“不是我不明白，这世界变化快”，崔健在20世纪写下的这句歌词，放在公有云市场也同样适用。技术风向的变化之快，让不少人感到惊讶。
2023年初大模型、生成式 AI的起飞，也带来了向量数据库的爆火。投融资项目爆发式增长，头部公有云厂商都推出了AI向量数据库的相关产品。
然而一年狂飙之后，市场逐渐退潮，全球最著名的 AI 项目之一AutoGPT在2024年初宣布，不再使用向量数据库。因此有人质疑，向量数据库又凉了？
不过，随着5月份公有云厂商们掀起价格战，接连调低大模型API的价格，高性价比的大模型+向量数据库，在行业应用、企业市场又显现出了一定的商业价值。
向量数据库这一年的潮起潮落，究竟是火了还是凉了？大模型正在卷价格，向量数据库又该卷什么？公有云厂商又在这一市场发挥了什么作用？今天我们就来聊聊这些问题。
向量数据库，刚刚开始
新技术的火爆，必然会伴随炒作和泡沫，但向量作为大模型理解世界的数据形式，向量数据库作为AI革命重要基建的位置，长期来看是不会动摇的。
为什么这么说？
向量数据库并不是一种特别新的数据库技术，在AI领域已经应用了七八年，谷歌在2015年就宣布使用RankBrain语义检索来处理搜索任务。如果说数据库是数据的“硬盘”，那么，向量数据库就是更适合AI体质的“硬盘”。
其“AI原生”的体质，具体表现在几个方面：
1.更高的效率。AI算法，要从图像、音频和文本等海量的非结构化数据中学习，提取出以向量为表示形式的“特征”，以便模型能够理解和处理。因此，向量数据库比传统基于索引的数据库有明显优势。
2.更低的成本。大模型要从一种新技术转化为产业价值，必须达到合理的投入产出比，而向量数据库可以有效减少存储和计算成本。一个公开数据是，通过腾讯云向量数据库，QQ音乐人均听歌时长提升3.2%、腾讯视频有效曝光人均时长提升1.74%、QQ浏览器成本降低37.9%，就在于检索效率、运行稳定性、运营效率、推荐算法等，有了较大的提升。
3.更强的数据安全。有企业直言：“沉淀了几十年的内部数据是我的核心竞争力，让我无偿去公开给大模型做训练，我肯定不愿意。”想做大模型，还要确保数据的隐私安全，就必须与数据库产品做好配合，这给向量数据库的本地部署带来了广阔的需求。
4.更大的扩展性。随着大模型走向行业应用，垂直领域的AI用例不断增多，汹涌的数据洪潮和存算任务，会带来大量向量搜索的需求。而向量数据库嵌入向量的长度不受限制，具有良好的扩展性，可以根据AI用例和模型而变化，更好地处理大规模数据集。
从大模型技术标杆的OpenAI发布的GPT-4o和即将发布的GPT-5消息来看，以及国内外商业化大模型的进展来看，大模型的技术路线还没有发生颠覆性的变革，因此落地应用还是需要向量检索和向量数据库。
由此可以肯定，向量数据库市场必然还会迎来一轮增长。趋于冷静，只是2023年热情过度高涨的适当回调。
两大新势力，云是方向
据东北证券预测，到2030年，全球向量数据库市场规模有望达到 500 亿美元，国内向量数据库市场规模有望超过600亿人民币。向量数据库市场吸引了“群雄逐鹿”，从引爆到饱和，进展迅猛，
传统数据库厂商不必多说，既有相应的能力建设，也有一定的客户基础，推出相关产品是必然。一些在AI领域积淀已久的科技大厂，如谷歌、微软、Meta、百度等大厂，都有向量数据库的技术积累，也都可以向外输出相关能力和产品。
除了这些常规面孔，向量数据库市场也吸引了新的参与者。
作为这一轮大模型投资热和创业热的主要目标之一，向量数据库领域诞生了不少创新创业公司。比如AI创业新秀Pinecone就是闭源的领跑者，凭借良好的开箱即用的产品体验，获得了非常大的增长，B轮估值达到7.5亿美元。其他竞争者大多建立在开源项目的基础上。
不过，作为创业公司，长期盈利能力还有待验证。一个主要原因，是客户大多是尝鲜、实验性质。
企业需要先将非结构化的私密数据，进行一个小的模型，进行向量化，产生一个向量的矩阵，再存储到向量数据库里，来供大模型学习和检索。这个过程涉及大量的工程化，会耗费企业许多开发人员、时间成本，一开始可能会因为AI大模型很火而对向量数据库产生兴趣，但能否真正在业务中落地还是个未知数。因此，长期付费意愿还有较大的不确定性。
另一股积极参与的新势力，就是公有云厂商。
不是所有企业都有能力自建大模型所需要的基础设施，通过MaaS（模型即服务）业务来训练应用大模型，是更灵活的选择。此外，很多政企客户往往会选择公有云或行业云来满足其业务需求，对云数据库的关注度和接受度上升，而这些用户在探索大模型时，会倾向于以整体解决方案的形式来交付，这就给了云厂商参与游戏的机会，同时也要求云厂商提供向量数据库的全栈支持。
如今头部云厂商基本建立了全生命周期AI化的向量数据库。有数据显示，企业原先接入一个大模型需要花1个月左右时间，使用某公有云的向量数据库后，3天时间即可完成，极大降低了企业的接入成本。
更何况，前不久火山引擎、阿里云、百度智能云等都围绕大模型API价格，打起了互相抄底的“价格战”，意味着AI创新门槛的降低，而AI应用市场的用户规模扩大，也会带动向量数据库的使用需求。
综上，整个云AI市场的格局还在快速变化之中，风物长宜放眼量，AI Native的向量数据库，前景仍然值得期待。
接下来，向量数据库卷什么？
有人可能会问了，大模型开始卷价格，那向量数据库市场正在卷什么？
需要注意的是，大模型降价是以云厂商为主，而零一万物等创业公司已经明确表示会以技术创新为竞争力，而不会（与云厂商）对标价格。云厂商在AI基础设施、商业生态、市场规模效应上的既定优势，确实也会表现在向量数据库市场。
目前来看，公有云厂商有几重特殊优势，或许会让向量数据库加速走向商业成功：
多元化部署。垂直行业大模型，数据都是私有机密的，客户一般不愿意放到公有云上，这对一部分支持混合多云的云厂商是一大利好，通过私有部署、分布式、混合云等多种方案，打消行业客户将数据放到云端的现实疑虑。
2.一体化AI能力。向量数据库的火爆，本质是由AI驱动的，而AI Native时代的数据工程，还有许多复杂问题尚待解决，比如检索效率，在处理大规模数据的并行任务时，保持快速响应时间是一个挑战，需要优化索引结构和搜索算法；高负载下的系统稳定性，需要确保数据库系统具备高可用性和容错能力，防止服务中断；存储海量的向量数据，成本效益比要进一步优化……目前来看，云厂商具备从底层算力集群、Maas模型平台到全栈工具链的AI能力，有望通过技术协同创新，持续优化向量数据库的性能和成本。
3.产业服务能力。各行业对AI与业务的结合热情高涨，但大多还处于尝试探索期，需要结合自身场景、AI应用、IT设施等多种因素试错并迭代。这个过程中，随叫随到、帮助客户及时解决问题的ToB服务能力，也是非常看重的。深耕产业的公有云，有望降低很多企业在AI技术革命中的机会成本。
有人说，AI云市场越来越卷了，随着大模型性能边际效益不断走低，云厂商不得不用低价换规模。但有句话：“东方不亮西方亮，黑了南方有北方。”只要公有云厂商在AI领域的产品阵营足够庞大，用多元化综合优势锁定用户，那么即使大模型收益下降，在商业回报上也不愁没有回旋的余地。
从这个角度看，或许公有云市场下一个卷起来的，就是向量大模型。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
