Zilliz Cloud 东京区域已全面支持 AWS、Google Cloud 和 Microsoft Azure
近日,Zilliz Cloud 正式登陆 Google Cloud(GCP)asia-northeast1 和 Microsoft Azure(Azure)Japan East 两个东京区域,与此前已支持的 AWS 东京区域一起,实现东京地区三大云平台的全面覆盖。
这意味着,无论是日本本土企业,还是将业务拓展至日本市场的出海企业,都不必更换现有云平台,也无需跨区域部署,就能在熟悉的云环境中搭建生产级向量检索服务,为 RAG、AI Agent 和语义搜索等应用提供支持。
01 深化日本市场布局,满足企业 AI 应用部署需求
日本是亚洲企业级 AI 应用最成熟的市场之一。汽车、金融服务、制造和科技等行业的企业,正在大规模采用 RAG、Agentic AI 和语义搜索,相关应用也在从技术验证走向生产部署。与此同时,越来越多的海外企业把日本作为重点市场,在当地上线 AI 应用。东京,是其中大多数企业的首选云部署区域。
此次新增 GCP 与 Azure 的支持,正是为了让不同背景的企业,都能在自己熟悉的云环境中,更顺畅地落地 AI 应用。具体而言,此次最新开区带来的价值有三:
覆盖三大主流云平台,部署选择更加灵活
Zilliz Cloud 现已同时支持 AWS、GCP 和 Azure 的东京区域。
企业可以根据现有云架构、技术栈和业务需求选择合适的部署环境,无需为使用 Zilliz Cloud 而迁移到其他云平台。对于采用不同云服务商的开发团队,也能在各自熟悉的环境中部署和使用 Zilliz Cloud。
支持数据驻留日本,满足本地化部署需求
对于重视数据所在地、需要落实日本《个人信息保护法》(APPI)相关治理要求或企业内部数据管理政策的组织而言,本地化部署是重要的技术考量。
通过选择东京区域,企业可以将向量数据保留在日本境内,在现有云环境中构建向量检索服务,为落实数据驻留和内部治理要求提供更灵活的部署选择。
提供数据库迁移服务,降低迁移门槛
对于已经使用其他向量数据库的团队,Zilliz Cloud 也提供相应的迁移支持。
无论是从 Pinecone、Qdrant、Weaviate、Elasticsearch,还是从自托管 Milvus 迁移,都可以借助 Zilliz Cloud 的迁移服务简化迁移流程,减少迁移过程中的繁琐操作,更顺利地将现有向量检索工作负载迁移至 Zilliz Cloud。
02 东京区域部署能力一览
目前,Zilliz Cloud 在东京地区支持以下云平台及区域:
三大云平台的东京区域均支持以下两种部署方式:
Dedicated(全托管专属集群):由 Zilliz Cloud 提供托管服务,企业可以直接创建和使用专属集群。
BYOC(Bring Your Own Cloud,自带云):支持在企业自己的云环境中部署 Zilliz Cloud,为有特定云基础设施及数据管理要求的组织提供更多选择。
03 如何开始使用
目前,Zilliz Cloud 已开放三大云平台东京区域的部署选项。用户只需按照以下步骤,即可创建集群:
登录或注册账号:前往 Zilliz Cloud 控制台登录账号。新用户可以免费注册,并获得 200 美元的免费使用额度。
选择云平台及区域:创建集群时,根据实际需求选择 AWS、GCP 或 Azure,并指定对应的东京区域。
完成集群部署:按照业务需求完成相关配置,数分钟内即可完成集群创建并开始使用。
如需采用 BYOC 部署模式,可联系 Zilliz 团队获取支持。
如果您正在计划从其他向量数据库或自托管 Milvus 迁移,也可以查看官网中的 Zilliz Cloud 迁移服务教程了解相关方案。
04 未来规划
此次东京区域扩展是 Zilliz Cloud 持续完善全球云服务布局的一部分。
未来,我们将继续根据不同市场的业务需求,评估并拓展更多云平台及部署区域,为全球开发者和企业提供更加灵活的向量数据库服务。
如果您希望 Zilliz Cloud 在其他云区域上线,欢迎通过区域需求提交页面(https://zilliz.com/all-regions#region-request)告诉我们。您的反馈将成为我们规划后续区域扩展的重要参考。
继续阅读

RAG 优化(三):如何优化LLM-as-Judge ,提升RAG 回答准确性
学习如何工程化校准 LLM-as-Judge,降低评分偏差与漂移,提升 RAG 回答准确性。

EverOS接入Milvus 实测:这个1.2 万 Star 的Memory 项目,有哪些值得学习的地方?
拆解 EverOS 的 Agent 长期记忆架构,实测接入 Milvus 的写入、索引重建与混合检索,附配置和验证步骤。

实战 | 从 Loop 到 Graph Engineering ,怎样让 Agent 系统长期、可靠地运行
解析 Loop 与 Graph Engineering 的协同机制,涵盖任务驱动、角色分权、异步反馈和上下文检索,构建长期可靠运行的 Agent 系统。




