近日于上海明捷万丽酒店成功举办的 “2025 第八届金猿大数据产业发展论坛 — 暨 AI Infra & Data Agent 趋势论坛” 大会上，极限数据（北京）科技有限公司（以下简称“极限科技”） 凭借其在分布式搜索型数据库领域的技术突破与卓越的国产化实践，成功入选《2025 中国大数据产业「年度国产化优秀代表厂商」》榜单，并获颁这一行业重磅奖项。


本届论坛由金猿组委会、数据猿、上海市数商协会及上海大数据联盟联合主办，以“数据有猿·智见十年”为主题，吸引了近千家企业参与申报。经过严格的初审、公审与终审交叉验证机制，极限科技最终从众多竞争者中脱颖而出，荣登榜单。


深耕核心搜索技术，填补国产化空白

极限科技成立于 2021 年 12 月，是一家专注于大数据搜索与分析的基础软件公司。公司总部位于北京，在长沙设立研发中心，并在上海、广州设立办事处或服务中心。其核心团队均来自 Elasticsearch 原厂及中文社区，拥有多年 ES 源码开发经验，致力于“让搜索更简单”，打造极致易用的数据探索与分析体验。

公司自主研发的核心产品 Easysearch 搜索型数据库，是我国在分布式搜索型数据库领域实现关键国产化替代的代表性成果。该产品精准填补了国内在轻量化、高性能、自主可控搜索引擎方面的市场空白。

产品性能卓越，实现无缝迁移与超越

Easysearch 支持结构化与非结构化数据检索、全文检索、向量检索、空间地理位置信息检索、多模态混合检索、组合查询、多语种支持、语义分析、聚合分析等多种核心功能。测试表明，其性能已达到甚至优于国外领先产品。

在产品能力上，Easysearch 不仅完全兼容 Elasticsearch 的生态接口，保障了用户业务的无缝平滑迁移，更在性能优化、存储效率、企业级安全及原生中文处理等方面实现了显著超越。其内置的 Web 管理控制台、全面的数据加密与权限管控功能，提供了开箱即用的企业级体验。

构建完整信创生态

尤为关键的是，Easysearch 率先完成了与国产主流 CPU（如鲲鹏、飞腾、海光、龙芯、申威、兆芯等）和操作系统（如统信 UOS、银河麒麟、开源欧拉等）的深度适配与互认证，构建了完整的信创技术栈支持能力，彻底解决了国外产品在国产化环境下兼容性差、维护困难、更新受限等长期存在的痛点。

在核心技术国产化意义上，Easysearch 通过完全自主可控的分布式搜索技术体系，突破了关键基础软件依赖国外企业的局面，满足了政府、金融、能源、运营商等行业对“可控、安全、可替代”的战略需求。同时，其向量搜索和 AI 检索能力填补了国内在智能搜索与大模型结合领域的技术缺口。

获权威资质认可，落地众多头部客户

极限科技及 Easysearch 已获得多项权威资质认证，包括国家高新技术企业、ISO 三大管理体系认证，并荣获 2023 年星河案例数据库标杆案例。产品亦通过了信通院基础能力专项测评及中国泰尔实验室检验测试。

目前，Easysearch 已在金融、运营商、制造、政企等多领域实现规模化落地，服务客户包括移动云、中国一汽、中国人保、东莞证券、航天信息等头部企业，累计下载部署量已超过 500 万次。其中，公司开发的中文分词器（IK、Pinyin）、压测工具（Loadgen）、数据迁移工具（ESM）已被 85% 的中国 Elasticsearch 用户部署在生产环境中。

荣获行业大奖，彰显标杆价值

此次荣获 “年度国产化优秀代表厂商” 奖项，不仅是行业对极限科技技术实力与国产化贡献的高度认可，更彰显了公司在推动大数据产业自主创新进程中的标杆作用。

极限科技创始人表示：

“我们坚信‘追求极致，无限可能’。获得这份荣誉，是对我们团队多年来坚持自主创新、深耕搜索技术的最好鼓励。未来，极限科技将持续加大研发投入，以技术创新驱动产业升级，为各行业客户提供更高效、更安全、更智能的数据探索与分析能力，助力中国大数据产业在智能时代实现高质量、自主可控的发展。”

---

相关链接：

• [《2025 中国大数据产业年度「国产化优秀代表厂商」》榜单/奖项](https://mp.weixin.qq.com/s/0aMKBWhE1cJ2toAMkUwGYw)
  
• [【金猿国产化展】Easysearch —— 一个自主可控、安全可靠的企业级搜索解决方案](https://mp.weixin.qq.com/s/_77xDmEvPMli_fZh0YsYCA)

1. 基于 Easysearch + Flip 的多模态图像搜索引擎系统实战指南
https://mp.weixin.qq.com/s/oLwXzusvKOy9qmqHp6DcOQ

2. 别再盲选了！RAG 向量数据库“八大金刚”终极横评：从 Milvus 到 LanceDB 谁最适合你？
https://mp.weixin.qq.com/s/pfTCGWKSU-ypqiiIDac9EA

3. 不会做RAG、agent的本地数据管理？都来学Claude Code！附深度拆解
https://mp.weixin.qq.com/s/9OJnRhtWzz7MtwP9XRJxKA

4. Elasticsearch：Jina Reader
https://elasticstack.blog.csdn ... 97660



编辑：kin122 
更多资讯：http://news.searchkit.cn

北京，2026 年 1 月 —— 在由 IT168 主办的“2025 年度技术卓越奖”评选中，极限数据（北京）科技有限公司（简称：[极限科技](https://infinilabs.cn/)）的人工智能产品 Coco AI 凭借其创新的技术架构与突出的市场实践，荣获 “创新产品奖”。该奖项旨在表彰在  AI、大数据、云计算等领域实现关键突破、具备显著应用价值与市场潜力的产品与解决方案。


奖项与产品信息

获奖企业：极限数据（北京）科技有限公司
获奖产品：Coco AI – 统一搜索与 AI 智能助手
产品官网：<https://coco.rs/zh>;
开源地址：<https://github.com/infinilabs/coco-app>;
评选榜单：<https://zt.itpub.net/topic/jishuzhuoyue251215>;

关于  Coco AI

Coco AI 是极限科技推出的一款 完全开源、可私有部署的统一搜索与  AI 智能助手系统，专为企业打造。它致力于解决企业数据分散、信息孤岛严重、数据敏感及知识沉睡等核心痛点。

• 统一搜索：通过连接本地文件、云存储（S3）、知识库、代码仓库（GitHub）、协作平台（Notion、语雀）、MySQL、MongoDB 等异构数据源，提供跨平台的一站式搜索体验。
  
• AI 赋能：深度融合主流大模型能力，支持语义搜索、自然语言问答、智能推荐，并构建个性化知识图谱，激活企业沉睡数据。
  
• 安全可控：支持企业级权限管理、数据脱敏与加密，可完全私有化部署，确保数据安全合规。
  
• 灵活扩展：采用 MCP 架构，支持模型动态调用外部工具，无需修改核心代码即可灵活扩展 AI 应用场景。
  
  
  
  目前，Coco AI 已在多个行业场景中落地，帮助企业构建“智能知识中枢”，提升信息获取效率与决策协作水平。
  
  

  获奖理由
  

  
  IT168 技术卓越奖评审委员会认为，Coco AI 的获奖主要基于以下几点：
  
  

  1. 技术创新：将企业搜索、RAG、知识图谱与大模型能力深度融合，构建了面向真实业务场景的“搜索+AI”一体化平台，技术路径清晰且具备前瞻性。
     
  2. 开源开放：产品完全开源并支持私有化部署，为企业提供了兼顾自主可控与成本效益的 AI 搜索解决方案，对推动基础软件与 AI 应用生态繁荣具有积极意义。
     
  3. 实践价值：已在多个行业完成从技术验证到规模化应用的跨越，帮助企业将分散的知识资产转化为可复用的生产力，在“技术实效”上表现突出。
     
     

     团队声音
     

     
     极限科技总经理、Coco AI 项目负责人曾勇表示：
     
     

     “感谢 IT168 和业界同仁对 Coco AI 的认可。在 AI 定义一切的今天，我们始终相信，真正的技术价值在于深入业务场景、解决实际问题。Coco AI 希望为企业打造一个安全、开放、智能的知识入口，让团队在信息海洋中‘搜得到、问得清、用得好’。未来，我们将继续深耕企业搜索与 AI 智能助手领域，与合作伙伴共同推动中国自主 AI 产品体系的繁荣发展。”
     
     

     展望未来
     

     
     此次获奖，不仅是行业对我们技术路径的认可，更是对 “开源创新、自主实效” 这一发展方向的肯定。极限科技将以此为新的起点，持续深耕 “搜索+AI”核心技术，以  Coco AI  及未来更多开源产品，赋能千行百业夯实智能根基，在全球数字化转型中贡献中国解决方案。
     

1. 我们把日志的开销降了90%你敢信（需要梯子）
https://medium.com/%40VeloDB_p ... 27e89

2. 我们是怎么给ES的CPU负载砍了一半的？（需要梯子）
https://medium.com/insiderengi ... 6d773

3. Opensearch 的无痛升级手册（以及undo）（需要梯子）
https://aws.plainenglish.io/th ... e4b41

编辑：斯蒂文
更多资讯：http://news.searchkit.cn

1、从 ReAct 到 Ralph Loop：AI Agent 的持续迭代范式
https://mp.weixin.qq.com/s/zMnIrokMvdNI6gW-33-6xQ

2、使用 Elastic Agent Builder 和 MCP 实现 Agentic 参考架构
https://elasticstack.blog.csdn ... 05352

3、在 ES|QL 中的混合搜索和多阶段检索
https://elasticstack.blog.csdn ... 50993

4、使用 OpenTelemetry Collector 进行 TLS 证书监控
https://elasticstack.blog.csdn ... 45913

5、使用 Elastic Agent 混合摄取加速 Otel 采用
https://elasticstack.blog.csdn ... 44803

编辑：Muse
更多资讯：http://news.searchkit.cn

1. 从 CLI 到 Chat：通过 Open WebUI 公开 AWS Strands Agents（搭梯）
https://aws.plainenglish.io/fr ... 41909

2. 构建多智能体云系统：使用 Strands Agents 进行 AI 专家的协调（搭梯）
https://medium.com/globant/orc ... ff2ee

3. 使用 Strands Agent Framework 构建 AI 代理的快速指南（搭梯）
https://chinsj.medium.com/quic ... 4c017

4. Elasticsearch：性能悖论 - 当更慢的代码并不会拖慢你
https://blog.csdn.net/UbuntuTo ... 51004

5. 在 Elasticsearch 中通过乘法增强来影响 BM25 排名
https://blog.csdn.net/UbuntuTo ... 82382

6. 如何通过个性化、分群感知排序来提升电商搜索相关性
https://elasticstack.blog.csdn ... 98807

7. 使用 Elasticsearch 的 Profile API 对比 dense vector 搜索性能
https://blog.csdn.net/UbuntuTo ... 15338



编辑：kin122 
更多资讯：http://news.searchkit.cn

1. 用langchain + es 搞个智能体不（需要梯子）
https://www.elastic.co/search- ... earch

2. 用ES来驱动agent行不行？（需要梯子）
https://www.elastic.co/search- ... guide

3. 大声说，是谁让windows里的工具无所遁形呀？（需要梯子）
https://medium.com/%40szarubin ... a9316

编辑：斯蒂文
更多资讯：http://news.searchkit.cn

1、Nacos 生产级安全实践：精细化鉴权、灰度平滑过渡与全量操作审计
https://mp.weixin.qq.com/s/xi1CDRtgYmL8W5PEn7tXAw

2、使用 Elasticsearch 中的结构化输出创建可靠的 agents
https://elasticstack.blog.csdn ... 11541

3、如何使用 LangChain 和 Elasticsearch 构建 agent 知识库
https://blog.csdn.net/UbuntuTo ... 85234

4、Jina-VLM：小型多语言视觉语言模型
https://blog.csdn.net/UbuntuTo ... 52397

5、Elasticsearch：探索 CLIP 替代方案
https://blog.csdn.net/UbuntuTo ... 22575

编辑：Muse
更多资讯：http://news.searchkit.cn
 

[上一篇](https://infinilabs.cn/blog/202 ... earch/)我们已经安装好了 Skywalking 和 Easysearch，这次我们来写个简单的 Python 服务，并把它的服务调用信息发送给 Skywalking，通过 Skywalking 的 Web UI 进行展示。

启动后端服务

先启动好后端服务，包括 Skywalking 和 Easysearch。启动完成后能通过 Web UI 访问 Skywalking。


构建 Python 服务

我们编写一个简单的 Flask 服务程序，只要访问 localhost:8081/a 就会返回 "Hello, I'm Service A!" 信息。

plain<br /> from flask import Flask<br /> <br /> app = Flask(__name__)<br /> <br /> @app.route('/a', methods=['GET'])<br /> <br /> def service_b():<br /> return "Hello, I'm Service A!"<br /> <br /> if __name__ == '__main__':<br /> app.run(host='0.0.0.0', port=8081)<br />

运行前，要安装好依赖。

plain<br /> pip3 install flask<br /> pip3 install apache-skywalking<br />

依赖关系展示如下：


设置环境变量

为了让服务能成功把相关信息发送到 Skywalking 后端，启动前我们还要设置两个环境变量告诉服务程序该往哪里发送信息。

plain<br /> export SW_AGENT_COLLECTOR_BACKEND_SERVICES=localhost:11800<br /> export SW_AGENT_NAME=AService-python<br />

启动 Python 程序

一切准备妥当后，运行我们的服务程序。

plain<br /> sw-python run python3 AService.py<br />

程序启动后会监听 8081 端口。


我们通过浏览器访问下。


在 Skywalking 的 Web UI 上查看服务的信息是否采集到。





可以看到服务 A 的调用信息都已经被记录到 Skywalking 中了。

作者：杨帆，极限科技（INFINI Labs）高级解决方案架构师、《老杨玩搜索》栏目 B 站 UP 主，拥有十余年金融行业服务工作经验，熟悉 Linux、数据库、网络等领域。目前主要从事 Easysearch、Elasticsearch 等搜索引擎的技术支持工作，服务国内私有化部署的客户。

1. 用ES全家，你需要知道这些（需要梯子）
https://medium.com/%40moditham ... f4674

2. 用ES+Kibana构建最棒的dashboard（需要梯子）
https://medium.com/%40alexsham ... 56493

3. 承担风险？来用osquery把它们抓出来（需要梯子）
https://detect.fyi/threat-hunt ... e735a

编辑：斯蒂文
更多资讯：http://news.searchkit.cn

1、圣诞树周围喵喵叫：用 Elastic Observability 跟踪虚拟猫
https://elasticstack.blog.csdn ... 51787

2、使用 LocalAI 和 Elasticsearch 构建本地 RAG 应用
https://elasticstack.blog.csdn ... 24721

3、更快、更清晰地在 Discover 中分析 traces
https://elasticstack.blog.csdn ... 24101

4、使用 Elastic Cloud Serverless 扩展批量索引
https://elasticstack.blog.csdn ... 23943

5、Elasticsearch：性能悖论 - 当更慢的代码并不会拖慢你
https://elasticstack.blog.csdn ... 51004

编辑：Muse
更多资讯：http://news.searchkit.cn

1.漫谈 AI Infra｜消息队列在 AI 时代能做什么？
https://mp.weixin.qq.com/s/gr7 ... e%3D1
2.从开发者视角观察 OceanBase 开源的 AI 产品御三家
https://mp.weixin.qq.com/s/mLsSP_o9K6M8nHZIJa1QRg
3.vLLM-Omni 扩散缓存加速：TeaCache 与 Cache-DiT
https://mp.weixin.qq.com/s/Z382Re_iFEsACDLtQnMf-g

编辑：Se7en
更多资讯：http://news.searchkit.cn

1. 使用 Elasticsearch 的 Profile API 对比 dense vector 搜索性能
https://blog.csdn.net/UbuntuTo ... 15338

2. 通过 Elasticsearch 中的 function score query 按利润和受欢迎程度提升电商搜索效果
https://elasticstack.blog.csdn ... 44357

3. 如何构建用于法律文件的极速矢量搜索
https://medium.com/%40adlumal/ ... d55ea

编辑：kin122 
更多资讯：http://news.searchkit.cn

1. 搞RAG？先试试ES吧！（需要梯子）
https://medium.com/%40jan.nctu ... bf22f

2. 人生中价值十亿的错误之配置错误（需要梯子）
https://blog.ironcorelabs.com/ ... -----

3. K8S中的ES之数据节点预热（需要梯子）
https://medium.com/daangn/runn ... -----

编辑：斯蒂文
更多资讯：http://news.searchkit.cn

1、通过 Elasticsearch 中的 function score query 按利润和受欢迎程度提升电商搜索效果
https://elasticstack.blog.csdn ... 44357

2、使用 LocalAI 和 Elasticsearch 构建本地 RAG 个人知识助手
https://elasticstack.blog.csdn ... 65475

3、使用 Node.js Elasticsearch 客户端索引大型 CSV 文件
https://elasticstack.blog.csdn ... 08761

4、Elasticsearch：构建一个 AI 驱动的电子邮件钓鱼检测
https://elasticstack.blog.csdn ... 92232

5、Kibana：使用 ES|QL 构建地图，对国家或地区的指标进行对比
https://elasticstack.blog.csdn ... 11567

编辑：Muse
更多资讯：http://news.searchkit.cn