最近，又一個(gè)概念火了——向量數據庫。

首先是，4月一個(gè)月內多家向量數據庫創(chuàng )業(yè)公司獲大額新融資，引發(fā)市場(chǎng)熱議。

(資料圖片僅供參考)

其次行情方面，龍頭A股星環(huán)科技、北交所云創(chuàng )數據等股價(jià)連續異動(dòng)，其中云創(chuàng )數據自底部以來(lái)股價(jià)已接近翻倍。

此外，8日開(kāi)始，分析師們“后知后覺(jué)”開(kāi)始密集推出研報進(jìn)行覆蓋。

多家創(chuàng )業(yè)公司獲大額新融資

據華福證券梳理，隨著(zhù)大模型帶來(lái)的應用需求提升，4月以來(lái)多家海外知名向量數據庫創(chuàng )業(yè)企業(yè)傳出融資喜訊。

4月28日，向量數據庫平臺Pinecone宣布獲得1億美元（約7億元）B輪融資，由Andreessen Horowitz領(lǐng)投，ICONIQ Growth等跟投。

4月22日，向量數據庫平臺Weaviate宣布獲得5000萬(wàn)美元（約3.5億元）B輪融資，由Index Ventures領(lǐng)投，Battery Ventures等跟投。

此外，4月6日Chroma獲1800萬(wàn)美元種子輪融資，4月19日Qdrant獲750萬(wàn)美元種子輪融資。

什么是向量數據庫？

據東北證券研報，向量數據庫是專(zhuān)門(mén)用來(lái)存儲和查詢(xún)向量的數據庫，其存儲的向量來(lái)自于對文本、語(yǔ)音、圖像、視頻等的向量化。

同傳統數據庫相比，向量數據庫不僅能夠完成基本的CRUD（添加、讀取查詢(xún)、更新、刪除）等操作，還能夠對向量數據進(jìn)行更快速的相似性搜索，商業(yè)價(jià)值提升明顯。

向量數據庫有啥用？

東北證券指出，向量數據庫一個(gè)很重要的功能是拓展大模型的邊界，分為時(shí)間邊界和空間邊界。

第一，時(shí)間邊界的擴展，指的是向量數據庫能夠使得大模型LLM擁有“長(cháng)期記憶”。

眾所周知，目前的大模型（無(wú)論是NLP領(lǐng)域的GPT系列還是CV領(lǐng)域的ResNET系列）都是預先訓練Pretrain的大模型，有著(zhù)非常明晰的訓練截止日Cut-off Date，這導致這些模型對于訓練截止日之后發(fā)生的事情一無(wú)所知。

而隨著(zhù)向量數據庫的引入，其內部存儲的最新的信息向量能夠極大地拓展大模型的應用邊界，向量數據庫可以使得大模型保持準實(shí)時(shí)性，提高大模型的適用性，并使得大模型能夠動(dòng)態(tài)調整。也就是說(shuō)，向量數據庫使得大模型的長(cháng)期記憶得到了可能。

例如，假設一個(gè)預訓練的新聞?wù)Ｐ驮?021年底完成了訓練，到了2023年，許多新聞事件和趨勢已經(jīng)發(fā)生了變化。為了使大模型能夠處理這些新信息，可以使用向量數據庫來(lái)存儲和查詢(xún)2023年的新聞文章向量。

同樣，在推薦系統中，預訓練的大模型可能無(wú)法識別新用戶(hù)和新產(chǎn)品的特征，通過(guò)向量數據庫，可以實(shí)時(shí)更新用戶(hù)和產(chǎn)品的特征向量，從而使大模型能夠根據最新的信息為用戶(hù)提供更精準的推薦。

此外，向量數據庫還可以支持實(shí)時(shí)監測和分析。例如，在金融領(lǐng)域，預訓練的股票預測模型可能無(wú)法獲取訓練截止日期之后的股票價(jià)格信息。通過(guò)將最新的股票價(jià)格向量存儲在向量數據庫中，大模型可以實(shí)時(shí)分析和預測未來(lái)股票價(jià)格走勢。還有就是在客服領(lǐng)域，向量數據庫將使得大模型可以追溯到對話(huà)的開(kāi)始。

第二，空間邊界的擴展，指的是向量數據庫能夠協(xié)助解決目前企業(yè)界最擔憂(yōu)的大模型泄露隱私的問(wèn)題。

用戶(hù)給出的Prompt可能會(huì )包含一些敏感信息。根據媒體報道，員工A用ChatGPT幫自己查一段代碼的bug，而這段源代碼與半導體設備測量數據有關(guān)；員工B想用ChatGPT幫自己優(yōu)化一段代碼，就直接將與產(chǎn)量和良品率記錄設備相關(guān)的一段代碼輸入了其中。

這些行為直接導致了三星關(guān)鍵數據的泄露，而ChatGPT本身其實(shí)也出現過(guò)隱私泄露事件，使得有一小部分的對話(huà)歷史/支付數據會(huì )被其他用戶(hù)查看，這些數據都極為敏感，而通過(guò)本地部署，向量數據庫能夠在很大程度上解決這個(gè)問(wèn)題。

向量數據庫本地部署后可以存儲企業(yè)有關(guān)的大量隱私數據，在本地部署或者專(zhuān)有云部署大模型后，通過(guò)特別的Agent大模型可以在有保護的情況下訪(fǎng)問(wèn)向量數據庫的隱私數據，進(jìn)而可以在不向外網(wǎng)暴露公司的隱私的情況下，使得公司的業(yè)務(wù)得到大模型的助力。

此外，多模態(tài)搜索也是向量數據庫的拿手好戲。

東北證券指出，向量數據庫自帶多模態(tài)功能，這意味著(zhù)它能夠通過(guò)機器學(xué)習方法處理和理解來(lái)自不同源的多種模態(tài)信息，如文本、圖像、音頻和視頻等，數據向量化過(guò)程使得這些不同模態(tài)數據的內部隱藏信息得以暴露，進(jìn)而為多模態(tài)應用提供支持。

一個(gè)典型的應用場(chǎng)景是多語(yǔ)言搜索，向量數據庫支持跨語(yǔ)言的信息檢索，用戶(hù)可以使用英語(yǔ)、法語(yǔ)、中文等多種語(yǔ)言搜索圖書(shū)庫，而無(wú)需事先對書(shū)名進(jìn)行多語(yǔ)言翻譯處理。這得益于向量表示能夠捕捉到語(yǔ)義相似性，使得來(lái)自不同語(yǔ)言的查詢(xún)和內容能夠相互匹配。

再一個(gè)，東北證券指出，即使不考慮需要LLM支持的邊界拓展型應用和多模態(tài)搜索，近似搜索功能就可以給向量數據庫帶來(lái)巨大的商業(yè)化潛力。比如推薦系統、圖像檢索、語(yǔ)音識別和處理、生物信息學(xué)等。

市場(chǎng)空間巨大，行業(yè)處于從0-1階段

東北證券指出，向量數據庫市場(chǎng)空間巨大，目前處于從0-1階段，預測到2030年，全球向量數據庫市場(chǎng)規模有望達到500億美元，國內向量數據庫市場(chǎng)規模有望超過(guò)600億人民幣。

其認為，向量數據庫是AI時(shí)代的Killer App。AI時(shí)代一切AI化，而AI化的本質(zhì)則是向量化，向量化計算成本高昂，海量的高維向量勢必需要專(zhuān)門(mén)的數據庫進(jìn)行存儲和處理，向量數據庫應運而生，向量數據庫在拓展AI全新應用場(chǎng)景的同時(shí)，也將對傳統數據庫產(chǎn)品形成替代，進(jìn)而成為AI時(shí)代的Killer App。

相關(guān)公司方面，全球范圍內來(lái)看，目前向量數據庫以初創(chuàng )公司為主，包括Pinecone、Milvus、Weaviate、Vespa等。

目前全球已有的向量數據庫產(chǎn)品主要包括Pinecone、Milvus、Weaviate、Vespa等，其中超過(guò)70%的向量數據庫選擇了開(kāi)源，超過(guò)一半的向量數據庫具有云化部署的能力，大部分向量數據庫產(chǎn)品在進(jìn)行ANN相似性搜索時(shí)采用HNSW（HierarchicalNavigable Small World）算法。

風(fēng)險提示及免責條款 市場(chǎng)有風(fēng)險，投資需謹慎。本文不構成個(gè)人投資建議，也未考慮到個(gè)別用戶(hù)特殊的投資目標、財務(wù)狀況或需要。用戶(hù)應考慮本文中的任何意見(jiàn)、觀(guān)點(diǎn)或結論是否符合其特定狀況。據此投資，責任自負。

關(guān)鍵詞：