人工智能专题研究向量数据库AI时代的技术基座.pptxVIP

人工智能专题研究向量数据库——AI时代的技术基座

124核心要点?受大模型热潮催化，向量数据库方兴未艾。NVIDIACEO黄仁勋在3月的NVIDIAGTCKeynote中，首次提及向量数据库，并强调其在构建专有大型语言模型的组织中的重要性。大模型作为新一代的AI处理器，提供了数据处理能力；而向量数据库提供了存储能力，成为大模型时代的重要基座。向量数据库是一种专门用于存储和查询向量数据的数据库系统，与传统数据库相比，向量数据库使用向量化计算，能够高速地处理大规模的复杂数据；并可以处理高维数据，例如图像、音频和视频等，解决传统关系型数据库中的痛点；同时，向量数据库支持复杂的查询操作，也可以轻松地扩展到多个节点，以处理更大规模的数据。?百亿蓝海市场蓄势待发，向量数据库空间广阔。据Statista数据，2021年全球数据库市场规模为800亿美元，同比增长约20.3%。假设增速保持20%，预计到2025年，全球数据库市场规模将达到1658.9亿美元。据中国信通院测算，2020年中国数据库市场规模约241亿元；预计到2025年，中国数据库市场规模将达688亿元，复合增长率为23.4%。随着AI应用场景加速落地，我们预计2025年向量数据库渗透率约为30%，则全球向量数据库市场规模约为99.5亿美元，中国向量数据库市场规模约为82.56亿元。?海外需求逐步爆发，新兴赛道群雄并起。目前向量数据库的赛道仍处于发展初期，随着大模型日趋成熟，越来越多玩家瞄准向量数据库的机会并选择加入赛道，呈现百花齐放的竞争格局。向量数据库的头部企业包括Zilliz、Pinecone等，目前的主要的客户还是互联网厂商随着大模型应用的不断拓宽，预计向量数据库的公司将受到更多投资者青睐，迎来投资井喷期。Zilliz目前已与Nvidia、IBM、Mircosoft等公司展开合作，在一级市场获得1.13亿美元投资；Pinecone先后上架Google云和AWS，逐步打开市场，在一级市场获得1.38亿美元投资。?风险提示：AI技术更新迭代缓慢、专业领域落地效果不及预期、市场开拓不及预期等风险。

2目录1向量数据库——AI浪潮下崛起新星2市场广阔，百花齐放3国内外向量数据库公司巡礼1.1数据库分类1.2向量数据库的主要应用场景

1.1数据库分类关系型数据库（SQL）vs.非关系型数据库（NoSQL）关系型数据库（SQL）?定义：依据“一对一、一对多、多对多”的关系模型创建数据库，并将数据以二维表格的形式储存，各个表之间建立关系，通过这些关联的表格间分类、合并、连接或选取等运算来实现数据的管理。?发展情况：1960s开始在航空领域发挥作用；因为其良好的一致性以及通用的关系型数据模型接口，使用范围广泛。?常见类型：MySQL、Oracle、PostgreSQL等。?优点：数据安全（磁盘）、数据一致性、二维表结构直观，易理解、使用SQL语句操作非常方便，可用于比较复杂的查询?缺点：读写性能较差、不擅长处理较复杂的关系非关系型数据库（NoSQL）?起源：2000年左右，互联网应用兴起，需要支持大规模的并发用户，并保持永远在线。一方面，关系型数据库无法支持如此大规模数据和访问量，升级CPU、内存和硬盘可以提高性能，但呈现明显的收益递减效应。另一方面，数据库在机器间的迁移非常复杂，需要较长的停机时间。NoSQL因此应运而生，有效补充了SQL的适用范围，NoSQL在Web应用领域提供了高可用性和可扩展性。?特点：没有固定的表结构、数据之间不存在表与表之间的关系、数据之间可以是独立的、NoSQL可用于分布式系统上。?类型：数据类型多样，针对不同的数据类型，出现了不同的NoSQL，如向量数据库。图：关系型数据库和非关系型数据库规模对比情况 非关系型数据库是关系型数据库的有效补充3

1.1.1数据库的分类——非关系型数据库向量数据库 图形数据库 文档存储数据库特点将数据以向量形式存储，可实现向量数据的相似度有哪些信誉好的足球投注网站、聚类、降维等操作。将数据以图的形式存储，以点、边为基础存储单元，每个节点代表一个实体，每条边代表两个实体之间的关系。将数据以文档的形式存储，每个文档包含成对的字段和值。优势易处理高维度、高相似度、高并发的数据；易与机器学习模型结合并提供智能化的服务。易体现复杂的实体关系；支持高效的图遍历和分析。非常灵活，可在文档中修改数据结构；适用于处理半结构化或多变化的数据；具有较高的性能，可快速传输、处理海量数据。不足少技术成熟度较低，产品和相关应用较不适用于处理关系简单或无关系的数