在最近于纽约市举行的AWS峰会上，AWS宣布了Amazon S3 Vectors的预览版，声称这是首个支持存储大型向量数据集的云对象存储。新选项提供了亚秒级的查询性能，与传统向量数据库相比，降低了存储AI数据的成本。

S3向量引入了向量桶的概念，这是一种新的桶类型，具有一套专用的API，与现有的S3标准桶不同。S3表。Channy Yun，AWS的首席开发者倡导者，解释道：

通过S3 Vectors，您现在可以经济地存储代表大量非结构化数据（如图像、视频、文档和音频文件）的向量嵌入，从而支持可扩展的生成式AI应用，包括语义和相似性搜索、RAG和构建代理记忆。

一旦创建了S3向量桶，开发者可以在向量索引中组织向量数据，并对数据集运行相似性搜索查询。根据文档，每个向量桶最多可以有10,000个向量索引，每个向量索引可以容纳数千万个向量。

开发者可以将元数据作为键值对附加到向量上，默认情况下所有元数据都是可过滤的，向量索引支持字符串、数字、布尔和列表类型。

作为一个独立的解决方案，S3 Vectors专为查询不频繁的工作负载而设计。为了在AWS上构建RAG应用，S3 Vectors与Bedrock知识库和OpenSearch集成。Yun补充道：

通过与Amazon OpenSearch Service的集成，您可以通过将不常查询的向量保存在S3 Vectors中来降低存储成本，然后在需求增加时快速将它们移动到OpenSearch，以支持实时、低延迟的搜索操作。

Andrew Warfield，亚马逊的副总裁兼杰出工程师，在LinkedIn上澄清了目标：

对于S3团队来说，这是一个激动人心的时刻，因为我们正在积极观察S3上的工作负载变化。S3 Vectors的成本远低于传统的向量存储。至少目前，它没有提供DRAM存储中常见的高TPS和低延迟水平。我们的理由是，就像其他数据类型一样，构建者会欣赏一个高度耐用且低成本的向量基础层，并乐于在必要时将数据移到更高性能和功能更丰富的层。

为了简化在S3 Vectors中处理向量嵌入的过程，云提供商发布了S3 Vectors Embed CLI库，这是一个独立的命令行工具，用于在S3上创建、存储和查询向量嵌入。还提供了一个使用Python SDK的教程“S3 Vectors入门”。

在一个热门的Reddit帖子中，大多数开发者对这一新功能表示赞赏，Travis Cunningham写道：

这一举措将每个S3桶变成了一个迷你向量存储，增加了亚马逊已经摊销的硬件的利润，并关闭了试图分流AI工作负载的竞争对手的大门。

在Hacker News上，用户bob1029则评论道：

我仍然认为大多数人想要的是传统的全文搜索，而不是在LLM后面再加一层黑箱怪异。您已经有一个具有强大语义理解的模型。为什么我们还需要文档存储也变得聪明？模型可以根据其对上下文的理解，将多个OR子句投射到搜索词中。

在另一项公告中，Amazon S3元数据为桶中的所有对象引入了实时库存表。一个托管的Apache Iceberg表提供了桶中对象及其元数据的完整和当前快照，包括现有对象。

泄露在会议前几天意外泄露，S3 Vectors目前在包括北弗吉尼亚、俄亥俄和欧洲法兰克福在内的部分地区预览。