随着以 Milvus 为代表的向量数据库在 AI 产业界越来越受欢迎，诸如 Elasticsearch 之类的传统数据库和检索系统也开始行动起来，纷纷在快速集成专门的向量检索插件方面展开角逐。

例如，在提供类似插件的传统数据库中，Elasticsearch 8.0 首屈一指，推出了包括向量插入和最相似近邻搜索（ANN）能力在内的一系列特性，并提供了相应的 RESTful API 接口。在这种情况下，作为 Elasticsearch 的完全托管版本，Elastic Cloud 也开始提供向量检索能力。

值得注意的是，作为既有系统的补充，大多数此类向量检索插件提供的 embedding 管理和向量检索方案并不尽如人意，使得这些插件在与检索性能密切相关的时延、容量和吞吐等指标上表现不佳。这就好像人们寄希望于将燃油汽车改造成使用锂电池和电机的新能源汽车一样，存在创新不足的问题。

本文将撇开这些表面差异，通过比较二者的性能基准测试结果和 Elastic Cloud 的相关特性，深入探究 Elastic Cloud 和 Zilliz Cloud (https://zilliz.com.cn/)的差异。