Vector Database(向量数据库)是一类专门存储、检索高维向量嵌入的数据库系统,是 RAG(检索增强生成)、语义搜索和推荐系统等 AI 应用的核心基础设施。随着大模型落地需求增长,这个赛道正从单纯的相似度检索工具,向融合全文搜索、混合查询和规模化数据平台的方向演进。
Vector Database 近期进展
当前焦点与观察点
向量数据库当前的竞争焦点集中在三个方向:一是混合检索,即把 BM25 等全文搜索与向量检索在单一引擎内打通,减少多系统维护成本;二是规模与架构,Milvus 3.0 式的大版本重构表明厂商在为更大吞吐和更低成本做准备,甚至出现了从 "Vector Database" 走向 "Vector Lakehouse" 的概念讨论(⏰ 从 Vector Database 到 Vector Lakebase);三是云服务与定价,免费云端访问成为吸引开发者的常见策略。
值得关注的问题是:随着主流通用数据库(如 PostgreSQL 生态)陆续内置向量扩展,专用 Vector Database 的差异化优势还能维持多久,以及生产环境中成本、延迟与一致性如何权衡,仍是选型时的核心考量。