您的位置: 首页 > 技术杂谈 > 正文

被 ChatGPT 点燃的向量数据库们

2023-05-09 20:00 https://my.oschina.net/u/6148470/blog/8725017 Bytebase 次阅读条评论

在 AIGC 革命大爆发的日子，一个特别的挑战是大规模存储和查询非结构化数据（比如图像、视频、文本）的能力。

为了快速搜索和理解非结构化数据，现在的普遍解法是使用向量数据库（vector database）。在向量数据库中，向量是一等公民，所有的功能都是围绕着它建立的。

向量数据库可以让开发者以向量嵌入的形式处理非结构化数据（两个向量之间的距离代表了它们的关联性），这对于使用和扩展大型语言模型（LLM）尤为重要，比如 OpenAI 的 Retrieval 插件就依靠向量数据库帮助用户从他们的数据源获得相关文件片段。

这个领域很新，连 OpenAI 自己都搞不太清楚，Milvus 和 Zilliz 是同一家🤣。

几乎所有由 LLM 驱动的 AI 产品或技术都使用了向量数据库，随着 ChatGPT 和 AI 的流行，VC 也都涌向了这条赛道。我们收集了一些近期向量数据库融资的消息：

Pinecone: 4.27 宣布 $100M B 轮
Weaviate: 4.23 宣布 $50M B 轮
Qdrant: 4.20 宣布 $7.5M 种子轮
Chroma: 4.6 宣布 $18M 种子轮
Zilliz: (去年) 8.20 宣布 $103M B 轮

已经挤起来了，不过每家都有不同的功能、性能和价格，我们来了解一下。

Pinecone

Pinecone 是个全托管的 SaaS 向量数据库厂商（支持 GCP & AWS），团队分布在纽约，三藩和特拉维夫。2021 年 1 月公开了 Beta 版和 $10M 种子轮融资；同年 9 月，发布了 Pinecone 2.0，也宣布了他们全新基于使用的定价方案，其中包括免费版、标准版和企业版。

2022 年间他们用 Rust 重写了一遍（过去是 C/C++ 和 Python 写的），虽然过程无比艰辛，但是结局很美好：产品性能和开发速度都得以提高。

Milvus / Zillliz

Milvus 创建于 2019 年，是一个为可扩展的相似性搜索而建立的开源向量数据库，它基于 Facebook AI Similarity Search (Faiss), Non-Metric Space Library (NMSLIB) 和 Annoy，并额外扩展了它们的功能。

Zilliz Cloud 是基于 Milvus 的 SaaS 服务，有 30 天免费试用和 credit。

Weaviate

Weaviate 总部位于荷兰，一个开源的向量数据库，可以同时存储对象和向量，开发者可以很容易地创建自己的语义系统或向量搜索引擎。

Weaviate 前几天刚宣布了他们的 Cloud Service 进入了公测，大家可以去试用（Sandbox 版有 14 天免费）！

Qdrant

Qdrant 于 2021 年在柏林成立，使用 Rust 编写，是一个为 AI 开发者打造的向量搜索引擎和非结构化数据的数据库。Qdrant 是开源的，用户可以直接下载使用，今年年初起推出了云服务 Qdrant Cloud，已经有超过 1000 个 Qdrant 集群正在提供服务了。

Chroma

Chroma 是一个开源的向量嵌入存储。虽然 2023 年 2 月才正式推出，在过去的一个月已经有 35K 次下载了，它现在只有免费的开源版使用，应该很快会推出托管版本。

看了一下 Chroma 种子轮的投资人，除了几大 VC，还有不少 startup 创始人和业内名人的投资，应该是人气最佳选手了。

pgvector

对于现有数据库解决方案，储存向量通常只是一种附加功能，没有经过优化，也缺乏基本的功能。不过， pgvector 是 PostgreSQL 的插件，允许你在数据库中存储和查询向量嵌入。如果你用 PostgreSQL，或者 pg 生态圈的产品比如 Neon，Supabase，bit.io，可以试试这个插件。

https://neon.tech/blog/building-an-ai-powered-chatbot-using-vercel-openai-and-postgres
https://supabase.com/blog/openai-embeddings-postgres-vector
https://innerjoin.bit.io/vector-similarity-search-in-postgres-with-bit-io-and-pgvector-c58ac34f408b

Redis

大多数人用 Redis 应该都只是作为一个缓存来使用，不过它有一个 use case 是向量数据库，其实就是通过一些扩展模块，比如 RediSearch，Vector Similarity Search (VSS)，来实现向量存储和查询（不过只有企业版才能用这些功能）。

总结一下

AIGC 的爆发带动了许多附属产品和生态的增长，向量数据库就是其中一员。此情此景，也让人不禁想起当年 Web 2.0 所引发的 NoSQL 革命。谁能成为向量数据库领域的 MongoDB，DynamoDB？而哪些则会像 Couchbase，NuoDB，Riak，RethinkDB 退出历史的舞台？让我们拭目以待吧。

参考

https://platform.openai.com/docs/guides/embeddings/
https://innerjoin.bit.io/why-you-should-care-about-vector-databases-1760186b5bf1
https://analyticsindiamag.com/why-are-investors-flocking-to-vector-databases/

展开阅读全文