今年向量数据库被大模型带火了，投资人也是蜂拥而至；
特别是在上半年，四家向量数据库初创公司Chroma、Qdrant、Weaviate和Pinecone就斩获了10多亿融资；最近就连腾讯云也发布了向量数据库；
但通过我们的观察发现，最近流向向量数据库的“热钱”少了很多，更多的是流向AI应用；
向量数据库真的是昙花一现么？
爬上“神坛”
大模型的确带火了向量数据库。
向量数据库最大的优势在于，能够把图片、视频、文本多样化的信息转化成向量，然后存储在数据库中，帮助大模型形成“长期记忆”，进而降低“幻觉”产生的可能性。
因为将输入的多样化信息转化成0、1这种机器更容易识别的语言，信息都以非常统一、清晰明了的格式进行过标注，所以在对数据库查询时，能够更快的检索出答案，并且按需匹配度也会更高。
对于大模型提供方，降本增效很明显；
具体来看，腾讯云向量数据库用于大模型预训练数据的分类、去重和清洗相比传统方式可以实现10倍效率的提升；而如果将向量数据库作为外部知识库用于模型推理，则可以将成本降低2-4个数量级。
对于企业用户侧，解决了最关键的数据隐私；
之前企业无法快速用上大模型，很大一方面因素在于通用大模型在专业度方面还不够，而要解决应对的问题就需要给大模型投喂相关领域的数据进行训练，这个过程就会涉及到数据安全；
向量数据库就刚好可以解决企业这方面的担忧。
在我们此前对话面壁智能CEO李大海时，他也明确表示过：向量数据库相当于为企业的私域数据进行加密，大模型提供方无法直接用这部分数据进行模型训练。
总的来看，正式由于向量数据库表现出“双赢底色”，所以让它一度成为VC的偏爱。
赛道进入红海，VC刹车了
VC的爱动摇了。
任何一个赛道想要有持续的热度，或者长期投资价值；
要么是技术迭代非常快，或者是门槛壁垒高，又或者是商业模式好；
但当下来看，向量数据库并不完全满足以上条件。
首先，技术迭代慢，没有新的突破。向量数据库比较核心的技术就是索引（FLAT、HNSW、IVF）、相似度计算（余弦相似）、Embedding(将各种信息转化成向量，降低信息复杂性)；这些技术在大模型火之前就有了，时至今日本质上没有显著变化。
其次，赛道进入门槛比较低。无论是大模型提供方，还是传统数据库厂商都可以转型进入这部分业务；这也就导致竞争会变得非常激烈。对于初创型公司来说，无论是拼财力还是拼客户都完全没有优势。
最后，商业模式前景不明朗。
比如数据库公司Singularity Data创始人就公开表示过：现在入局向量数据库可能并非合适的时机：
“一方面，市场上向量数据库产品已经非常多了，行业进入红海战争，价格战未来也在所难免；
另一方面，产品差异化不大，且并非不可替代。”
好比说，向量数据库的出现并不代表将Postgres或NoSQL这样的传统数据库拒之门外了。事实上，Postgres本身就有一个内置的Pgvector功能可以进行向量或相似性搜索。
对于很多企业来说，向量数据库并非是必选项。
但在一轮融资热潮过后，投资方所期待技术革新、不可替代性、以及良好的商业模式并没有得到足够多的验证，
所以，投资的风口便会悄然变化。