桥水的一亿份文档，AI 怎样既不越权又找得到？

导读

企业 AI 要在上亿份资料中找依据，怎样既不泄露秘密，又不漏掉用户有权查看的内容？桥水与 turbopuffer 把权限直接纳入搜索过程。先找相似文档再过滤，最近的一批若全无权读取，就可能搜得慢还漏结果；先列出所有可读文档逐项比较，规模大时又接近全量扫描。他们因此先按语义聚簇，再用权限索引排除整组没有可读文档的簇，只在值得进入的范围找近邻，并逐条检查权限。簇里有一份可读资料，并不等于整簇开放。演讲方报告，在一亿文档、数亿向量的数据上，统计查询的九成搜索延迟不高于一百二十毫秒。系统把冷数据放在对象存储，查询需要时取入缓存，减少不常访问资料占用的内存和硬盘；文档权限则可直接授权给个人或群组，调用者不必自己编写底层搜索系统。