科技云報(bào)道：押注向量數(shù)據(jù)庫(kù)，為時(shí)過(guò)早？

　　在大模型的高調(diào)火熱之下，向量數(shù)據(jù)庫(kù)也獲得了前所未有的關(guān)注。

　　近兩個(gè)月內(nèi)，向量數(shù)據(jù)庫(kù)迎來(lái)融資潮，Qdrant、Chroma、Weaviate先后獲得融資，Pinecone宣布1億美元B輪融資，估值達(dá)到7.5億美元。

　　東北證券預(yù)測(cè)，到2030年，全球向量數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模有望達(dá)到500億美元，國(guó)內(nèi)向量數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模有望超600億人民幣。

　　但是在這蒸蒸日上的發(fā)展態(tài)勢(shì)下，向量數(shù)據(jù)庫(kù)依然面臨著不可忽視的挑戰(zhàn)。

　　有聲音認(rèn)為，不必專門(mén)開(kāi)發(fā)一款純粹的向量數(shù)據(jù)庫(kù)，而是可以在現(xiàn)有數(shù)據(jù)庫(kù)的基礎(chǔ)上添加一些層，賦予其向量檢索的能力。更有業(yè)內(nèi)人士認(rèn)為，現(xiàn)在入局向量數(shù)據(jù)庫(kù)可能并非合適的時(shí)機(jī)。

　　那么，向量數(shù)據(jù)庫(kù)是否算得上AI時(shí)代的標(biāo)配?其熱度能維持到幾時(shí)，此時(shí)押注后續(xù)又要擠出多少泡沫?

　　向量數(shù)據(jù)庫(kù) 大模型的“海馬體”

　　與傳統(tǒng)數(shù)據(jù)庫(kù)不同，向量數(shù)據(jù)庫(kù)不依賴于結(jié)構(gòu)化格式，而是將數(shù)據(jù)作為數(shù)學(xué)向量存儲(chǔ)在高維空間中并對(duì)其進(jìn)行索引。

　　這種方法被稱為“向量化”，可以更有效地搜索相似性并更好地處理復(fù)雜的數(shù)據(jù)類型(圖像、音視頻、自然語(yǔ)言)。

　　某種程度上，向量數(shù)據(jù)庫(kù)代表了數(shù)據(jù)存儲(chǔ)和檢索的范式轉(zhuǎn)變。隨著大模型的興起，向量數(shù)據(jù)庫(kù)的優(yōu)勢(shì)得以充分發(fā)揮，甚至有人將其視為AIGC成功的基石。

　　一種通俗的比方是，行業(yè)內(nèi)將大模型稱為“大腦”，向量數(shù)據(jù)庫(kù)則是其“海馬體”。

　　目前的大模型都是預(yù)訓(xùn)練模型，對(duì)于訓(xùn)練截止日之后發(fā)生的事情一無(wú)所知，第一是沒(méi)有實(shí)時(shí)的數(shù)據(jù)，第二是缺乏私域數(shù)據(jù)或者企業(yè)數(shù)據(jù)。

　　向量數(shù)據(jù)庫(kù)可以通過(guò)存儲(chǔ)最新信息或者企業(yè)數(shù)據(jù)有效彌補(bǔ)了這些不足，讓大模型突破在時(shí)間和空間上的限制，加速大模型落地行業(yè)場(chǎng)景。

　　同時(shí)，通過(guò)向量數(shù)據(jù)的本地存儲(chǔ)，還能夠協(xié)助解決目前企業(yè)界最擔(dān)憂的大模型泄露隱私的問(wèn)題。

　　不過(guò)值得一提的是，向量技術(shù)并不新鮮，早在ChatGPT橫空出世之前，向量數(shù)據(jù)庫(kù)非常小眾。前文提到的兩家初創(chuàng)公司Pinecone和Weaviate都成立于2019年，但此前無(wú)論是融資還是營(yíng)收都是乏善可陳的狀態(tài)。

　　Pinecone聯(lián)合創(chuàng)始人兼首席執(zhí)行官Edo Liberty曾坦率地提到，如果沒(méi)有ChatGPT的出現(xiàn)，我們根本不可能獲得巨額融資。

　　軟件服務(wù)初創(chuàng)公司Heltar的創(chuàng)始人Avyukt Aggarwal也談到，AIGC的爆火成就了向量數(shù)據(jù)庫(kù)。

　　“每次淘金熱都會(huì)有人賣鏟子。對(duì)于生成式AI，鏟子是什么?向量數(shù)據(jù)庫(kù)。幾乎每一個(gè)LLM支持的應(yīng)用程序都在使用它們或即將使用它們。”

　　向量數(shù)據(jù)庫(kù) 有必要走向?qū)�業(yè)化嗎?

　　向量數(shù)據(jù)庫(kù)系統(tǒng)的誕生，來(lái)源于具體業(yè)務(wù)需求——想要高效處理海量的向量數(shù)據(jù)，就需要更細(xì)分、更專業(yè)的數(shù)據(jù)基礎(chǔ)設(shè)施，為向量構(gòu)建專門(mén)的數(shù)據(jù)庫(kù)處理系統(tǒng)。

　　但這種路徑是必須的嗎?

　　從產(chǎn)品層面講，如果傳統(tǒng)數(shù)據(jù)庫(kù)廠商不單獨(dú)研發(fā)向量數(shù)據(jù)庫(kù)，那么基本上會(huì)主張支持原生的向量詞嵌入和向量搜索引擎。

　　向量數(shù)據(jù)庫(kù)市場(chǎng)的陣營(yíng)，在ChatGPT影響之前就已經(jīng)在形成分化，既包括提供開(kāi)源組件的Milvus、Vald、Weaviate、Qdrant、Vaspa、Vearch、AquilaDB、Marqo，到商業(yè)化服務(wù)產(chǎn)品Pinecone，再到大廠谷歌推出的Vertex AI匹配引擎，數(shù)據(jù)庫(kù)廠商Elastic和Redis基于自身提供的向量檢索功能等等。

　　這其實(shí)也表明了當(dāng)前向量數(shù)據(jù)庫(kù)市場(chǎng)存在的兩種路線：

　　一個(gè)是基于分析數(shù)據(jù)庫(kù)的向量化執(zhí)行引擎，英文是Vectorization，這是學(xué)術(shù)界2013年提出的名詞，如Clickhouse、Spark引擎，是一種新型的執(zhí)行方式，用于處理傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)如表單等，更多的是結(jié)構(gòu)化數(shù)據(jù)分析數(shù)據(jù)里面做并行執(zhí)行的一種方式，在新型的處理芯片上進(jìn)行處理。

　　另一個(gè)則是推出向量數(shù)據(jù)庫(kù)(Vector Database)，本質(zhì)上處理的是AI領(lǐng)域的一類新型數(shù)據(jù)類型，例如對(duì)多模數(shù)據(jù)的處理，相比其他的向量檢索技術(shù)在檢索速度和精準(zhǔn)性上都有了一個(gè)很高的提升。

　　后者的做法也基本在幾家主流云廠商如亞馬遜云、阿里云上能夠看到，而這些云平臺(tái)應(yīng)用市場(chǎng)也會(huì)提供給這些第三方向量數(shù)據(jù)庫(kù)企業(yè)進(jìn)行托管。

　　例如，阿里云開(kāi)發(fā)的內(nèi)存數(shù)據(jù)庫(kù)Tair，在兼容Redis生態(tài)的同時(shí)，也具備向量檢索能力，實(shí)現(xiàn)緩存+向量二合一，已經(jīng)投入在電商等場(chǎng)景。

　　有業(yè)內(nèi)人士認(rèn)為，對(duì)于簡(jiǎn)單的用戶和場(chǎng)景來(lái)說(shuō)，在傳統(tǒng)數(shù)據(jù)庫(kù)上添加一個(gè)向量分層來(lái)滿足技術(shù)發(fā)展需求，這種方法是可行的。

　　然而，考慮到 AI 場(chǎng)景和產(chǎn)業(yè)需求，情況可能有所不同。AI領(lǐng)域的迭代非常快，隨著數(shù)據(jù)量和應(yīng)用場(chǎng)景的增加，傳統(tǒng)數(shù)據(jù)庫(kù)可能不再適用于高要求的計(jì)算密集型場(chǎng)景，向量數(shù)據(jù)庫(kù)可能才是最終的解決方案。

　　押注向量數(shù)據(jù)庫(kù) 挑戰(zhàn)頗多

　　作為今年以來(lái)的熱門(mén)技術(shù)賽道，向量數(shù)據(jù)庫(kù)已吸引了大量廠商和創(chuàng)業(yè)團(tuán)隊(duì)入場(chǎng)，先發(fā)者與后來(lái)者，老牌廠商與新生力量之間的競(jìng)爭(zhēng)正在持續(xù)升溫。

　　但值得注意的是，向量數(shù)據(jù)庫(kù)真的值得廠商全力投入嗎?

　　在《為什么你不應(yīng)該投資向量數(shù)據(jù)庫(kù)?》一文中，吳英駿表示，現(xiàn)在入局向量數(shù)據(jù)庫(kù)可能并非合適的時(shí)機(jī)。其理由主要集中于以下幾點(diǎn)：

　　其一，先發(fā)優(yōu)勢(shì)明顯。目前向量化技術(shù)目前已十分成熟，并存在大量開(kāi)源解決方案，在不同的領(lǐng)域也存在不同的向量化方案，潛在用戶可以很容易地在現(xiàn)有市場(chǎng)中找到合適的選擇。

　　其二，需求層次不同。如果一家公司已經(jīng)采用了Elastic，Redis，SingleStore或Rockset等商業(yè)數(shù)據(jù)庫(kù)，并且不需要高度先進(jìn)的向量搜索功能，則可以充分利用這些數(shù)據(jù)庫(kù)的現(xiàn)有功能。

　　盡管在向量數(shù)據(jù)處理方面的表現(xiàn)不如專業(yè)的向量數(shù)據(jù)庫(kù)，但依然可以滿足多數(shù)用戶的一般要求。

　　其三，技術(shù)在不斷前進(jìn)。隨著數(shù)據(jù)庫(kù)領(lǐng)域技術(shù)的進(jìn)步，越來(lái)越多的數(shù)據(jù)庫(kù)會(huì)考慮納入向量搜索功能，以滿足當(dāng)前用戶群的需求。對(duì)于目前缺乏向量搜索功能的數(shù)據(jù)庫(kù)，實(shí)現(xiàn)這些功能或許只是時(shí)間問(wèn)題。

　　也有聲音認(rèn)為，相較于大模型的高調(diào)火熱，向量數(shù)據(jù)庫(kù)仍然靠近底層，并沒(méi)有達(dá)到真正意義上的全民皆知，向量數(shù)據(jù)庫(kù)更多時(shí)候是需要集成到其他平臺(tái)或云上被銷售。

　　而從需求端看，過(guò)去向量檢索還主要聚焦于機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域，通過(guò)高效的數(shù)據(jù)存儲(chǔ)和查詢工具，使得相似性搜索和聚類分析成為可能。

　　在推薦系統(tǒng)中，向量數(shù)據(jù)庫(kù)助力個(gè)性化推薦，根據(jù)用戶興趣和商品相似性，呈現(xiàn)給用戶最貼切的推薦結(jié)果。

　　簡(jiǎn)言之，“與其投資新的向量數(shù)據(jù)庫(kù)項(xiàng)目，不如集中精力于現(xiàn)有數(shù)據(jù)庫(kù)，并探索利用向量引擎增強(qiáng)這些數(shù)據(jù)庫(kù)的機(jī)會(huì)，使其更加健壯和強(qiáng)大”。

　　結(jié)語(yǔ)

　　無(wú)論如何，在技術(shù)的快速迭代下，數(shù)據(jù)庫(kù)市場(chǎng)的持續(xù)擴(kuò)張是不可避免的。當(dāng)前存在著大量的需求，將吸引越來(lái)越多的數(shù)據(jù)庫(kù)甚至向量數(shù)據(jù)庫(kù)加入競(jìng)爭(zhēng)。

　　不過(guò)從長(zhǎng)遠(yuǎn)來(lái)看，向量數(shù)據(jù)庫(kù)的市場(chǎng)需求尚處于初期，中遠(yuǎn)期規(guī)模尚難以預(yù)估。在若干輪優(yōu)勝劣汰之后，我們或許才能看清誰(shuí)是真正的執(zhí)棋者。