今年大模型趋势发生以来，向量数据库因为自身属性，备受行业关注。

7月4日，腾讯云正式发布AI原生（AI Native）向量数据库Tencent Cloud VectorDB。该数据库能够被广泛应用于大模型的训练、推理和知识库补充等场景，是国内首个从接入层、计算层、到存储层提供全生命周期AI化的向量数据库。

这意味着，已经推出了行业大模型平台的腾讯云，还要专门面向大模型巨大的数据需求，推出单点云服务产品。这在国内云市场中，还是首例。

｜什么是向量数据库？

先简单介绍下向量数据库。它是通过把数据向量化，然后进行存储和查询。可以高速处理大规模复杂数据、高维数据（如图像、音视频等）；同时支持复杂查询操作，能轻松扩展到多个节点处理更大规模数据。

具体到大模型领域，向量数据库能有效降低训练成本、补充模型“长期记忆”、更快更新知识库、解决提示词工程复杂等问题。

如腾讯云向量数据库，可最高支持10亿级向量检索规模，延迟控制在毫秒级，相比传统插件式数据库检索规模提升10倍，同时具备百万级每秒查询（QPS）的峰值能力。

这是什么概念？

腾讯云数据库副总经理罗云解释说，假设想要在10亿张图片里找到1张有狗的图片，腾讯云向量数据库有可以同时支持100万个类似的请求，在10亿规模图片里进行搜索，并且平均时延控制在百毫秒以内。

而为了能更加面向大模型领域需求，这次最新发布中，腾讯云重新定义了一个AI原生（AI Native）的开发范式。将提供接入层、计算层、存储层的全面AI化解决方案。带来的改变是，能让用户在使用向量数据库的全生命周期内，都能应用到AI能力。

带来的直接好处是，原来企业接入一个大模型需要花1个月左右的时间，用腾讯云向量库后，可以仅需3天，给企业使用降低了门槛。

｜拥抱大模型成为企业的刚需

腾讯云方面表示，向量数据库通过把数据向量化然后进行存储和查询，可以极大地提升效率和降低成本。它能解决大模型预训练成本高、没有“长期记忆”、知识更新不足、提示词工程复杂等问题，突破大模型在时间和空间上的限制，加速大模型落地行业场景。

统计显示，将腾讯云向量数据库用于大模型预训练数据的分类、去重和清洗相比传统方式可以实现10倍效率的提升，如果将向量数据库作为外部知识库用于模型推理，则可以将成本降低2-4个数量级。

据介绍，在接入层，腾讯云向量数据库支持自然语言文本的输入，同时采用“标量+向量”的查询方式，支持全内存索引，最高支持每秒百万的查询量（QPS）；在计算层，AI Native开发范式能实现全量数据AI计算，一站式解决企业在搭建私域知识库时的文本切分（segment）、向量化（embedding）等难题；在存储层，腾讯云向量数据库支持数据智能存储分布，助力企业存储成本降低50%。

｜竞泰观点：市场需求已经非常明显

在外因方面，不仅是看到了向量数据库领域的发展趋势，腾讯云认为在这一方面云厂商也有一定自身优势。罗云表示，出于对数据的重视，国内企业在选择数据类产品服务时，会希望能更加稳定、长久。

那么在国内的To B决策链条里，公有云厂商提供自己相应的技术服务，会很有竞争力。据预测，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。腾讯云的动向，代表了云厂商在向量数据库方面的发力。

而除此之外，我们也看到Zilliz在内的向量数据库厂商，陆续面向大模型进行产品更新和升级。以及一些老牌数据库厂商（如甲骨文）也在发布AI相关业务。而目前行业尚处于一个比较早期的阶段，未来趋势如何发展，还要看各方厂商的具体动向了。

但总之，在大模型趋势推动下，向量数据库领域还在不断升温。