一句话看懂：小红书在OSDI 2026上发表了HELMSMAN系统，用约40台全闪存服务器取代了此前约35000 CPU核心和350TB DRAM的配置，在满足毫秒级延迟的前提下，将向量检索的硬件成本削减了超过90%，同时吞吐能力相比传统方案提升了2-16倍。这一技术路线可能改变大规模在线搜索、推荐系统对昂贵内存的依赖。
事件核心：发生了什么
小红书引擎架构团队在学术会议OSDI 2026上发表了论文《The Clustering Strikes Back》，介绍了HELMSMAN系统。该系统专门为全闪存（NVMe SSD）服务器设计了一套面向向量近似最近邻搜索（ANNS）的定制化存储栈和搜索策略。与当前主流的DRAM-SSD混合系统（如DiskANN、SPANN）不同，HELMSMAN没有采用串行依赖的图索引结构，而是回归了聚类索引，并使用SPDK用户态驱动绕过传统Linux内核I/O路径，将单次查询的批量读取效率提升至接近纯内存部署的85%。同时，系统引入了分层学习式搜索剪枝（LLSP），根据查询难度动态调整搜索范围，避免了固定策略下的性能浪费或召回损失。
为什么重要
向量检索是搜索、推荐、广告和RAG系统的底层基础设施。随着多模态数据量和embedding维度的暴涨，纯内存路线（如HNSW）的成本已经失控，小红书自身的DRAM占用量已达PB级别。HELMSMAN证明了在严格保证5-10毫秒延迟SLA和低长尾延迟的生产环境下，用相对廉价的NVMe SSD阵列替代海量DRAM是可行的。这不仅直接挑战了“在线检索必须全内存”的行业默认假设，也为其他面临同样成本压力的平台（如抖音、淘宝、TikTok）指明了一条技术替代路径。其二阶段分布式构建流水线（GPU粗聚类+CPU细切分）将百亿级索引的构建时间压缩到数小时，使得embedding更新能更快闭环进入在线效果。
对用户/开发者/创作者的影响
对开发者和平台技术团队而言，这意味着硬件采购逻辑可能发生变化：未来部署大规模ANNS系统时，可以更多考虑全闪存服务器配置而非昂贵的内存服务器，并且可以引入GPU加速构建流程。对普通用户和创作者而言，小红书搜索、推荐和广告系统的硬件成本降低，有望支持更大规模、更新更频繁的向量数据库，从而提升内容召回的质量和实时性。具体到效果上，用户可能会发现无论是搜图、搜视频还是看推荐流，系统都能更快、更准地理解意图，且随着embedding模型更新，体验改进的延迟更短。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，HELMSMAN已在小红书生产环境稳定运行，其开源仓库已发布，关注其他头部互联网公司（如字节、阿里、腾讯）是否跟进类似的全闪存ANNS路线。第二，系统对GPU的依赖程度以及大规模部署下Gen5 SSD的实际表现，将是衡量其可复现性的关键变量。第三，随着PCIe Gen5及未来Gen6的普及，SSD带宽进一步提升，聚类式ANNS的带宽利用率能否长期保持优势，将决定图式ANNS是否会彻底被边缘化，还是会在特定场景（如低基数查询）保留阵地。
