就像啤酒注定要有泡沫，每一场淘金热都不缺被捧上了年代风口的人。

大模型这一波热潮中，向量数据库便是那个幸运儿。

一方面，技能层面并没有太大打破。向量数据库并不是一种特别新的数据库技能，在AI范畴现已运用了七八年，谷歌在2015年就宣告运用RankBrain语义检索来处理查找使命。比较N家的卡、液冷的算、全光的网、晋级的存，向量数据库在技能方面并没有特别亮眼的打破。

而另一方面，向量数据库的出资热潮又特别旺盛。在上半年成了创业公司、云核算厂商、老牌数据库公司，以及出资人们“群起而攻之”的风口，Pinecone、Chroma 和 Weviate 等向量数据库草创公司都获得了融资，有的融资额高达上亿美元。这在全球经济不明亮的出资局势下，仍是十分亮眼的成果。

不同于GPU卡那样短期内需求坚硬、求过于供，加上摩尔定律的束缚，即便有泡沫，也是铁做的。也不同于存算网这类“新基建”，长时刻投入的战略价值，得到了庙堂和民间的共同注重。

向量数据库，更多是作为一种AI根底技能和产品，开端为群众所知晓。

仅凭这样，就在出资商场上一飞冲天，多少有点让人不安。加上最近，大训模型的热度开端降温，ChatGPT拜访量下降，更多大模型现已到地里田间矿井“干活儿”去了。

不由让人猎奇，跟着大模型的风口下沉，向量数据库的出资概念还能飞多久，会不会倏忽而来，倏忽而去，留下喝了“一嘴泡沫”的公司和出资人，在风中杂乱呢？

咱们就来好好品一品，这一杯啤酒和泡沫。

01 技能的啤酒

训大模型、用大模型，离不开一系列AI根底设施，所以，作为根底设施之一的向量数据库，的确有点东西。引进向量数据库，是能喝到真材实料的“啤酒”的。

这就有必要先说说这个技能自身。

数据库不必多说，是必不可少的IT根底设施，用于存储和查询各种数据，能够看作是数据的“硬盘”。那么，向量数据库便是更适合AI体质的“硬盘”，有几个特质来阐明这一点：

1.必要性。

向量数据库，望文生义便是专门用于存储和办理向量数据。作为一种数据结构，每个向量都包含多个维度，每个维度代表不同的特征或特点，比方图画的色彩、文本词汇的呈现频率等。而AI算法，要从图画、音频和文本等海量的非结构化数据中学习，提取出以向量为表明方法的“特征”，以便模型能够了解和处理。因而，向量数据库比传统的联系型数据库，更适合AI 运用。

2. 高功率。

每个元素都有一个索引，便于拜访或修正数值。根据此，向量数据库能够经过将分组和索引，快速找到与给定查询最接近的嵌入，完结高效的相似性查找，一同削减存储和核算本钱。

比较传统单机插件式数据库，向量数据库的检索规划能够提高十倍，支撑百万级每秒查询（QPS）的峰值才能，一同推迟控制在毫秒级。

幻想一下，假如没有高效的查找技能支撑，一个大言语模型动辄数十亿、上百亿参数，只能处理有限数量的输入数据，无法查找更大的数据库，那么在AIGC、查找、广告引荐算法等使命的功能体现就会受限。

一个揭露数据是，经过运用云向量数据库，QQ音乐人均听歌时长提高3.2%；腾讯视频有用曝光人均时长提高1.74%；QQ浏览器本钱下降37.9%，这些数据的改变就在于检索功率、运转稳定性、运营功率、引荐算法等有了较大的提高。

3.需求大。

跟着工业智能化的加快，以及大模型和其他 AI 运用的迸发，各行各业的AI用例不断增多，由此带来了汹涌的数据洪潮和存算使命，向量数据库嵌入向量的长度不受约束，具有杰出的扩展性，能够依据AI用例和模型而改变，更好地处理大规划数据集。

并且，向量数据库能够拓宽大模型的时刻鸿沟和空间鸿沟，让大模型在练习完结后，也能够拜访向量数据库的最新信息，了解最近发生的作业。

总的来说，向量数据库便是更适合AI体质的数据库，在AI使命上作用拔群，在机器学习范畴中日益盛行。

那么问题来了，一些在AI范畴沉积已久的科技大厂，如谷歌、微软、Mate以及BAT等大厂，都有向量数据库的技能堆集，也都能够向外输出相关才能和产品。此外，一些根据开源技能的数据库创业公司，如Pinecone、Weaviate、Odrant、Chroma近年来翻开了商场知名度。

能够说，商场上并不缺少向量数据库的产品和解决方案。那么2023年，这杯技能啤酒，是怎样咕嘟咕嘟冒出泡沫的呢？

02 浪潮之巅的泡沫

向量数据库的商场现状，说是“从0到1”，并不为过。

首要，群众商场的认知度才刚刚翻开。

此前，向量数据库更多是AI企业在运用，本年才开端为群众所熟知，这离不开一些AI相关企业的火上加油。本年 3月的 NVIDIA GTC 大会上，黄仁勋初次提及向量数据库，着重向量数据库对大言语模型的重要性。

不是一切企业都有才能自建大模型所需求的根底设施，经过MaaS（模型即服务）事务来练习运用大模型是更灵敏的挑选，这就要求云厂商供给全栈根底设施。

百度、京东、腾讯、华为等，都在自家的大模型完好根底设施中，提到了向量数据库。现在，云厂商的MaaS事务才刚刚开端走向商场，大模型的工业落地不是一蹴即至的，向量数据库的承受度和规划终究有多大，仍是个未知数。

第二，向量数据库的技能，还没阅历“卷生卷死”的迭代。

Pinecone是闭源的领跑者，其他竞赛者要么是开源的，比方Weviate，要么是巨子，包含头部云厂商和甲骨文、IBM等老牌数据库厂商，开端构建AI数据库的产品和解决方案。

大厂扎堆竞技，这意味着，假如技能没有大的打破，就会堕入高密度的同质化竞赛，从蓝海快速进入红海。而假如技能有推翻式革新，许多技能壁垒不高、客户认知不强的新入局创业者，很难跟开源生态或技能巨子PK，简单被大浪淘沙。

最终，向量数据库的本钱，还没有降到“可规划仿制”的程度。

无论是自建向量数据库，仍是经过MaaS服务接入，都还达不到“付费可用”的程度。一般来说，企业需求先将非结构化的私密数据进行向量化，发生一个向量的矩阵，再存储到向量数据库里，来供大模型学习和检索。这个进程涉及到许多的工程化，会消耗企业许多开发人员、时刻本钱。

这就需求云厂商或数据库厂商，供给全链路的东西，来协助企业完结整个数据向量化、大模型接入的作业，以及削减后续运维的难度。比方Pinecone就凭仗杰出的开箱即用的产品体会，获得了十分大的增加，B轮估值到达7.5亿美元。

谷歌云、腾讯云、京东云等也都根据内部运用的多年堆集，推出了一系列面向外部的东西、结构和运用。但仅仅迈出了从无到有的*步，真实老练还需求让各家“卷起来”。

能够看到，现在这个阶段，热捧向量数据库，的确有AIGC、大模型、云服务等多方面的实际需求，但从“概念遍及”到“真实可用”之间，还有不短的间隔。这之间的地带，便是泡沫成长的当地。

江湖路远，风高浪急，没有想清楚的创业公司或职业用户，仍是别轻率“带资进组”了。

03 啜饮年代的精酿

假如你是数据库厂商，或者是着急布局大模型和AI运用的企业，期望早点将啤酒喝到嘴里，怎样办呢？

笃定远一点的未来，有些赛道的泡沫份额是相对少的，需求分外旺盛。

商场方面，国产化代替是不错的挑选。

科技博弈布景下，加上我国数据库工业的日益昌盛和技能打破，金融、电信、动力、交通等要害根底职业的企业，在数据库选型时，都开端倾向于国产，以保证数据的稳定性和安全性。

国外厂商在向量数据库上有着更早的探究和堆集，国产数据库要补齐短板是需求时刻的。

现在，BATH这类实力较强的国內科技企业，沉积了向量数据库的中心自主技能，与其协作研制和定制化开发，针对某些详细场景，供给特定优化的向量数据库产品，参加国产化代替的赛道是本钱更低、危险更可控、商场需求清晰的挑选。

战略方面，参加云生态不要独行。

鉴于向量数据库的商业化远景还不明亮，有业内人士表明，与其出资新的向量数据库项目，还不如重视现有数据库中，有哪些加上向量引擎能够变得愈加强壮。

云数据库便是其中之一，上云用数赋智是大势所趋，许多政企客户往往会挑选公有云或职业云来满意其事务需求，将数据迁移到云上，对云数据库的重视度和承受度上升。

腾讯云、华为云等大型云厂商，具有较高的品牌认知度和商场承受度，具有云原生、AI原生的技能栈和产品系统，阅历了海量场景的淬炼和深度优化，和这类云生态一同掘金向量数据库，是更保险的方法。

和AI、大模型相同，向量数据库要品出滋味，离不开时刻的窖藏和酝酿。是在大训模型的热度下降后，像泡沫相同湮灭，仍是作为啤酒精酿沉积下去，等候成为下一代数字根底设施的刚需，被职业客户所啜饮，是留给数据库玩家和买家的挑选题。