从市场维度上看，尽管大模型带火了向量数据库，多家初创公司受到资本市场青睐，但是其商业化落地和规模化应用的前景仍不明朗：一方面，技术迭代慢，没有新的突破。向量数据库核心技术包括索引、相似度计算、Embedding等，这些技术早已出现，时至今日并没有实现大的创新突破；另一方面，向量数据库并非不可替代，因为向量数据库广受关注也倒逼传统数据库加快原生向量词嵌入和向量搜索引擎的研发和应用。

 

“尽管向量数据库的未来还不确定，但当下能够确定的是，向量数据库为解决非结构化数据的存算查带来了福音，并找到了场景化的落地应用。”盖国强表示，需求寻找产品，产品也在寻找需求。向量数据库在AI时代找到了规模化应用场景，因而成为当下行业关注的热点，但也会很快趋于理性客观，继续回归到寻找价值创造的道路上来。

 

那么，何处才是向量数据库的真正归属？对此，盖国强也阐述了自己的理解。他认为，向量数据库应当向不同行业的垂直大模型领域发展，找到更广阔的应用空间。在垂直领域，由于训练数据有限，大模型的知识深度、准确度和时效性亟待增强。通过向量数据库，行业企业通过结合大模型和自有知识、行业Know