小红书提出HELMSMAN向量检索系统，硬件成本节省超90%

OmniTools 7月23日消息，小红书引擎架构团队在OSDI 2026会议上提出HELMSMAN——一种面向全闪存服务器的高性能向量近似最近邻搜索系统。

该系统采用聚类式索引、定制化存储栈和分层学习式搜索剪枝技术，仅用约40台全闪存服务器，即承载了此前约35,000 CPU Core与约350 TB DRAM的负载。

据公开信息，HELMSMAN实现硬件成本节省超过90%，为大规模向量检索提供了高性价比的基础设施方案。