AI向量搜索新纪元：KIOXIA AiSAQ™如何用SSD颠覆DRAM瓶颈？

阅读收获

• 理解AI向量搜索的DRAM瓶颈：深入剖析传统RAG架构中DRAM对向量数据库扩展性的制约，以及其带来的成本挑战。
• 掌握AiSAQ™“全闪存”架构核心：了解KIOXIA AiSAQ™如何通过创新算法实现“近乎零DRAM”占用，将所有关键数据结构迁移至SSD，从而大幅降低介质成本。
• 洞察性能与规模的灵活平衡：理解AiSAQ™如何在不同AI应用场景（如RAG、在线/离线语义搜索）中，提供灵活的性能与规模调优能力，以适应多样化的业务需求。
• 认识多租户部署的经济优势：探索AiSAQ™如何通过消除冷启动延迟和实现超高租户密度，为多租户AI服务提供商带来显著的经济效益和运营效率提升。

全文概览

随着AI大模型和RAG（检索增强生成）技术的飞速发展，向量数据库已成为构建智能应用不可或缺的核心组件。然而，您是否曾被传统向量搜索架构中DRAM的容量限制和高昂成本所困扰？在追求更大规模、更高效能的AI部署时，DRAM往往成为系统扩展性的瓶颈，让许多创新构想止步于成本与性能的权衡。

KIOXIA（铠侠）推出的AiSAQ™(All-in-Storage ANNS with Product Quantization)技术，正试图打破这一僵局。它提出了一种“全闪存”的ANNS（近似最近邻搜索）解决方案，旨在将海量向量数据及其索引结构从昂贵的DRAM转移到成本更低、容量更大的SSD上。这不仅有望大幅降低AI基础设施的总体拥有成本（TCO），更将为大规模RAG和语义搜索应用开启前所未有的可扩展性。本文将深入探讨AiSAQ™如何通过创新算法，重新定义AI向量搜索的未来。

👉 划线高亮 观点批注

AiSAQ™方案的行业价值

AiSAQ™方案的行业价值

PPT的核心观点是，当前AI领域对RAG（检索增强生成）技术的需求正快速增长，这带动了对更大规模向量数据库的需求。然而，传统的RAG架构严重依赖DRAM来运行向量搜索（如HNSW算法），但DRAM的容量有限且成本高昂，这成为了实现大规模RAG的可扩展性瓶颈。

KIOXIA（铠侠）为此推出了名为AiSAQ™(All-in-Storage ANNS with Product Quantization)的解决方案。该技术的核心优势在于解除了DRAM的限制，允许RAG系统将海量的向量数据库存储在成本更低、容量更大的SSD（固态硬盘）上，并通过AiSAQ技术实现高效检索。

KIOXIA AiSAQ™ 概览

KIOXIA AiSAQ™ 概览

PPT的核心观点是对比并突显KIOXIA AiSAQ™架构的优越性。

它首先将传统的ANN实现（如HNSW）归类为“基于DRAM”的架构，其索引和向量都必须加载到昂贵的DRAM中，因此可扩展性受限。

接着，它展示了像DiskANN这样的“主要在存储中”的混合方法，这种方法将部分数据（PQ向量）保留在DRAM中，而将索引和原始向量放在存储上。

最后，KIOXIA AiSAQ™，将其定义为一种“全在存储中 (All in Storage)”的架构。AiSAQ通过其创新的算法，将包括索引、原始向量和PQ向量在内的所有关键数据结构都移到了SSD上，实现了“近乎零DRAM”的占用。

===

左侧文字内容（AiSAQ的关键特性）： 左侧通过五个要点详细描述了KIOXIA AiSAQ™的特性：

1. All-in-storage ANNS¹（全闪存ANNS¹）： 由一种“near-zero DRAM architecture”（近乎零DRAM的架构）提供支持。该架构采用多种独特算法来优化性能，同时将所有数据结构都保存在SSD上。
2. High performance（高性能）： 创新的算法优化了SSD介质上的数据结构布局，以实现 I/O² 的减少。
3. High scalability（高可扩展性）： 实现了向量数据库的经济高效扩展，不再受到DRAM成本的限制。
4. Strong supportability of multi-tenant environment（对多租户环境的强大支持能力）。
5. Open-source contribution for the development of the generative AI（为生成式AI的发展提供开源[1]贡献）。

在性能与规模之间提供灵活性

在性能与规模之间提供灵活性

传统向量数据库架构面临一个固有的“权衡”难题：追求高性能（低延迟、高吞吐）通常会限制系统的可扩展性（能处理的向量数量）；而追求大规模则往往会牺牲性能。

KIOXIA AiSAQ通过提供“灵活的设置”（Flexible setting）和“可调优”（Tunable）的能力，允许用户可以根据自己应用的具体需求，在“最大规模”和“最大吞吐量”之间找到一个“最佳平衡点”（optimal point）。

PPT的核心观点是用具体的数据和图表来证明 KIOXIA AiSAQ™ 的灵活性和可调优性。

AiSAQ并非只有一种工作模式，而是提供了一个可配置的范围，允许用户在“性能”和“规模”之间进行权衡和选择：

1. 最大性能设置： 专为“在线语义搜索”等低延迟应用优化，可实现极低的5ms P95延迟和高12,700 QPS吞吐量。
2. 最大规模设置： 专为“离线语义搜索”或超大规模部署优化，虽然延迟放宽到 <30ms，但单服务器可支持的租户规模（可理解为数据集的数量或隔离度）剧增至256,000，远超性能模式下的36,000。同时，其吞吐量可以随SSD数量线性扩展。

为RAG（检索增强生成）进行优化

为RAG（检索增强生成）进行优化

在整个RAG链条中，延迟瓶颈在于LLM的推理（几百毫秒到1秒），而不是ANNS的向量搜索（小于100毫秒）。

这意味着，对于大多数RAG应用而言，并不需要追求ANNS服务器的极限性能（如5ms的超低延迟），因为LLM的延迟要高得多。因此，RAG应用开发者可以在AiSAQ提供的灵活范围内进行调优，适当放宽ANNS的延迟要求（例如到30ms），以换取巨大（且成本更低）的系统可扩展性（规模）。

===

下方的流程图（RAG Application Pipeline - RAG应用管道）： 这张图详细分解了RAG应用的延迟构成：

1. Queries (查询)：请求的起点。
2. ANNS Server (ANNS 服务器)：执行向量搜索，输出“相似性结果 (top-k² 索引)”。此步骤的延迟 (Latency) 预估为 < 100ms (小于100毫秒)。
3. Retrieval Server(s) (检索服务器)：根据索引从数据库中抓取原始段落 (Retrieved paragraphs)。此步骤的延迟极低，< 1ms (小于1毫秒)。
4. Inference GPU Servers (推理GPU服务器)：接收检索到的段落，由LLM生成最终响应 (LLM responses)。此步骤是延迟的主要瓶颈，延迟 (Latency) 为 ~ 100s ms - 1's sec (约几百毫秒到1秒级别)。

为在线语义搜索进行优化

为在线语义搜索进行优化

在线语义搜索（如电商、Web搜索）的特点：它需要“实时响应”，因此对延迟（典型要求10ms）和并发吞吐（要求数千QPS）极其敏感。其应用管道中没有缓慢的LLM推理，使得ANNS的搜索延迟成为关键瓶颈。

KIOXIA AiSAQ™在“最大性能”模式下，可以实现：

• 在延迟方面： 5ms，是行业典型要求 (10ms) 的一半，响应速度更快。
• 在吞吐量方面：12,700 QPS，远高于“数千QPS”的行业要求，能支持更大规模的并发查询。

为离线语义搜索进行优化

为离线语义搜索进行优化

离线搜索（如企业维基、向量湖）的特点：这类应用最关心的是处理“超大规模数据集”（ultra high scale datasets）。由于用户需要花费较长时间（远超毫秒级）来阅读和分析搜索结果，因此这类应用对ANNS的搜索延迟并不敏感，100ms的延迟和数百QPS的吞吐量通常已足够。

KIOXIA AiSAQ™的“最大扩展性策略，可以实现：

• 在延迟方面：< 30 ms，远优于100ms的行业要求。
• 在吞吐量方面： > 400 QPS（单SSD），同样高于“数百QPS”的要求，并且可以随SSD数量扩展。

大规模RAG和离线搜索部署的经济性指数

大规模RAG和离线搜索部署的经济性指数

通过量化数据和架构对比，证明KIOXIA AiSAQ™在超大规模部署（如大规模RAG和离线搜索）上的巨大经济优势。

1. 竞争对手方案（如DiskANN）虽然将大部分数据放在SSD，但仍必须在昂贵的DRAM中保留PQ向量（在本例中为1.2TB）。
2. AiSAQ的“全闪存”架构通过创新算法，将PQ向量也移到了SSD上，实现了“近乎零DRAM占用”。
3. 消除这1.2TB的DRAM占用带来了巨大的成本节约。以100亿数据集为例，AiSAQ的总体介质成本（DRAM+SSD）仅为DiskANN的1/4（TLC）到1/7（QLC）。

多租户部署的优势

多租户部署的优势

PPT的核心观点是KIOXIA AiSAQ™在多租户部署场景下具有压倒性优势，主要体现在“租户密度”和“冷启动延迟”两个方面。

1. 解决了“冷启动”延迟问题： 如图所示，DiskANN这类架构受DRAM容量限制，只能将少量“活跃”租户数据（如PQ向量）放在DRAM中。当访问“冷”租户时，必须从SSD加载数据到DRAM，导致高延迟。而AiSAQ的“全闪存”架构将所有租户数据（包括PQ向量）都放在SSD上，使其“始终活跃”，彻底消除了冷启动延迟，实现了无缝的租户切换。
2. 实现了超高租户密度： 由于AiSAQ的瓶颈从昂贵且有限的DRAM（本例中8TiB）转移到了大容量的SSD组（本例中高达2,949 TB），它在同一台服务器上可支持的活跃租户数量是DiskANN的5倍以上（36,000 vs 6,800）。

总结页凝聚了整个演示文稿的核心信息。它强调 KIOXIA AiSAQ™ 是一款开源的、革命性的“全闪存”ANNS算法，其核心创新在于充分利用SSD来替代昂贵的DRAM。

这一创新带来了五大核心优势：高可扩展性、高性能、灵活的（性能/规模）平衡能力、卓越的多租户支持以及对RAG和语义搜索等关键AI应用的普适性。

基于SSD来离线处理RAG工作流的技术报道，自从AI需求爆发以后，屡见不鲜，但KIOXIA 在这篇材料里不论是性能还是容量都超越DRAM方案的实验数据，着实令人惊讶，且一定程度反常识，后续要翻一翻其开源的代码仓库，弄清楚：AiASQ 的实现原理以及和 DiskANN 的核心差异。

延伸思考

这次分享的内容就到这里了，或许以下几个问题，能够启发你更多的思考，欢迎留言，说说你的想法~

1. KIOXIA AiSAQ™的“全闪存”ANNS算法在SSD上实现高性能和高可扩展性的具体技术细节是什么？其与DiskANN等混合方案的核心差异和优势体现在哪些方面？
2. 考虑到AI算力成本和数据规模的持续增长，AiSAQ™这类“存储中心”的AI基础设施方案，将如何重塑未来的AI应用架构和商业模式？
3. 在实际部署中，如何根据不同的业务场景（如实时推荐、大规模知识库问答）精确评估和选择AiSAQ™的性能/规模平衡点，以实现最佳的TCO和用户体验？

原文标题：KIOXIA AiSAQTMTechnology[2]~All-in-storage ANNS Algorithms Optimize VectorDB Usability within a RAG System

Notice：Human's prompt, Datasets by Gemini-2.5-Pro

#FMS25 #RAG和语义搜索

---【本文完】---

👇阅读原文，独立站提前更新🚀（测试中）🧪

1. https://github.com/kioxia-jp/aisaq-diskann ↩
2. https://files.futurememorystorage.com/proceedings/2025/20250805_AIML-102-1_Sella_v1.1.pdf ↩