押注向量數(shù)據(jù)庫，為時(shí)過早？

圖源：攝圖網(wǎng)

作者|科技云報(bào)道 來源|科技云報(bào)到(ID：ITCloud-BD)

在大模型的高調(diào)火熱之下，向量數(shù)據(jù)庫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)庫迎來融資潮，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)庫依然面臨著不可忽視的挑戰(zhàn)。

有聲音認(rèn)為，不必專門開發(fā)一款純粹的向量數(shù)據(jù)庫，而是可以在現(xiàn)有數(shù)據(jù)庫的基礎(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)庫可能并非合適的時(shí)機(jī)。

那么，向量數(shù)據(jù)庫是否算得上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？

 01

 向量數(shù)據(jù)庫

  大模型的“海馬體”

與傳統(tǒng)數(shù)據(jù)庫不同，向量數(shù)據(jù)庫不依賴于結(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、自然語言）。

某種程度上，向量數(shù)據(jù)庫代表了數(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)生的事情一無所知，第一是沒有實(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)庫可以通過存儲(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題。

不過值得一提的是，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。

“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。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。”

02

 向量數(shù)據(jù)庫

   有必要走向?qū)I(yè)化嗎？

向量數(shù)據(jù)庫系統(tǒng)的誕生，來源于具體業(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)建專門的數(shù)據(jù)庫處理系統(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)庫廠商不單獨(dú)研發(fā)向量數(shù)據(jù)庫，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)庫市場(chǎng)存在的兩種路線：

一個(gè)是基于分析數(shù)據(jù)庫的向量化執(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（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)庫企業(yè)進(jìn)行托管。

例如，阿里云開發(fā)的內(nèi)存數(shù)據(jù)庫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)景來說，在傳統(tǒng)數(shù)據(jù)庫上添加一個(gè)向量分層來滿足技術(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?？?，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)庫可能才是最終的解決方案。

03

 押注向量數(shù)據(jù)庫

  挑戰(zhàn)頗多

作為今年以來的熱門技術(shù)賽道，向量數(shù)據(jù)庫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？》一文中，吳英駿表示，現(xiàn)在入局向量數(shù)據(jù)庫可能并非合適的時(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，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，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)庫領(lǐng)域技術(shù)的進(jìn)步，越來越多的數(shù)據(jù)庫會(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，實(shí)現(xiàn)這些功能或許只是時(shí)間問題。

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)庫仍然靠近底層，并沒有達(dá)到真正意義上的全民皆知，向量數(shù)據(jù)庫更多時(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)庫項(xiàng)目，不如集中精力于現(xiàn)有數(shù)據(jù)庫，并探索利用向量引擎增強(qiáng)這些數(shù)據(jù)庫的機(jī)會(huì)，使其更加健壯和強(qiáng)大”。

04

 結(jié)語

無論如何，在技術(shù)的快速迭代下，數(shù)據(jù)庫市場(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，將吸引越來越多的數(shù)據(jù)庫甚至向量數(shù)據(jù)庫加入競(jìng)爭(zhēng)。

不過從長(zhǎng)遠(yuǎn)來看，向量數(shù)據(jù)庫的市場(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是真正的執(zhí)棋者。

編者按：本文轉(zhuǎn)載自微信公眾號(hào)：科技云報(bào)到(ID：ITCloud-BD)，作者：科技云報(bào)道