应用案例

Roblox 的平台团队利用 Milvus 支持各种内部用例，其中最重要的是头像搜索。它利用 Milvus 的向量搜索能力高效地将用户与头像选项匹配，从而增强了平台上的自定义和用户体验。

Salesforce 的平台团队使用 Milvus 支持广泛的内部用例，服务于 100 多个具有不同应用和不同服务级别的租户，利用 Milvus 的向量搜索技术增强其庞大生态系统中的功能和性能。

Otter.ai 利用 Milvus 进行检索增强生成（RAG），通过从会议记录中高效地查找和引用相关信息来增强问答功能，从而可以直接从录制的讨论中获取关键见解和答案。

Palo Alto Networks 利用 Milvus 进行欺诈检测，运用其向量搜索能力分析和识别欺诈活动的模式，从而增强其网络和服务的安全性和完整性。

Poshmark 利用 Milvus 进行产品推荐，运用向量搜索分析用户行为和偏好，高效地将买家与相关时尚单品匹配，从而个性化并增强购物体验。

Chegg 利用 Milvus 存储文档块和嵌入向量，以增强文档搜索能力，为 chegg.com 上的家庭作业帮助聊天功能提供支持，从而简化对教育资源和协助的访问。

Shell 将 Milvus 用于多种应用，主要侧重于检索增强生成（RAG）上下文中的文档搜索，利用 Milvus 的向量搜索技术增强其庞大企业知识库中文档的可访问性和检索能力。

Compass 利用 Milvus 对楼层平面图进行向量化以实现自定义搜索，从而实现超越传统关键词匹配的房屋搜索，并通过高级空间和基于特征的查询增强了房产发现过程。

AT&T 利用 Milvus 进行文档搜索，运用其向量搜索能力为客户获取最相关的语义结果，显著提高了信息检索的准确性和效率。

Tokopedia 通过采用 Milvus 进行向量相似性搜索来升级其产品搜索和排名，增强了语义理解和效率，优于 Elasticsearch，从而实现了更智能、稳定可靠的广告服务，并显著提高了点击率和转化率。

Mozat 利用 Milvus 构建了 Stylepedia 的图像搜索系统，利用其在数十亿数据集上进行实时、大规模向量相似性搜索的能力，用于服装检测、特征提取和精细的后处理，通过搜索类似服装、服装建议和个性化时尚推荐等功能增强用户体验。

Line 利用 Milvus 为其用户生成内容（UGC）推荐引擎提供支持，通过先进的向量搜索技术，根据用户现有偏好提供个性化的新闻和音乐建议。

SmartNews 利用 Milvus 的高吞吐量、低延迟向量相似性搜索能力，高效地实时将用户与相关广告匹配，显著提高了广告推荐性能和可扩展性。

Farfetch 利用 Milvus 作为向量数据库支持其用于个性化购物的对话式 AI iFetch，通过机器学习生成的商品嵌入向量实现实时、准确的商品推荐。

Walmart 在多个用例中应用 Milvus，其平台团队利用向量数据库支持各种内部应用，包括通过先进的向量搜索技术高效地将消费者查询与相关商品列表匹配，从而增强产品搜索能力。

IKEA 利用 Milvus 进行产品推荐，运用向量搜索技术分析客户偏好并将其与最相关的产品匹配，通过个性化建议增强购物体验。

HumanSignal，前身为 Heartex，是领先的 AI 数据标注解决方案提供商，以其开源平台 Label Studio 闻名。它将 Milvus 集成到其 Label Studio 平台中，以增强数据发现和标注流程。Milvus 对各种索引算法的支持提高了语义搜索效率，使用户能够快速识别相关的数据子集。此集成部署在 AWS 的 Elastic Kubernetes Service (EKS) 上，确保了可扩展和可靠的数据管理，显著提高了模型准确性和开发速度。

Omers 的数据科学/数据工程团队正在利用 Milvus 创建金融文档的语义搜索解决方案， harnessing Milvus 的向量数据库能力可以高效地索引和查询复杂的金融数据，以改进洞察和检索。

ZipRecruiter 利用 Milvus 将候选人和招聘机会嵌入同一向量空间，以增强招聘流程，实现求职者与相关职位之间高效、准确的匹配。

Grab 利用 Milvus 开发其餐饮推荐系统，运用向量搜索分析客户偏好并将其与相关餐饮选择匹配，通过个性化建议增强用户体验。

Shutterstock 通过利用 Milvus 增强其“以图搜图”功能，实现了反向图像搜索功能，高效地将用户上传的图像与他们庞大数字资产库中的相似内容匹配。

Zigram 利用 Milvus 通过将实时交易与已知欺诈活动数据库进行比较来检测欺诈，运用向量搜索技术快速准确地识别潜在欺诈，从而增强其运营的安全性和信任度。

VerSe 利用 Milvus 增强其短视频推荐引擎，通过运用向量搜索将观看者偏好与相关视频内容对齐，从而通过个性化内容建议提高用户参与度。

Bosch 使用 Towhee 和 Milvus 通过检测图像中的缺陷来增强其制造过程，利用 Towhee 数据处理和 Milvus 向量搜索能力的结合力量来改进质量控制。

VIPShop 利用 Milvus 构建其推荐系统，将产品特征和用户行为转换为向量嵌入，以实现快速、准确的相似性搜索，通过分布式部署和多语言 SDK 等功能优于传统解决方案。

Shopee 利用 Milvus 增强其实时搜索能力，特别是在视频召回、版权匹配和视频去重系统中，利用 Milvus 处理数十亿向量和随数据量扩展的能力，从而改善用户体验并维护内容完整性。

PayPal 利用 Milvus 处理大规模数据和 AI 用例，因其出色的性能和可扩展性而开始使用，最初是一个推荐系统，并扩展到多语言客户服务聊天机器人。

Airbnb 利用 Milvus 构建其文本到图像搜索功能，使用户可以通过描述他们想要的特征来查找出租房源，例如“森林附近的现代主义建筑”，通过高效的向量搜索能力将描述性文本与相关的房产图片匹配。

Credal AI 在 Amazon EKS 上部署了 Milvus，为 GenAI 驱动的工作流提供语义搜索能力，支持在各种托管环境（包括云和本地部署）中对大型数据集进行可扩展的实时处理。

Landing AI 由吴恩达创立，是视觉 AI 解决方案领域的先驱，致力于赋能各行业充分发挥视觉数据的潜力。通过利用 Milvus 进行基于图像的对象检测，Landing AI 增强了半导体制造中的质量控制，特别是检测芯片生产过程中的消毒情况。该平台使用特定领域的 Large Vision Models (LVMs) 和 Large Multimodal Models (LMMs)，确保 AI 驱动的检测具有高准确性和一致性，将概念验证的 AI 项目转化为可用于生产的解决方案。

TrendMicro 采用 Milvus 作为可扩展、灵活的向量搜索引擎，克服了 MySQL 和 Faiss 的限制，通过其先进的集成能力、直观的 API 和强大的监控功能增强了 APK 安全分析，提高了查询性能和系统可扩展性。

搜狐利用 Milvus 进行语义搜索，优化新闻推荐和分类，提升用户体验和内容相关性。

Bigo 利用 Milvus 高效的视频去重系统，能够对其海量视频内容进行快速相似性搜索和高召回率，通过利用 Milvus 处理和索引大规模向量数据的能力，显著提高了查询吞吐量和运营效率。

Deepset 将 Milvus 集成到他们的 Haystack 框架中，以增强语义搜索能力。Milvus 提高了数据索引和相似性搜索效率，支持动态数据管理并与多个 Approximate Nearest Neighbours 库集成。

欧洲专利局利用 Milvus 进行专利搜索，利用其向量搜索能力高效地将查询与相关专利匹配，提高了专利检索和分析的准确性和速度。

Zomato 利用 Milvus 实现其餐厅搜索功能，运用向量搜索分析并将用户查询与最相关的餐饮选择匹配，从而增强用户寻找特定餐厅体验的发现过程。