向量数据库：抛弃数据库范式的代价？

向量数据库的现状与未来展望

作者栾小凡，Zilliz 合伙人 & 研发 VP，讨论了向量数据库（VectorDB）的现状及其与人工智能（AI）应用的关系。尽管向量数据库作为处理大模型相关应用的关键技术而备受关注，但栾小凡认为当前的向量数据库产品已偏离了最初的设计理念，并且在多个方面存在不足。

向量数据库的定义和问题

向量数据库是为管理向量形式的非结构化数据设计的，以支持机器学习算法提取的特征。其核心能力在于处理高维数据相似性，但目前的向量数据库产品在数据库理念、效率、复杂查询处理和功能完备性方面均存在问题。这些问题包括：

• 放弃了重要的数据库范式和理念，如预定义 Schema、高级查询语言和基本数据库机制。
• 实现方式并不高效，面临数据分片和索引创建的挑战。
• 不能处理复杂的向量查询，如混合查询、标量和向量的组合查询。
• 缺少现代数据库管理系统的关键功能，如离线加载、一致性、安全性和多租户支持。

向量数据库的未来

栾小凡对专有向量数据库的未来保持乐观。他认为，AI 原生应用开发者需要的是能够理解语义的搜索系统，而向量数据库正朝着这一方向发展。Milvus 2.4 版本将引入多向量混合查询和稀疏索引功能，支持 AIGC 应用。此外，Zilliz Cloud 即将推出的 Serverless tier 将支持千万级别的租户，并大幅降低成本。

结论

向量数据库虽然当前存在诸多不足，但它们在AI驱动的未来中仍有重要作用。栾小凡呼吁，应借鉴关系型数据库的经验，结合AI应用场景，发掘向量数据库的独特价值。他概括向量数据库为“以AI的方式理解数据，以数据库的方式访问数据”，并认为向量数据库正站在属于它的历史性机遇前。