大模型卷價(jià)格，向量數(shù)據(jù)庫(kù)“卷”什么？

“不是我不明白，這世界變化快”，崔健在20世紀(jì)寫(xiě)下的這句歌詞，放在公有云市場(chǎng)也同樣適用。技術(shù)風(fēng)向的變化之快，讓不少人感到驚訝。

2023年初大模型、生成式 AI的起飛，也帶來(lái)了向量數(shù)據(jù)庫(kù)的爆火。投融資項(xiàng)目爆發(fā)式增長(zhǎng)，頭部公有云廠商都推出了AI向量數(shù)據(jù)庫(kù)的相關(guān)產(chǎn)品。

然而一年狂飆之后，市場(chǎng)逐漸退潮，全球最著名的 AI 項(xiàng)目之一AutoGPT在2024年初宣布，不再使用向量數(shù)據(jù)庫(kù)。因此有人質(zhì)疑，向量數(shù)據(jù)庫(kù)又涼了？

不過(guò)，隨著5月份公有云廠商們掀起價(jià)格戰(zhàn)，接連調(diào)低大模型API的價(jià)格，高性?xún)r(jià)比的大模型+向量數(shù)據(jù)庫(kù)，在行業(yè)應(yīng)用、企業(yè)市場(chǎng)又顯現(xiàn)出了一定的商業(yè)價(jià)值。

向量數(shù)據(jù)庫(kù)這一年的潮起潮落，究竟是火了還是涼了？大模型正在卷價(jià)格，向量數(shù)據(jù)庫(kù)又該卷什么？公有云廠商又在這一市場(chǎng)發(fā)揮了什么作用？今天我們就來(lái)聊聊這些問(wèn)題。

向量數(shù)據(jù)庫(kù)，剛剛開(kāi)始

新技術(shù)的火爆，必然會(huì)伴隨炒作和泡沫，但向量作為大模型理解世界的數(shù)據(jù)形式，向量數(shù)據(jù)庫(kù)作為AI革命重要基建的位置，長(zhǎng)期來(lái)看是不會(huì)動(dòng)搖的。

為什么這么說(shuō)？

向量數(shù)據(jù)庫(kù)并不是一種特別新的數(shù)據(jù)庫(kù)技術(shù)，在AI領(lǐng)域已經(jīng)應(yīng)用了七八年，谷歌在2015年就宣布使用RankBrain語(yǔ)義檢索來(lái)處理搜索任務(wù)。如果說(shuō)數(shù)據(jù)庫(kù)是數(shù)據(jù)的“硬盤(pán)”，那么，向量數(shù)據(jù)庫(kù)就是更適合AI體質(zhì)的“硬盤(pán)”。

其“AI原生”的體質(zhì)，具體表現(xiàn)在幾個(gè)方面：

1.更高的效率。AI算法，要從圖像、音頻和文本等海量的非結(jié)構(gòu)化數(shù)據(jù)中學(xué)習(xí)，提取出以向量為表示形式的“特征”，以便模型能夠理解和處理。因此，向量數(shù)據(jù)庫(kù)比傳統(tǒng)基于索引的數(shù)據(jù)庫(kù)有明顯優(yōu)勢(shì)。

2.更低的成本。大模型要從一種新技術(shù)轉(zhuǎn)化為產(chǎn)業(yè)價(jià)值，必須達(dá)到合理的投入產(chǎn)出比，而向量數(shù)據(jù)庫(kù)可以有效減少存儲(chǔ)和計(jì)算成本。一個(gè)公開(kāi)數(shù)據(jù)是，通過(guò)騰訊云向量數(shù)據(jù)庫(kù)，QQ音樂(lè)人均聽(tīng)歌時(shí)長(zhǎng)提升3.2%、騰訊視頻有效曝光人均時(shí)長(zhǎng)提升1.74%、QQ瀏覽器成本降低37.9%，就在于檢索效率、運(yùn)行穩(wěn)定性、運(yùn)營(yíng)效率、推薦算法等，有了較大的提升。

3.更強(qiáng)的數(shù)據(jù)安全。有企業(yè)直言：“沉淀了幾十年的內(nèi)部數(shù)據(jù)是我的核心競(jìng)爭(zhēng)力，讓我無(wú)償去公開(kāi)給大模型做訓(xùn)練，我肯定不愿意?！毕胱龃竽Ｐ停€要確保數(shù)據(jù)的隱私安全，就必須與數(shù)據(jù)庫(kù)產(chǎn)品做好配合，這給向量數(shù)據(jù)庫(kù)的本地部署帶來(lái)了廣闊的需求。

4.更大的擴(kuò)展性。隨著大模型走向行業(yè)應(yīng)用，垂直領(lǐng)域的AI用例不斷增多，洶涌的數(shù)據(jù)洪潮和存算任務(wù)，會(huì)帶來(lái)大量向量搜索的需求。而向量數(shù)據(jù)庫(kù)嵌入向量的長(zhǎng)度不受限制，具有良好的擴(kuò)展性，可以根據(jù)AI用例和模型而變化，更好地處理大規(guī)模數(shù)據(jù)集。

從大模型技術(shù)標(biāo)桿的OpenAI發(fā)布的GPT-4o和即將發(fā)布的GPT-5消息來(lái)看，以及國(guó)內(nèi)外商業(yè)化大模型的進(jìn)展來(lái)看，大模型的技術(shù)路線還沒(méi)有發(fā)生顛覆性的變革，因此落地應(yīng)用還是需要向量檢索和向量數(shù)據(jù)庫(kù)。

由此可以肯定，向量數(shù)據(jù)庫(kù)市場(chǎng)必然還會(huì)迎來(lái)一輪增長(zhǎng)。趨于冷靜，只是2023年熱情過(guò)度高漲的適當(dāng)回調(diào)。

兩大新勢(shì)力，云是方向

據(jù)東北證券預(yù)測(cè)，到2030年，全球向量數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模有望達(dá)到 500 億美元，國(guó)內(nèi)向量數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模有望超過(guò)600億人民幣。向量數(shù)據(jù)庫(kù)市場(chǎng)吸引了“群雄逐鹿”，從引爆到飽和，進(jìn)展迅猛，

傳統(tǒng)數(shù)據(jù)庫(kù)廠商不必多說(shuō)，既有相應(yīng)的能力建設(shè)，也有一定的客戶基礎(chǔ)，推出相關(guān)產(chǎn)品是必然。一些在AI領(lǐng)域積淀已久的科技大廠，如谷歌、微軟、Meta、百度等大廠，都有向量數(shù)據(jù)庫(kù)的技術(shù)積累，也都可以向外輸出相關(guān)能力和產(chǎn)品。

除了這些常規(guī)面孔，向量數(shù)據(jù)庫(kù)市場(chǎng)也吸引了新的參與者。

作為這一輪大模型投資熱和創(chuàng)業(yè)熱的主要目標(biāo)之一，向量數(shù)據(jù)庫(kù)領(lǐng)域誕生了不少創(chuàng)新創(chuàng)業(yè)公司。比如AI創(chuàng)業(yè)新秀Pinecone就是閉源的領(lǐng)跑者，憑借良好的開(kāi)箱即用的產(chǎn)品體驗(yàn)，獲得了非常大的增長(zhǎng)，B輪估值達(dá)到7.5億美元。其他競(jìng)爭(zhēng)者大多建立在開(kāi)源項(xiàng)目的基礎(chǔ)上。

不過(guò)，作為創(chuàng)業(yè)公司，長(zhǎng)期盈利能力還有待驗(yàn)證。一個(gè)主要原因，是客戶大多是嘗鮮、實(shí)驗(yàn)性質(zhì)。

企業(yè)需要先將非結(jié)構(gòu)化的私密數(shù)據(jù)，進(jìn)行一個(gè)小的模型，進(jìn)行向量化，產(chǎn)生一個(gè)向量的矩陣，再存儲(chǔ)到向量數(shù)據(jù)庫(kù)里，來(lái)供大模型學(xué)習(xí)和檢索。這個(gè)過(guò)程涉及大量的工程化，會(huì)耗費(fèi)企業(yè)許多開(kāi)發(fā)人員、時(shí)間成本，一開(kāi)始可能會(huì)因?yàn)锳I大模型很火而對(duì)向量數(shù)據(jù)庫(kù)產(chǎn)生興趣，但能否真正在業(yè)務(wù)中落地還是個(gè)未知數(shù)。因此，長(zhǎng)期付費(fèi)意愿還有較大的不確定性。

另一股積極參與的新勢(shì)力，就是公有云廠商。

不是所有企業(yè)都有能力自建大模型所需要的基礎(chǔ)設(shè)施，通過(guò)MaaS（模型即服務(wù)）業(yè)務(wù)來(lái)訓(xùn)練應(yīng)用大模型，是更靈活的選擇。此外，很多政企客戶往往會(huì)選擇公有云或行業(yè)云來(lái)滿足其業(yè)務(wù)需求，對(duì)云數(shù)據(jù)庫(kù)的關(guān)注度和接受度上升，而這些用戶在探索大模型時(shí)，會(huì)傾向于以整體解決方案的形式來(lái)交付，這就給了云廠商參與游戲的機(jī)會(huì)，同時(shí)也要求云廠商提供向量數(shù)據(jù)庫(kù)的全棧支持。

如今頭部云廠商基本建立了全生命周期AI化的向量數(shù)據(jù)庫(kù)。有數(shù)據(jù)顯示，企業(yè)原先接入一個(gè)大模型需要花1個(gè)月左右時(shí)間，使用某公有云的向量數(shù)據(jù)庫(kù)后，3天時(shí)間即可完成，極大降低了企業(yè)的接入成本。

更何況，前不久火山引擎、阿里云、百度智能云等都圍繞大模型API價(jià)格，打起了互相抄底的“價(jià)格戰(zhàn)”，意味著AI創(chuàng)新門(mén)檻的降低，而AI應(yīng)用市場(chǎng)的用戶規(guī)模擴(kuò)大，也會(huì)帶動(dòng)向量數(shù)據(jù)庫(kù)的使用需求。

綜上，整個(gè)云AI市場(chǎng)的格局還在快速變化之中，風(fēng)物長(zhǎng)宜放眼量，AI Native的向量數(shù)據(jù)庫(kù)，前景仍然值得期待。

接下來(lái)，向量數(shù)據(jù)庫(kù)卷什么？

有人可能會(huì)問(wèn)了，大模型開(kāi)始卷價(jià)格，那向量數(shù)據(jù)庫(kù)市場(chǎng)正在卷什么？

需要注意的是，大模型降價(jià)是以云廠商為主，而零一萬(wàn)物等創(chuàng)業(yè)公司已經(jīng)明確表示會(huì)以技術(shù)創(chuàng)新為競(jìng)爭(zhēng)力，而不會(huì)（與云廠商）對(duì)標(biāo)價(jià)格。云廠商在AI基礎(chǔ)設(shè)施、商業(yè)生態(tài)、市場(chǎng)規(guī)模效應(yīng)上的既定優(yōu)勢(shì)，確實(shí)也會(huì)表現(xiàn)在向量數(shù)據(jù)庫(kù)市場(chǎng)。

目前來(lái)看，公有云廠商有幾重特殊優(yōu)勢(shì)，或許會(huì)讓向量數(shù)據(jù)庫(kù)加速走向商業(yè)成功：

1. 多元化部署。垂直行業(yè)大模型，數(shù)據(jù)都是私有機(jī)密的，客戶一般不愿意放到公有云上，這對(duì)一部分支持混合多云的云廠商是一大利好，通過(guò)私有部署、分布式、混合云等多種方案，打消行業(yè)客戶將數(shù)據(jù)放到云端的現(xiàn)實(shí)疑慮。

2.一體化AI能力。向量數(shù)據(jù)庫(kù)的火爆，本質(zhì)是由AI驅(qū)動(dòng)的，而AI Native時(shí)代的數(shù)據(jù)工程，還有許多復(fù)雜問(wèn)題尚待解決，比如檢索效率，在處理大規(guī)模數(shù)據(jù)的并行任務(wù)時(shí)，保持快速響應(yīng)時(shí)間是一個(gè)挑戰(zhàn)，需要優(yōu)化索引結(jié)構(gòu)和搜索算法；高負(fù)載下的系統(tǒng)穩(wěn)定性，需要確保數(shù)據(jù)庫(kù)系統(tǒng)具備高可用性和容錯(cuò)能力，防止服務(wù)中斷；存儲(chǔ)海量的向量數(shù)據(jù)，成本效益比要進(jìn)一步優(yōu)化……目前來(lái)看，云廠商具備從底層算力集群、Maas模型平臺(tái)到全棧工具鏈的AI能力，有望通過(guò)技術(shù)協(xié)同創(chuàng)新，持續(xù)優(yōu)化向量數(shù)據(jù)庫(kù)的性能和成本。

3.產(chǎn)業(yè)服務(wù)能力。各行業(yè)對(duì)AI與業(yè)務(wù)的結(jié)合熱情高漲，但大多還處于嘗試探索期，需要結(jié)合自身場(chǎng)景、AI應(yīng)用、IT設(shè)施等多種因素試錯(cuò)并迭代。這個(gè)過(guò)程中，隨叫隨到、幫助客戶及時(shí)解決問(wèn)題的ToB服務(wù)能力，也是非?？粗氐摹Ｉ罡a(chǎn)業(yè)的公有云，有望降低很多企業(yè)在AI技術(shù)革命中的機(jī)會(huì)成本。

有人說(shuō)，AI云市場(chǎng)越來(lái)越卷了，隨著大模型性能邊際效益不斷走低，云廠商不得不用低價(jià)換規(guī)模。但有句話：“東方不亮西方亮，黑了南方有北方?！敝灰性茝S商在AI領(lǐng)域的產(chǎn)品陣營(yíng)足夠龐大，用多元化綜合優(yōu)勢(shì)鎖定用戶，那么即使大模型收益下降，在商業(yè)回報(bào)上也不愁沒(méi)有回旋的余地。

從這個(gè)角度看，或許公有云市場(chǎng)下一個(gè)卷起來(lái)的，就是向量大模型。