大模型卷價格,向量數據庫“卷”什么?

2024-05-23 18:40:18    編輯: robot
導讀 “不是我不明白,這世界變化快”,崔健在20世紀寫下的這句歌詞,放在公有雲市場也同樣適用。技術風向的變化之快,讓不少人感到驚訝。 2023年初大模型、生成式 AI的起飛,也帶來了向量數據庫的爆火。投融...

“不是我不明白,這世界變化快”,崔健在20世紀寫下的這句歌詞,放在公有雲市場也同樣適用。技術風向的變化之快,讓不少人感到驚訝。

2023年初大模型、生成式 AI的起飛,也帶來了向量數據庫的爆火。投融資項目爆發式增長,頭部公有雲廠商都推出了AI向量數據庫的相關產品。

然而一年狂飆之後,市場逐漸退潮,全球最著名的 AI 項目之一AutoGPT在2024年初宣布,不再使用向量數據庫。因此有人質疑,向量數據庫又涼了?

圖片

不過,隨着5月份公有雲廠商們掀起價格战,接連調低大模型API的價格,高性價比的大模型+向量數據庫,在行業應用、企業市場又顯現出了一定的商業價值。

向量數據庫這一年的潮起潮落,究竟是火了還是涼了?大模型正在卷價格,向量數據庫又該卷什么?公有雲廠商又在這一市場發揮了什么作用?今天我們就來聊聊這些問題。

向量數據庫,剛剛开始

新技術的火爆,必然會伴隨炒作和泡沫,但向量作爲大模型理解世界的數據形式,向量數據庫作爲AI革命重要基建的位置,長期來看是不會動搖的。

爲什么這么說?

向量數據庫並不是一種特別新的數據庫技術,在AI領域已經應用了七八年,谷歌在2015年就宣布使用RankBrain語義檢索來處理搜索任務。如果說數據庫是數據的“硬盤”,那么,向量數據庫就是更適合AI體質的“硬盤”。

圖片

其“AI原生”的體質,具體表現在幾個方面:

1.更高的效率。AI算法,要從圖像、音頻和文本等海量的非結構化數據中學習,提取出以向量爲表示形式的“特徵”,以便模型能夠理解和處理。因此,向量數據庫比傳統基於索引的數據庫有明顯優勢。

2.更低的成本。大模型要從一種新技術轉化爲產業價值,必須達到合理的投入產出比,而向量數據庫可以有效減少存儲和計算成本。一個公开數據是,通過騰訊雲向量數據庫,QQ音樂人均聽歌時長提升3.2%、騰訊視頻有效曝光人均時長提升1.74%、QQ瀏覽器成本降低37.9%,就在於檢索效率、運行穩定性、運營效率、推薦算法等,有了較大的提升。

3.更強的數據安全。有企業直言:“沉澱了幾十年的內部數據是我的核心競爭力,讓我無償去公开給大模型做訓練,我肯定不愿意。”想做大模型,還要確保數據的隱私安全,就必須與數據庫產品做好配合,這給向量數據庫的本地部署帶來了廣闊的需求。

圖片

4.更大的擴展性。隨着大模型走向行業應用,垂直領域的AI用例不斷增多,洶湧的數據洪潮和存算任務,會帶來大量向量搜索的需求。而向量數據庫嵌入向量的長度不受限制,具有良好的擴展性,可以根據AI用例和模型而變化,更好地處理大規模數據集。

從大模型技術標杆的OpenAI發布的GPT-4o和即將發布的GPT-5消息來看,以及國內外商業化大模型的進展來看,大模型的技術路线還沒有發生顛覆性的變革,因此落地應用還是需要向量檢索和向量數據庫。

由此可以肯定,向量數據庫市場必然還會迎來一輪增長。趨於冷靜,只是2023年熱情過度高漲的適當回調。

兩大新勢力,雲是方向

據東北證券預測,到2030年,全球向量數據庫市場規模有望達到 500 億美元,國內向量數據庫市場規模有望超過600億人民幣。向量數據庫市場吸引了“群雄逐鹿”,從引爆到飽和,進展迅猛,

傳統數據庫廠商不必多說,既有相應的能力建設,也有一定的客戶基礎,推出相關產品是必然。一些在AI領域積澱已久的科技大廠,如谷歌、微軟、Meta、百度等大廠,都有向量數據庫的技術積累,也都可以向外輸出相關能力和產品。

除了這些常規面孔,向量數據庫市場也吸引了新的參與者。

作爲這一輪大模型投資熱和創業熱的主要目標之一,向量數據庫領域誕生了不少創新創業公司。比如AI創業新秀Pinecone就是閉源的領跑者,憑借良好的开箱即用的產品體驗,獲得了非常大的增長,B輪估值達到7.5億美元。其他競爭者大多建立在开源項目的基礎上。

圖片

不過,作爲創業公司,長期盈利能力還有待驗證。一個主要原因,是客戶大多是嘗鮮、實驗性質。

企業需要先將非結構化的私密數據,進行一個小的模型,進行向量化,產生一個向量的矩陣,再存儲到向量數據庫裏,來供大模型學習和檢索。這個過程涉及大量的工程化,會耗費企業許多开發人員、時間成本,一开始可能會因爲AI大模型很火而對向量數據庫產生興趣,但能否真正在業務中落地還是個未知數。因此,長期付費意愿還有較大的不確定性。

另一股積極參與的新勢力,就是公有雲廠商。

不是所有企業都有能力自建大模型所需要的基礎設施,通過MaaS(模型即服務)業務來訓練應用大模型,是更靈活的選擇。此外,很多政企客戶往往會選擇公有雲或行業雲來滿足其業務需求,對雲數據庫的關注度和接受度上升,而這些用戶在探索大模型時,會傾向於以整體解決方案的形式來交付,這就給了雲廠商參與遊戲的機會,同時也要求雲廠商提供向量數據庫的全棧支持。

圖片

如今頭部雲廠商基本建立了全生命周期AI化的向量數據庫。有數據顯示,企業原先接入一個大模型需要花1個月左右時間,使用某公有雲的向量數據庫後,3天時間即可完成,極大降低了企業的接入成本。

更何況,前不久火山引擎、阿裏雲、百度智能雲等都圍繞大模型API價格,打起了互相抄底的“價格战”,意味着AI創新門檻的降低,而AI應用市場的用戶規模擴大,也會帶動向量數據庫的使用需求。

綜上,整個雲AI市場的格局還在快速變化之中,風物長宜放眼量,AI Native的向量數據庫,前景仍然值得期待。

接下來,向量數據庫卷什么?

有人可能會問了,大模型开始卷價格,那向量數據庫市場正在卷什么?

需要注意的是,大模型降價是以雲廠商爲主,而零一萬物等創業公司已經明確表示會以技術創新爲競爭力,而不會(與雲廠商)對標價格。雲廠商在AI基礎設施、商業生態、市場規模效應上的既定優勢,確實也會表現在向量數據庫市場。

目前來看,公有雲廠商有幾重特殊優勢,或許會讓向量數據庫加速走向商業成功:

  1. 多元化部署。垂直行業大模型,數據都是私有機密的,客戶一般不愿意放到公有雲上,這對一部分支持混合多雲的雲廠商是一大利好,通過私有部署、分布式、混合雲等多種方案,打消行業客戶將數據放到雲端的現實疑慮。

圖片

2.一體化AI能力。向量數據庫的火爆,本質是由AI驅動的,而AI Native時代的數據工程,還有許多復雜問題尚待解決,比如檢索效率,在處理大規模數據的並行任務時,保持快速響應時間是一個挑战,需要優化索引結構和搜索算法;高負載下的系統穩定性,需要確保數據庫系統具備高可用性和容錯能力,防止服務中斷;存儲海量的向量數據,成本效益比要進一步優化……目前來看,雲廠商具備從底層算力集群、Maas模型平台到全棧工具鏈的AI能力,有望通過技術協同創新,持續優化向量數據庫的性能和成本。

3.產業服務能力。各行業對AI與業務的結合熱情高漲,但大多還處於嘗試探索期,需要結合自身場景、AI應用、IT設施等多種因素試錯並迭代。這個過程中,隨叫隨到、幫助客戶及時解決問題的ToB服務能力,也是非常看重的。深耕產業的公有雲,有望降低很多企業在AI技術革命中的機會成本。

有人說,AI雲市場越來越卷了,隨着大模型性能邊際效益不斷走低,雲廠商不得不用低價換規模。但有句話:“東方不亮西方亮,黑了南方有北方。”只要公有雲廠商在AI領域的產品陣營足夠龐大,用多元化綜合優勢鎖定用戶,那么即使大模型收益下降,在商業回報上也不愁沒有回旋的余地。

從這個角度看,或許公有雲市場下一個卷起來的,就是向量大模型。

       原文標題 : 大模型卷價格,向量數據庫“卷”什么?



標題:大模型卷價格,向量數據庫“卷”什么?

地址:https://www.utechfun.com/post/374805.html

鄭重聲明:本文版權歸原作者所有,轉載文章僅為傳播信息之目的,不構成任何投資建議,如有侵權行為,請第一時間聯絡我們修改或刪除,多謝。

猜你喜歡