自今年大模型趋势发生以来，向量数据库领域备受关注。

今年3月以后，多家向量数据库厂商拿下最新融资，其中Pinecone更是获得高达1亿美元的B轮融资。

腾讯云当然也注意到了这一趋势。

腾讯云数据库副总经理罗云表示，当时内部已经开始讨论，随着AI趋势演进是否需要有一个单独workload的向量数据库去对外提供服务？

要知道，向量检索其实非常消耗CPU和内存资源。随着使用向量数据库的workload越来越大，插件式的数据库会面临一些挑战。

如果能把LTP（语言技术平台）流量扩增和向量流量扩增的资源分开，能让企业更加精细化管理自己的资源，从而降低成本。

因此腾讯云认为这种Purpose-built（专用）向量数据库会越来越重要。

而且在那个时间点，内部已经有了一个比较明确的判断：

腾讯云在多年的积累下，对外提供一个更大规模的向量数据库产品，是有优势的。

为什么这么说？

有两方面原因。

对内，腾讯云并非是从0到1开始做向量数据库；对外，市场需求已经非常明显，而且会越来越大。

内因方面，腾讯云向量数据库从2019年开始在内部进行孵化，集成了业内以及腾讯自研的大量优秀算法，其能力已在内部多项业务中得到充分验证，并且积累了比较丰富的实践经验。

腾讯云向量数据库依托于腾讯内部的分布式向量数据库引擎Olama（原名ElasticFaiss）。

腾讯PCG大数据平台部搜索推荐Senior Tech Lead郑伟介绍，Olama目前负责处理腾讯集团每日千亿次检索，在内部海量场景的实践下，数据接入AI的效率也比传统方案提升10倍，运行稳定性达99.99%。

其向量化能力（embedding）在2021年登顶MS MARCO 榜单第一，相关成果已发表在NLP顶会ACL。

而在Olama的最新升级中，还针对成本、稳定性、自动化等方面做出更大提升。

目前，Olama已经应用在了多个腾讯内部业务上，如腾讯视频、QQ浏览器、QQ音乐等30款产品中。

数据显示，使用腾讯云向量数据库后，QQ音乐人均听歌时长提升3.2%、腾讯视频有效曝光人均时长提升1.74%、QQ浏览器成本降低37.9%。

以腾讯视频的应用为例，视频库中的图片、音频、标题文本等内容使用腾讯云向量数据库，月均完成的检索和计算量高达200亿次，有效满足了版权保护、原创识别、相似性检索等场景需求。

而在外因方面，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。

据东北证券预测，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。