向量数据库定义、工作流程、特点及市场空间如何？

向量数据库是专门用来存储和查询向量的数据库。

向量数据库是专门用来存储和查询向量的数据库。向量数据库是一种专门用于存储、 管理、查询、检索向量（Vectors）的数据库，主要应用于人工智能、机器学习、数 据挖掘等领域。同传统数据库相比，向量数据库不仅能够完成基本的 CRUD（添加、 读取查询、更新、删除）、元数据过滤、水平缩放等操作，还能够对向量数据进行 更快速的相似性搜索。目前 AI 主流的大模型如 Transformer、Clip、GPT 等均能够 将文本、图像等非结构化数据转化为高维向量，而伴随大模型应用场景的扩展，这 些高维向量数据的存储、检索将显著带动向量数据库的市场需求。

向量数据库的工作流程包括以下步骤： 1、向量数据的存储：向量数据通常是高维的数值型数据，如图像特征向量、文本 词向量等；向量数据库使用基于向量的存储结构，以便快速查询和处理； 2、向量索引：向量数据库使用 PQ、LSH 或 HNSW 等算法为向量编制索引，并将 向量映射到数据结构，以便更快地进行搜索； 3、向量查询：向量数据库将查询向量与数据库中的向量进行比较，从而找到最近 邻的向量； 4、查询结果的返回：向量数据库返回查询结果，通常包括与给定向量最相似的向 量列表、向量之间的相似度得分等信息；该环节可以使用不同的相似性度量对最近 邻重新排序。

向量数据库能够通过向量搜索（Vector Search），实现更为高效、准确的执行和结 果输出。当前主流的数据库检索采用关键词搜索（Keyword Search）的方式，将搜 索关键词与数据库中的值进行匹配，根据词汇相似性、单词出现的频率，得到输出 结果。关键词检索的缺点在于，其对于语义相同、表达方式不同的文本理解能力较 差，且不具备多模态或多语言的检索能力。向量搜索利用神经网络模型，将对象（如 文本和图像）和查询表示为高维向量，采用 K 近邻法（KNN，K-Nearest Neighbor） 或近似临近算法（ANN，Approximate Nearing Neighbor），计算目标对象与数据库 中向量嵌入的距离（通常采用余弦距离、欧氏距离等方法）以表示两者的相似度， 并按照向量的相似度进行排序，返回结果。同关键词搜索相比，向量搜索能够实现 对语义更为精准的理解，在多模态、不同语言等环境下能够输出更为准确的结果。 例如：英文的 Capital 可以指“资本”或者“首都”，“从中国去美国”和“从美国 去中国”存在方向，传统的数据库不能很好地解决这些问题。

向量数据库的主要特点和优势包括： 1、 高效的相似性搜索：向量数据库通过优化的索引结构和查询算法，能够在大规 模向量数据集中快速地找到与给定查询向量相似的向量。这有助于实现实时或 近实时的搜索和推荐功能；2、 灵活的向量表示：向量数据库通常支持各种向量表示方法，包括稠密向量（如 词嵌入）和稀疏向量（如词袋模型和 TF-IDF）。这使得向量数据库可以处理各 种类型的数据，如文本、图像、音频和视频等； 3、 可扩展性：向量数据库通常具有良好的可扩展性，可以在多个计算节点上分布 式存储和查询向量数据。这使得向量数据库可以应对大规模数据集和高并发查 询的需求； 4、 高级查询功能：向量数据库通常提供丰富的查询功能，如相似性搜索、近似最 近邻查询、向量加权查询等。这使得向量数据库在各种应用场景中具有较高的 灵活性和实用性。

海量数据爆发产生巨大数据库需求。在互联网化趋势下，数据量呈爆炸式增长，同 时随着数据大集中、数据挖掘、商业智能、协同作业等大数据处理技术的日趋成熟， 数据价值呈指数上升趋势。根据 Stastista，2022 年全球创建、使用和存储的数据量 约为 97ZB，预计到 2025 年数据量将达到 181ZB，2021-2025 年全球数据量复合增 长率约为 23%。数据量的爆发式增长为数据存储、处理带来更为庞大的需求。

全球数据库市场规模仍处在高速成长期。根据 Gartner 数据，2021 年全球数据库市 场规模接近 800 亿美元（5201 亿人民币），同比增长约 20.3%，五年内已实现市场 规模翻倍。根据前瞻产业研究院，预计到 2026 年，全球数据库市场规模将达到 2086 亿美元，2021-2026 年复合增长率达到 21.13%。

关系型数据库仍然占市场主导，灵活拓展与高并发能力助力 NoSQL 数据库腾飞。 根据 IDC 报告，2017 年至 2022 年，非关系型数据库（DDMS）市场规模年复合增 长率为 30.94%，而关系型数据库（RDBMS）复合增长率仅 8.12%；但从市场规模看，关系型数据库仍然占据主导，83%的数据库市场由关系型数据库构成。根据 ScaleGrid 2019 年统计，关系型与非关系型数据库的用户规模分别为 60.5%和 39.5%。 根据 IMARC，2022 年全球 NoSQL 市场规模将达到 73 亿美元，预计 2023-2028 年 复合增长率将达到 29.92%。未来，Not-only-SQL 类型数据库市场规模的增速将持续 领先于传统关系型数据库。

向量数据库或将迎来超 500 亿美元市场。基本假设： 1、 参考 Gartner、IDC 的市场规模数据，2021 年全球数据库市场规模为 800 亿美元； 2、 到 2030 年，全球数据库市场规模以 18%的年复合增长率增长，即 2030 年全球 数据库市场规模约为 3548 亿美元； 3、 参考 NoSQL、云服务数据库的占比，同时考虑到 AI 的快速渗透，假设 2030 年， NoSQL 数据库中向量数据库占比将达到 50%； 根据上述假设我们得出，预计到 2030 年，全球向量数据库市场规模或将达到 522 亿美元。

中国向量数据库市场空间或将达到 253-949 亿元。根据中国信通院数据，2021 年中 国数据库市场规模约为 309 亿元，占全球数据库 800 亿美元市场的比重约为 5.94%； 预计到 2025 年，中国数据库市场规模为 688 亿元，2020-2025 年复合增长率为 23.4%， 占全球数据库市场的比重约为6.14%。根据IDC，2020年中国数据量规模约为7.92ZB， 占全球总量的 18%；预计到 2025 年，中国数据量规模将增至 48.6ZB，占全球数据 量的 27.8％。中国数据量在全球的占比远超数据库市场规模占比，错配情况较为明 显。基于上述数据，我们做出如下假设： 1、 到 2030 年，中国数据库市场将以 20%的年复合增长率增长，对应 2030 年市场 规模 1711 亿人民币，占全球数据库市场的 7.4%； 2、 中国向量数据库市场占全球比重的下限≈中国数据库市场占全球数据库市场的 比重，即 7.4%； 3、 到 2030 年，中国数据量占全球数据量规模的比重维持在 2025 年水平； 4、 中国向量数据库市场占全球比重的上限≈中国数据量占全球数据量的比重，即 28%； 根据上述假设我们得出，预计到 2030 年，中国向量数据库市场规模或将达到 39-146 亿美元，对应 253-949 亿人民币。

需要特别指出的是，相比于传统数据库，向量数据库其实不止有存储功能，也有一 定的计算属性，因此其 TAM 是可以扩大的。