VectorDatabase

general · First seen 2026-05-22 · Last seen 2026-11-19 · 23 mentions

Overview

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

  • 🎉 Milvus 3.0 正式发布:Milvus 团队宣布 3.0 版本上线,官方称这是该项目迄今最大的一次架构升级,随后还配套举办了介绍新架构的线上研讨会(📢 Milvus 3.0 Webinar),并将 3.0 Meetup 带到旧金山线下(🔗 Milvus 3.0 Meetup)。
  • ⭐ Milvus 达到 46K GitHub Stars:46K 的社区 Star 数反映出开源向量数据库生态的活跃度,社区贡献和反馈成为版本迭代的重要推动力。
  • 🌐 Milvus 全文搜索能力增强:更快的全文搜索功能上线,显示主流向量数据库正在把传统关键词检索与向量语义检索结合成混合搜索方案。越南搜索引擎 Cốc Cốc 也基于 Milvus 构建国家级规模的 AI 搜索(🚀 Cốc Cốc 案例)。
  • 🚀 Weaviate 1.38 发布:Weaviate 在该版本将两项重要能力推向正式可用(GA),并推出免费的 Weaviate Cloud 访问(🔗 免费云访问),降低开发者试用门槛。
  • 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。

    Coverage

    10 on file