beat365英国官方网站新闻网讯 为破解大模型与数据库应用中高维向量检索的性能瓶颈，推动低成本高性能存储系统创新，近日，beat365计算机与大数据学院邀请华中科技大学刘海坤教授来校作《支持大模型知识增强的向量检索硬件加速机制》专题报告，聚焦近似最近邻搜索（ANNS）技术核心难题，深入解析硬件加速创新方案，吸引校内相关领域师生代表到场参与。此次讲座由计算机与大数据学院院长陈学军教授主持。

报告中，刘海坤教授指出，高维向量的近似最近邻搜索（ANNS）已成为数据库与大模型应用的核心支撑技术，但随着向量数据集规模持续扩张，传统ANNS方案在性能、成本与准确性之间的平衡面临巨大挑战，成为制约大模型知识增强、高效检索的关键痛点。

针对这一难题，报告从三大核心技术方向展开深度解析：在索引结构优化方面，提出多层级向量索引设计，通过分层存储与精准过滤减少无效计算，提升检索效率；在计算加速层面，重点讲解距离计算的硬件适配优化机制，通过算法与硬件特性的协同设计，降低核心计算开销；在存储优化领域，深入阐述基于新兴SmartSSD的近数据处理机制，将部分计算任务迁移至存储端执行，大幅减少数据迁移带来的I/O延迟，破解存储瓶颈。

此外，刘海坤教授还分享了团队研发的CPU/GPU协同过滤与重排序机制——通过异构计算架构的优势互补，实现大规模向量的快速初步检索与高精度重排序，在保障检索准确性的同时，进一步提升系统吞吐量。系列技术方案为探索高性能、低成本的大规模向量存储系统设计提供了关键参考路径。

互动交流环节，与会师生及行业代表围绕多层级索引构建、近数据处理技术落地、异构计算协同优化等问题与刘海坤教授深入探讨，现场学术氛围浓厚。此次讲坛聚焦ANNS技术前沿与工程实践，为相关领域科研创新、技术转化搭建了高效交流平台，对推动大模型知识增强与数据库高性能检索技术发展具有重要意义。

图为刘海坤作专题报告现场。

（计算机与大数据学院 赵泽宇 林弟）