索引擎的专业化。“Qdrant 专为矢量搜索而构建，可以更快地引入相关功能，例如量化、8 位整数支持和 32 位浮点数重新评分。这些改进使搜索更加精准、经济高效，同时又不牺牲准确性——这正是 Nyris 所需要的，”Lukasson 说道。“在优化搜索准确性和速度时，绝不妥协。正如你不会用卡车参加一级方程式赛车一样，我们需要一个专为矢量搜索设计的解决方案，而不仅仅是一个附加矢量搜索功能的通用数据库。随着 Qdrant 的每次发布，我们都会获得新的定制功能，这些功能可以直接增强我们的用例。”
Qdrant 在生产中的主要优势
Nyris 发现 Qdrant 的几个方面在其生产环境中特别有益：
使用 JWT 增强安全性：JSON Web 令牌提供增强的安全性和性能，这对于保护其数据至关重要。
无缝可扩展性：Qdrant 能够轻松地跨节点扩展，即使 Nyris 的数据量不断增长，也能确保始终如一的高性能。
灵活的搜索选项：基于图形和强力搜索方法的可用性为 Nyris 提供了灵活性，可以根据特定的用例要求定制搜索方法。
多功能数据处理：Qdrant 对数据类型和向量大小几乎没有任何限制，允许 Nyris 有效地管理多样化和复杂的数据集。
使用 Rust 构建：使用Rust可确保卓越的性能和面向未来性，而其开源特性允许 Nyris 根据需要检查和定制代码。
经济高效的高性能搜索：Qdrant 高效的搜索功能确保 Nyris 能够以合理的成本保持高性能。借助 Qdrant，Nyris 能够高效地搜索海量数据集，使其成为其技术堆栈的重要组成部分。
通过在其 Kubernetes 集群中的 Google Cloud 上托管 Qdrant，Nyris 受益于其苛刻的操作所必需的可扩展性和可靠性，确保了强大而高效的视觉搜索解决方案。
为什么纯向量搜索是产品搜索的未来
Nyris 的愿景是在几毫秒内识别出每一个产品和备件，而 Qdrant 在其中扮演着不可或缺的角色。展望产品搜索的未来，Lukasson 坚信矢量表示将是提升搜索能力的关键。与关键词搜索不同，矢量搜索可以无缝集成各种模态，例如文本、图像以及深度或音频。这种整体方法将彻底改变产品和备件搜索，实现单一矢量表示，涵盖产品的文本、视觉和几何描述。
“虽然像 BM25 这样的传统算法速度快、成本低，在搜索领域仍然占有一席之地，但向量搜索将在未来几年取代它们，”Lukasson 说道。“目前，文本搜索、视觉搜索和其他搜索方式各有不同，但我们设想未来将有一个统一的向量表示，涵盖所有相关的商品数据。无论您使用什么输入进行查询，搜索结果都将是准确的。滚动浏览数千条结果或遇到“无结果”页面的日子即将结束。每个搜索请求都将在几毫秒内提供正确的产品或备件。”