向量数据库

# 向量数据库

一、数据库

（一）概念。数据库是按照数据结构来组织、存储和管理数据的仓库，可视为电子化的文件柜，用户可对文件中的数据进行新增、截取、更新、删除等操作。

（二）分类。数据库分为关系型数据库(SQL)、非关系型数据库(NoSQL)两大类。关系型数据库是依据“一对一、一对多、多对多”关系模型创建数据库，将数据以二维表格的形式储存，各个表之间建立关系，通过表格间分类、合并、连接或选取等运算来实现数据的管理。随着互联网应用快速发展，关系型数据库逐渐无法满足超大规模数据和高并发访问的需求，非关系型数据库则由于其本身具有易扩展、大数据量高性能、灵活数据模型、高可用的特点得到迅速发展，有效补充了关系型数据库的适用范围。向量数据库则是非关系型数据库的一种，美国公司Zilliz早在2019年便推出了全球首个开源向量数据库产品Milvus。

二、向量数据库

（一）概念。向量数据是指由多个数值组成的数据，这些数值通常表示某种特征或属性。例如，一张图片可以表示为一个由像素值组成的向量，一个文本可以表示为一个由单词频率组成的向量。向量数据库则是用来存储、检索、分析向量数据的数据库系统，其支持基于向量的检索、聚类、降维、计算等操作。

（二）与传统数据库区别。向量数据库与传统关系型数据库主要存在数据类型、规模、查找方式等方面区别，呈现出优势互补的关系。针对传统关系型数据库难以处理的大规模数据、低时延高并发检索、模糊匹配等领域，向量数据库通过数据的向量化来满足特定需求，尤其适用于人工智能领域。同时，向量数据库的出现也会促进传统数据库对向量数据类型的支持。

特性	关系型数据库	向量数据库
数据类型	数值、字符串、时间等传统数据类型	新的数据类型:向量数据不存储原始数据
数据规模	小，1亿数据量为规模很大	大，千亿数据是底线
数据组织方式	基于表格，按照行和列组织	基于向量，按照向量维度组织
查找方式	精确查找:点查/范围查	近似查找：对算力要求较高
低时延，高并发	否	是
支撑上层应用	较弱	对外提供统一的API，更适合大规模AI引用程序的部署和使用
下游应用场景	政府、央企、国企。容错率低，需提供更为精准的搜索结果	互联网公司。场景容错率较高

（三）优缺点。优点：处理大规模数据、支持高维数据、支持复杂查询、易扩展、高兼容性；缺点：相对较新、成熟产品和应用较少、学习成本高、适用场景局限（大规模复杂数据）。

（四）现有国内外公司。国内：云创大数据（南京）于2022年6月推出cVector向量计算一体机；腾讯云于7月发布AI 原生向量数据库（Tencent Cloud VectorDB）。国外：Zilliz公司（美国，国内设有机构）于2019年推出全球首个开源向量数据库产品Milvus；Pinecone公司（美国）成立于2019年，主要产品Pinecone云原生向量数据库；Weaviate公司（荷兰）成立于2019年，主要产品Weaviate开源向量数据库。

三、应用领域

（一）支撑AI大模型。1.使大模型拥有“长期记忆”。向量数据库可使大模型保持准实时性，提高大模型的适用性，并使大模型能够动态调整；2.协助解决大模型泄露隐私问题。通过向量数据库本地部署，存储隐私数据，进而大模型可在有保护情况下访问隐私数据；3.拓展多模态能力。对不同源的多模态数据（文本、图像、音频、视频等）进行向量化，从而支撑多模态应用。

（二）其他应用领域。文本搜索（包含语义分析），与传统关键词搜索相比，检索结果范围更广；图片、语音、视频搜索，如以图搜图、语音识别等；推荐系统，根据系统给用户打的标签，给用户推荐相似度最高的商品、服务等；异常检测，如人脸识别，通过相似度计算，判断是否本人。

（三）市场规模及上下游产业。1.市场规模。据中国信通院测算，2020年中国数据库市场规模约241亿元。预计到2025年，中国数据库市场规模将达688亿元，年复合增长率为23.4%。随着AI大模型应用逐渐落地，预计2025年中国向量数据库市场规模约为82.56亿元。2.上下游产业。上游：向量检索库、向量插件、向量字段等数据供应商以实现检索功能；下游：个人开发者及付费企业等。