AI Infra：Onehouse Vector Embeddings Generator，让传统数据库获得向量化能力
https://www.onehouse.ai/blog/onehouse-launches-vector-embeddings-generator
一、产品定位
Onehouse 的 Embedding Generator 让传统数据湖（Hudi / Iceberg / Delta）在不改架构、不改数据模型的情况下，天然获得“向量化能力”，并且把向量当作一等公民数据进行管理
企业在 数据摄取（Ingest）或处理（ETL/ELT）阶段即自动生成向量嵌入（Embeddings），并直接落盘到 Lakehouse（Hudi/XTable）
适用于：有大规模文本/文档/日志数据的企业，需要批量/增量生成向量，用于 RAG、搜索、推荐或模型重训练
二、核心功能
- 向量自动生成（Batch + Streaming）：在 Ingest 或 ETL 中直接为某列生成向量
- 模型可配置：支持 OpenAI、Voyage AI，并允许扩展自定义模型
- 直接落盘 Lakehouse：向量与原始数据同表管理，具备版本、CDC、事务一致性
- 增量更新（Freshness）：支持更新触发 embedding 重算，仅处理变化部分
- 向量 DB 桥接（Reverse ETL）：按需同步到 Pinecone/Milvus 用于在线检索
- UI + Pipeline 双通道配置：易上手，也能工程化自动化
三、不受架构影响，无需改动表结构设计理念
传统的数据湖本质是面向批处理的表格式数据存储，不包含向量列的概念。
Onehouse 直接在 ingest/ETL 层加入 embedding pipeline，将向量以 新增列 或 旁路列（sidecar columns） 写回到原表，而无需：
- 迁移到新数据库
- 重建 schema
- 引入新的向量数据基础设施
这样可以让任何现有表都能瞬间具备向量列。
四、Onehouse 到底做了什么
Onehouse 把“生成向量”变成数据湖体系内的一个“标准数据操作”，包括：
| 能力 | 传统数据湖 | 加上 Onehouse 之后 |
|---|---|---|
| Embedding 生成 | 不原生支持 | 自动生成（批 + 增量） |
| 向量存储 | 可以存，但难管控 | 事务级存储，版本化管理 |
| 模型调用 | 没能力 | 统一模型管理（OpenAI/Voyage/自定义） |
| 向量同步（在线） | 外部开发 | 自动向量 DB reverse-ETL |
| Embedding Freshness | 需自建 pipeline | CDC / Incremental 自动触发 |
本质上，Onehouse 让 embedding 变成“Data Pipeline 内原生存在的衍生列”，向量成为一种“Lake-native Feature”
这意味着：
- 任何下游分析、AI pipeline 都能直接读取向量
- Lakehouse 成为 RAG/Embedding 的“系统真相源”（source of truth）
- 向量 DB 只变成加速层（Serving Layer）而不是核心存储
这是一个架构范式转变。不需要引入新的数据库、不需要重建架构、不需要工程团队重写 pipeline。**
—