Stella 2.2 作为一款面向 AI 时代的数据基础设施，成功构建了“多模态数据处理—向量化与理解—多路检索—分析消费”的完整闭环。无论您的数据沉淀在 Paimon 湖表，还是存储在 StarRocks 存算分离内表中，都能通过统一的 SQL 入口，灵活组合结构化分析、全文检索、向量检索与 AI Function，全面服务于智能驾驶、具身智能、内容与商品理解、企业知识库和 RAG 等前沿应用场景。

一、AI 时代，企业需要的不是更多引擎，而是处理与分析闭环

大模型应用的深入，正将企业数据从传统的“结构化宽表”扩展到结构化、半结构化与非结构化数据共存的新格局。以智能驾驶为例，一条完整的数据记录不仅包含车辆、天气、时间、传感器等结构化字段，还关联着图片、语音、视频和文本描述；而具身智能场景则需要同时管理机器人状态、任务指令、视觉轨迹、动作序列和训练标注等多种信息。

传统的解决方案往往需要计算引擎、搜索引擎、向量数据库和模型服务协同工作：数据被复制到多套系统中，Schema 与索引需要重复维护，最终结果还得在应用层进行拼接。随着数据规模和模态的不断增加，链路成本、数据一致性与在线稳定性都将成为难以逾越的瓶颈。

Stella 2.2 的目标，正是用一份数据和一套统一的 SQL 入口，完成两大核心工作：

• 多模态处理：通过 AI Function 对文本、图片、音频、视频进行理解、抽取、分类、摘要和向量化；
• 多模态检索：在存算分离内表与 Paimon 湖表上，组合结构化条件、全文与向量检索，直接服务于数据分析、样本圈选、RAG 与 Agent 应用。

二、Stella 演进：从正式发布、性能领先到多模态闭环

Stella 2.2 并非简单地增加一项搜索能力，而是将 AI 数据加工与数据检索重新整合到同一个分析系统中：处理结果可以进入内表，也可以通过 Native Writer 写入 Paimon；随后，系统可直接运用结构化、全文和向量检索能力，完成高效的分析与查询。

三、关键特性一：多模态处理——AI Function

Stella 2.2 将模型能力封装为标准的 SQL Function。用户无需额外编排 Python 服务，即可在查询、筛选、聚合和写入的 SQL 中，直接调用模型，极大简化了开发流程。

3.1 覆盖文本理解、生成、向量化与多模态输入

• 理解与治理：ai_sentiment、ai_classify、ai_extract、ai_filter、ai_redact；
• 生成与转换：ai_complete、ai_translate、ai_summarize、ai_fix_grammar；
• 语义计算：ai_similarity、ai_embed；
• 多模态处理：ai_complete 支持文本、图片、视频、音频输入，ai_embed_multimodal 支持将多模态内容映射到统一的向量空间；
• 跨行汇总：ai_agg、ai_agg_summary 支持按业务分组，完成自然语言归纳。

AI Function 既可以作用于存算分离内表，也能够直接处理 Paimon 表中的 VARCHAR、VARBINARY / BLOB descriptor 或对象 URL。在执行侧，系统提供了模型能力路由、批处理、并发与 QPS 控制、Token 用量统计和错误处理等能力，为生产环境中的模型调用提供了统一的治理入口。

3.2 数据流示例：智驾场景自动理解与标注

Paimon/内表中的路采数据  ├─ 结构化字段：车型、天气、时间、传感器值  └─ 多模态对象：图片、视频、音频、文本描述↓AI Function  ├─ ai_complete / ai_extract：场景理解与结构化抽取  ├─ ai_classify / ai_filter：危险场景分类与语义筛选  └─ ai_embed_multimodal：生成统一向量↓结构化标签 + 文本描述 + Embedding↓写入存算分离内表，或通过 Native Writer 写入 Paimon↓进入样本圈选、训练数据治理、RAG/Agent 与 BI 分析

一条 SQL 即可将“理解—抽取—向量化—落表”的整个流程串联起来，数据处理结果与原始业务字段保持在同一个表语义中，实现了数据流的无缝衔接。

四、关键特性二：多模态检索——内表与 Paimon 两条数据链路

Stella 2.2 同时覆盖了存算分离内表和 Paimon 湖表。两者面向不同的数据组织方式，但共享统一的 SQL 入口，混合检索能力被直接编排进业务数据流，无需将结果拉到应用层再次拼接。

4.1 存算分离内表：在线分析与多模态检索一体化

存算分离内表支持向量索引在共享存储上的构建、持久化、读取和回收，支持 HNSW / IVF 系列索引以及余弦相似度、内积、L2 距离等多种距离度量。同时，它还能结合内表的全文/倒排索引和普通 SQL 谓词，完成结构化、关键词和语义相似度的联合检索。

向量索引文件随 Lake Tablet 元数据统一管理，支持异步构建、精确的 Vacuum 跟踪，并在索引文件缺失时自动回退到暴力距离计算，从而兼顾了性能与可用性。查询侧支持参数化向量输入与 Profile 指标，便于接入在线应用并持续进行性能调优。

数据流示例：具身智能轨迹检索

机器人轨迹、任务指令、视觉特征与动作标签↓  写入存算分离内表结构化列 + 文本列/倒排索引 + 向量列/HNSW(IVF)↓  单条 SQL 统一编排任务/时间/设备过滤 + 关键词召回 + ANN 相似轨迹召回↓Top-K 候选轨迹与原始业务字段↓训练样本选择、失败轨迹复盘、相似任务推荐与在线分析

4.2 Paimon 湖表：面向多模态数据湖的原生检索与读写闭环

Paimon Global Index 将湖表上的多路索引统一到分布式执行框架中：

• 向量检索：支持 ANN Top-N，覆盖余弦相似度、内积和 L2 距离；
• 全文检索：支持 Tantivy 全文索引与 score() Top-N；
• 结构化过滤：BTree、Bitmap 索引可作为前置过滤条件；
• 缓存与可观测：Global Index 接入 DataCache，提供元数据缓存、行标量缓存与 Profile 指标；
• 多模态数据承载：可读取 Paimon BLOB / BLOB descriptor，将图片、音频、视频、文档及其结构化元数据、文本描述和向量组织在同一湖表中；
• Native 读写：Paimon-cpp Native Reader 作为读取兜底路径，Native Writer 支持数据写入、固定 Bucket 路由与提交错误传播，形成处理结果写回湖表的完整闭环。

数据流示例：智驾多模态样本圈选

OSS + Paimon  ├─ BLOB/descriptor：图片、视频、音频、文档  ├─ 结构化字段：车辆、天气、时间、标注  ├─ 文本字段：场景描述、工单与模型生成摘要  └─ 向量字段：图片/视频/文本 Embedding↓Global Index + Native Reader  ├─ BTree/Bitmap：结构化候选过滤  ├─ Tantivy/BM25：关键词与全文召回  └─ ANN：跨模态语义相似召回↓  SQL 中组合多路条件与 Top-N训练样本集 / 数据质量分析 / RAG / Agent↓AI Function 继续加工 → Native Writer 写回 Paimon

这条链路的核心思路是“多模态数据在湖，处理与检索在 Stella”：既保留了 Paimon 的开放湖格式与低成本存储优势，又避免了将多模态检索拆分成多套独立系统所带来的复杂性和维护成本。

五、典型场景

智能驾驶：多模态训练数据圈选

按车型、天气、时段等结构化条件进行筛选，再组合场景描述的全文召回和图片/视频的向量相似度，快速定位长尾场景；AI Function 可继续完成场景分类、标签抽取与描述生成等后续工作。

具身智能：轨迹理解与相似任务检索

将任务指令、环境视觉、动作序列和运行指标统一组织，检索相似轨迹并结合结构化指标定位失败原因，为训练集构建、模型评测和在线决策提供坚实的数据基础。

内容、电商与广告：跨模态素材打标和检索

支持文搜图、图搜图、图搜文、视频搜文等丰富的跨模态检索方式，并可组合类目、时间、品牌、审核状态等条件，全方位服务商品理解、素材推荐、版权审核与内容运营等业务。

企业知识库与 RAG

对文档、图片、音视频和结构化业务数据进行抽取、摘要与向量化处理，通过全文、向量以及权限/业务条件的联合检索，为 RAG 与 Agent 应用提供更完整、丰富的上下文信息。

六、产品功能发布清单

6.1 湖表多模态检索

• Paimon Global Index 支持 ANN 向量 Top-N、Tantivy FTS score() Top-N，以及 BTree / Bitmap 前置过滤；
• 支持带得分的 Global Index 查询，ANN 候选数量与搜索参数可配置，并修正了不同距离度量的排序方向；
• Global Index 接入 DataCache，新增 Catalog 元数据缓存、行标量缓存、索引 Profile 指标；
• 支持读取 Paimon BLOB 与 BLOB descriptor，Paimon-cpp Native Reader 作为 Split 读取的兜底路径；
• Paimon Native Writer 支持写入与固定 Bucket Shuffle，新增 paimon_bucket()，完善了 TIMESTAMP / TIMESTAMP_LTZ 精度写入和提交失败传播；
• 支持 Paimon TRUNCATE TABLE，并优化了非 Metastore 分区表的分区枚举开销。

6.2 存算分离内表多模态检索

• 支持在存算分离模式下构建、写入和读取向量索引；
• 向量索引文件纳入 Lake Tablet 元数据，并支持精确的 Vacuum 跟踪；
• 支持异步向量索引构建，并在索引文件缺失时自动回退到暴力距离计算；
• 支持余弦相似度、内积、L2 距离及参数化向量查询；
• 可将向量检索与内表的全文/倒排索引、结构化 SQL 谓词组合，形成统一的多路检索流程；
• 新增向量检索 Profile 指标，便于定位召回与执行性能。

6.3 AI Function

• 文本理解与治理：ai_sentiment、ai_classify、ai_extract、ai_filter、ai_redact；
• 文本生成与转换：ai_complete、ai_translate、ai_summarize、ai_fix_grammar；
• 语义与向量：ai_similarity、ai_embed、ai_embed_multimodal；
• 分组汇总：ai_agg、ai_agg_summary；
• ai_complete 支持文本、图片、视频、音频与多内容组合，ai_embed_multimodal 支持 URL、图片二进制及多内容输入；
• 支持 OpenAI-compatible 与 DashScope Native 能力路由，并提供了微批处理、限流、Token 统计与错误治理等能力。

6.4 功能、性能与稳定性优化

• Paimon Global Index：修复了 OR 结果聚合、索引分片范围、ANN 参数顺序和度量排序方向等问题；
• Paimon I/O：异步读取线程安全优化，元数据与数据缓存优化，减少了重复的远端访问；
• Paimon 类型兼容：完善了 INT96、TIMESTAMP、TIMESTAMP_LTZ 与无时区时间戳的处理；
• Paimon 写入稳定性：固定 Bucket 路由、提交失败透传与 Native Writer 上下文统一；
• Fluss：优化了谓词下推、分区裁剪和分区信息复用，并支持无 Lake Snapshot 的 Fluss-only 表读取；
• 查询稳定性：修复了 Join 重排列裁剪、聚合下推后空 Analytic、Lambda 参数 ID 冲突与 INSERT OVERWRITE 重规划等问题；
• 系统稳定性：增加了 MySQL 结果发送写超时、AutoVacuum 事务清理防抖和按 Warehouse 的慢查询指标。

七、总结

Stella 1.0 让 Serverless StarRocks 正式进入生产环境，Stella 2.0 凭借 TPC-H 第一的成绩和 ETL Production Ready 能力，建立了强大的性能与工程基础。Stella 2.2 则更进一步，成功将数据处理、模型调用、多模态检索和分析消费连接成一个完整的闭环。

对于用户而言，核心价值并非增加一套专用的检索系统，而是在现有湖仓数据之上，直接获得强大的 AI Function 与多模态检索能力：Paimon 湖表适合构建开放、低成本的多模态数据湖，存算分离内表则更适用于在线分析与检索场景。这两条路径均由 Stella 的统一 SQL、Serverless 计算和可观测体系提供坚实支撑。