数据库世界经历了许多不同的阶段。最古老的类型是 SQL 或关系数据库，其中所有数据都适合结构化的矩形表。Web 2.0 公司不断增长的需求引发了 NoSQL 革命，数据库变得更加灵活，能够处理更大量的数据。现在，随着市场为渴望 AI 的市场做好准备，出现了另一个市场，称为向量数据库。
新型数据库的新资金
到 3 月底，Pinecone、Chroma 和 Weviate 等少数初创公司几乎同时从 Andreessen Horowitz 和 Index Ventures 等风险投资公司筹集了数百万美元。
开源搜索引擎 Weviate 的开发商 SeMI Technologies 宣布已获得由 New Enterprise Associates 和 Cortical Ventures 领投的 1600 万美元 A 轮融资。去年 3 月，Pinecone 在 A 轮融资中获得了 2800 万美元，由 Menlo Ventures、Tiger Global 和 Wing Venture Capital 领投。向量数据库初创公司 Chroma 获得了 1800 万美元的种子资金，估值达到 7500 万美元。（同样值得注意的是，Chroma 在 GitHub 上只有 1.2 颗星）。
最近，另一家同样构建了开源向量搜索引擎和非结构化数据数据库的德国初创公司 Qdrant 昨天宣布获得 750 万美元的种子资金，领投方为 Unusual Ventures，42cap、IBB Ventures 和天使投资人跟投。就像 Cloudera 的联合创始人 Amr Awadallah。
被生成式 AI 漏洞困扰的投资者正涌向生态系统中这些相互关联的领域。但是，所有投入这些公司的钱都值钱吗？好吧，向量本身非常有价值，同时代表更丰富的数据集，包括文本、音频、图像和视频，这非常适合生成 AI 提出的无数用例。
竞争正在升温
虽然向量数据库可以像生成 AI 一样用于文本生成、搜索引擎甚至推荐系统，但向量数据库中最常见的用例是它们的搜索功能。向量数据库以与传统数据库截然不同的方式排列数据。
简而言之，它将非结构化数据数组保存在彼此相似的集群中。这有助于用户使用相似的对象查询数据库，以便轻松地比较和找到相似的匹配项。向量数据库的另一个优势是这些查询具有低延迟，这非常适合生成式 AI 应用程序。
这并不是说这将像 Postgres 或 NoSQL 数据库 Redis 这样的传统数据库完全排除在竞争之外。Postgres 也有一个称为 Pgvector 的向量或相似性搜索功能。
为了不落伍，老牌数据库公司正在通过与人工智能相关的服务来巩固自己。例如，甲骨文提供了一系列人工智能算法，同时也以“数据库内学习的速度”提供它们。IBM 的老式 db2 现在已更名为“AI 数据库”，现在有 ML 来提高查询性能和“基于信心的查询”。
但是，如果人工智能现在是大多数公司的前沿和中心，那么他们自然会要求人工智能优先的基础设施。
SeMI Technologies 的首席执行官 Bob van Lujit 向VentureBeat讲述了为什么像 Weviate 这样的公司与关系数据库公司不同。“这真的是我们这里的人工智能优先基础设施。这是第一次，在数据科学领域所做的所有工作与看到公司前景和需求的人们之间架起了这座桥梁。我们正在建造那座桥，”van Lujit 解释道。
软件服务初创公司 Heltar 的创始人 Avyukt Aggarwal 谈到了向量数据库与生成 AI 工具的紧密联系。“每次淘金热都会有人卖铲子。对于生成式 AI，铲子是什么？向量数据库。几乎每一个 LLM 支持的应用程序都在使用它们或即将使用它们。LLM 将集成到几乎所有主要应用程序中。投资一揽子提供托管向量数据库的公司似乎是现代淘金热中从铁锹中获利的方式，”他说。
称向量数据库为铲子并不过分。随着部署到企业生产中的 AI 应用程序与日俱增，对良好向量数据库的需求与 SQL 对云操作一样重要。
目前，与任何有效的新技术一样，可能很难将炒作与实际优点区分开来。Google 开发人员专家兼 YouTube 频道 Fireship 的创建者 Jeff Delaney 谈到了他如何在没有收入、商业计划或代码可展示的情况下启动名为 Rektor 的即兴向量数据库项目。短时间内，公司估值飙升至4.2亿美元。
文章来源：https://analyticsindiamag.com/why-are-investors-flocking-to-vector-databases/
