2026年6月11日，Qdrant在旧金山举办了首届Vector Space Day，吸引了350多名开发者和研究人员。活动包括主题演讲和技术讨论，重点探讨向量搜索引擎的应用与发展，并举办了黑客松和创新奖项颁发，促进了社区交流。

TurboQuant是谷歌推出的一种新算法套件，旨在高效压缩大型语言模型和向量搜索引擎，且不损失准确性。它采用两阶段压缩过程：PolarQuant和QJL，显著降低缓存内存消耗至3位。PolarQuant通过极坐标系统简化数据几何，消除内存开销，而QJL去除潜在偏差，确保高精度的注意力分数。TurboQuant提供了高效的KV缓存压缩解决方案。

Qdrant Edge是一个轻量级的嵌入式向量搜索引擎，专为边缘设备设计，满足低延迟和资源限制的需求。它支持机器人、移动设备和物联网的实时推理与决策，提供同步搜索和索引功能，适合无网络环境下的AI应用。

客户可以通过AWS Marketplace轻松获取Qdrant的向量搜索引擎，帮助构建具有长期记忆和实时上下文检索的企业AI代理，提升决策能力，推动AI创新，简化采购流程。

企业面临大量非结构化数据，AI应用如向量搜索引擎可提升数据处理效率。新功能支持数十亿向量，成本降低7倍，索引速度提升20倍，并提供SQL样式过滤，便于开发和管理。

Qdrant更新了基准测试，比较了其与其他向量搜索引擎的性能，所有引擎均有显著提升，某些情况下性能提高近四倍。新数据集包含100万个OpenAI嵌入，基准测试区分延迟和每秒请求数，以更准确评估性能。Qdrant坚持开放源代码，确保基准测试对所有人可用，专注于向量数据库的实际应用。

生产向量搜索引擎面临内存和延迟挑战，量化技术通过压缩向量表示来解决。主要有三种量化方法：标量量化保持高准确率并提供4倍内存压缩；二进制量化实现32倍压缩，但对模型要求高；产品量化适用于极端压缩，但准确性较低。Qdrant的双存储架构优化内存使用和搜索效率。

Qdrant成功筹集5000万美元，以继续开发满足人工智能需求的向量搜索引擎，服务于电子商务、法律科技、医疗等多个行业。

Qdrant公司筹集了5000万美元，以继续开发满足人工智能需求的向量搜索引擎，服务于电子商务、法律科技和医疗等行业。

我们筹集了5000万美元，以继续开发满足人工智能需求的向量搜索引擎，该引擎可应用于推荐系统、高级搜索、数据分析和异常检测等领域。

Qdrant是一个向量搜索引擎，支持语义搜索和词汇搜索。语义搜索关注文本意义，通过将文本转换为向量实现；词汇搜索则基于关键词匹配。Qdrant结合这两种方式，适用于电子商务和文献检索等多种场景，用户可通过配置向量和过滤条件来优化搜索体验。