向量数据库凉凉？AWS这招要革谁的命？**- 大数跨境

雨神汇

2025-07-20

导读：S3 Vectors横空出世，出海企业RAG应用要变天？雨生云计算深度解读

点击蓝字关注雨生

标题：向量数据库凉凉？AWS这招要革谁的命？

副标题：S3 Vectors横空出世，出海企业RAG应用要变天？雨生云计算深度解读**

正文：

各位出海的CXO、技术Leader们，早上好！

最近AWS又搞了个大新闻，直接在S3里推出了向量搜索服务——S3 Vectors。这事儿一出，圈里直接炸开了锅，很多人都在讨论：这波操作是不是要革向量数据库厂商的命了？

简单来说，AWS这次推出的S3 Vectors，允许你在S3里直接存储和查询向量数据，而且号称成本能降90%。这对于想在海外搞RAG（检索增强生成）应用的企业来说，无疑是个重大利好。

S3 Vectors是啥？

S3 Vectors本质上是在S3里搞了一个“向量桶”，你可以用专门的API来存储、访问和查询向量数据，不用自己去搭建基础设施。每个桶能存1万个向量索引，每个索引又能存几千万个向量。

AWS官方也说了，S3 Vectors是“第一个原生支持大型向量数据集的云对象存储，还能实现亚秒级的查询性能”。说白了，就是想用更低的成本，让大家在海外也能玩转AI。

**向量数据库厂商要慌了？**

S3 Vectors的出现，无疑给Pinecone、Weaviate、Qdrant这些专门做向量数据库的公司带来了压力。

DiceDB的创始人Arpit Bhayani就表示，S3 Vectors肯定会抢占一部分市场份额，但不会完全统治这个领域。对于那些对性能和查询能力有极致要求的场景，大家还是会选择专门的向量数据库。

Redis的AI产品管理副总裁Manvinder Singh也认为，独立的向量数据库越来越难发展，因为它们的关注点太窄了。

甚至有网友在X（原Twitter）上直言：“S3最终会干掉比AI更多的初创公司。”

不过，Pinecone的回应也很有意思，他们表示并不认为AWS的新项目是直接竞争对手，并且强调了他们与AWS的长期合作关系。Pinecone还强调，在需要低延迟、高QPS和大规模精确检索的场景下，他们的产品仍然是无与伦比的。

传统数据库也不甘示弱

其实，这已经不是向量数据库第一次被“挑战”了。之前MongoDB、TiDB、CockroachDB等传统数据库厂商就表示，他们也能在自己的数据库里集成向量搜索功能。

MongoDB的副总裁Boris Bialek就diss过向量数据库，说向量搜索只是一种基本的搜索索引技术，没什么神秘的。他认为，很多公司只是靠着“向量搜索+AI”的概念，就拿到了很高的估值。

Cockroach Labs的CEO Spencer Kimball也表示，他们已经在数据库中集成了向量索引，但他们并不想成为通用的向量数据库。

PingCAP的CTO Ed Huang则认为，与其构建一个单独的系统，不如直接在现有的数据库中添加向量索引。

S3 Vectors的优势

S3 Vectors最大的优势就是成本。对于那些对成本比较敏感的用户，比如个人开发者或小型团队，S3 Vectors无疑是一个更划算的选择。

向量数据库的护城河

当然，专业的向量数据库也有自己的优势。比如，Qdrant最近推出的Cloud Inference服务，可以简化AI开发，在一个环境中生成、存储和索引嵌入。

Milvus和Weaviate则擅长混合搜索场景，可以将向量查询和结构化数据查询结合起来，实现亚10毫秒的延迟。

雨生点评：

这次AWS推出S3 Vectors，确实给向量数据库市场带来了一些变数。但我们认为，这并不意味着向量数据库会立刻消失。

在讨论向量数据库的未来时，不能忽略Zilliz这家公司。作为Milvus背后的商业公司，Zilliz在向量数据库领域深耕多年，拥有深厚的技术积累和社区基础。虽然AWS S3 Vectors的出现给整个市场带来了不确定性，但Zilliz在向量数据库的专业性和持续创新能力，仍然是其保持竞争力的关键。

Zilliz的优势：

Milvus开源社区： Zilliz背靠强大的Milvus开源社区，拥有广泛的用户基础和活跃的开发者生态。
专业性：Zilliz专注于向量数据库领域，对向量数据的存储、索引和查询进行了深入优化，能够提供高性能和灵活的解决方案。
创新能力：Zilliz不断推出新的产品和服务，例如云原生向量数据库Zilliz Cloud，以满足不断变化的市场需求。

雨生点评：

尽管面临来自AWS等巨头的竞争，Zilliz仍然有机会在向量数据库市场中占据一席之地。关键在于，Zilliz需要继续保持技术领先，并不断创新，以满足用户对高性能、易用性和灵活性的需求。同时，加强与Milvus开源社区的合作，构建强大的生态系统，也是Zilliz成功的关键。

对于出海企业来说，选择哪种方案，还是要根据自己的实际情况来决定。

如果你的应用对性能要求不高，而且对成本比较敏感，那么S3 Vectors可能是一个不错的选择。
如果你的应用对性能要求很高，或者需要一些高级功能，那么专业的向量数据库可能更适合你。
当然，你也可以选择将向量搜索功能集成到现有的数据库中。

总之，技术方案的选择，永远没有绝对的对错，只有最适合自己的。希望这篇文章能给你带来一些启发。

**记得点赞、转发，分享给更多需要的朋友！**

---

中文原文翻译稿件：

标题：向量数据库在RAG之前就死了？

亚马逊S3 Vectors的发布引发了激烈的讨论，一些人猜测它可能会颠覆向量数据库市场。

作者：Siddharth Jindal

加入AIM的Whatsapp群组
加入我们的Telegram群组
关注AIM

向量数据库公司的时间不多了。

注册参加IIT数据黑客马拉松

云巨头AWS推出了Amazon S3 Vectors的预览版，这是一种新的向量存储解决方案，使企业能够大规模存储和查询AI就绪数据，与传统方法相比，成本节省高达90%。

该服务在Amazon S3中引入了一种名为向量桶的新型存储桶，它带有专用API，用于存储、访问和查询向量数据，而无需配置任何基础设施。每个存储桶最多可以容纳10,000个向量索引，每个索引可以存储数千万个向量。

AWS在其博客文章中表示：“Amazon S3 Vectors是第一个云对象存储，它原生支持大型向量数据集，并具有亚秒级的查询性能。” “这使得企业能够以经济高效的方式大规模存储AI就绪数据。”

向量搜索通常用于生成式AI应用程序，它涉及比较数据的向量表示，以基于相似性或距离指标查找相似点。这些向量通常使用嵌入模型从非结构化数据生成。

通过与Amazon Bedrock、SageMaker和OpenSearch集成，S3 Vectors将自己定位为一种多功能且经济高效的解决方案，适用于语义搜索、检索增强生成（RAG）和媒体索引等AI驱动的用例。但是，这是否意味着Pinecone、Weaviate和Qdrant等专业向量数据库公司的末日？

**对向量数据库公司的威胁**

S3 Vectors的发布引发了激烈的讨论，一些人猜测它可能会颠覆向量数据库市场。

DiceDB的创建者Arpit Bhayani告诉AIM，虽然S3 Vectors可能会因其更好的性价比优势而占据一些市场份额，但它不会主导整个领域。他说：“他们会吃掉一些份额，但不会太多。” 他补充说，对于需要绝对性能和专业查询功能的用例，用户将继续首选专用向量数据库。

Redis的AI产品管理副总裁Manvinder Singh表示：“Amazon S3 Vectors等服务的兴起突显了我们在过去一年中看到的更广泛的趋势：专业、独立的向量数据库的衰落。”

他补充说，纯向量数据库发现越来越难以超越其狭隘的关注点发展。

这种观点也在社交媒体上得到了响应。软件工程师Neelesh Salian在X（原Twitter）上的一篇文章中写道：“我认为在未来几年内，S3最终会干掉比AI更多的初创公司。S3 Tables、Express one和Vectors正在追逐相当多的东西。”

其他人的评估则更为直白。Lightning AI的研究工程师Aniket Maurya在X上说：“S3 Vectors来了。向量数据库在RAG之前就死了。”

Trieve的首席执行官Nicholas Khami表示，如果他今天从头开始构建Trieve，他不会再选择Qdrant。“S3 Vectors加上OpenSearch Serverless就是你所需要的一切。句号。”

领先的向量数据库公司Pinecone告诉AIM，它不认为AWS的新项目是直接竞争对手，并重申了与云提供商的长期合作关系。一位发言人指出，Pinecone多年来一直与AWS密切合作，并被评为AWS的2024年GenAI创新合作伙伴。

这位发言人说：“我们事先得知了该项目，并不认为它具有直接的竞争性。” 他补充说，在需要低延迟、高QPS和大规模准确检索的代理、搜索和推荐用例中，Pinecone仍然是无与伦比的。“我们期待继续共同努力，帮助共同客户构建知识渊博的AI。”

这并不是向量数据库公司第一次受到批评。在早些时候与AIM的对话中，MongoDB、TiDB和CockroachDB的负责人也认为，向量搜索功能可以直接集成到他们的数据库中。

MongoDB的副总裁兼全球现场CTO Boris Bialek告诉AIM，向量搜索只是一种基本的搜索索引技术，没有什么神奇或新的东西。他批评了围绕向量数据库的炒作，特别是那些以.ai为品牌并吸引了大量估值的初创公司。

他说：“向量搜索只是一种搜索技术，基本上是一个反向索引。但是，公司通过称其为搜索并添加.ai筹集了大量风险投资，突然他们的估值达到了1000亿美元。”

Bialek指出，像Postgres这样的传统数据库已经添加了向量支持。但是，这些解决方案通常在大规模的实际工作负载中失败。他将此与MongoDB的方法进行了对比，MongoDB的方法集成了向量搜索和文本搜索，但将它们作为独立的、可扩展的过程运行，避免了性能冲突。

他补充说，将向量嵌入到数据库中并不困难，但在大规模、高性能、上下文和可管理性的情况下进行嵌入才是具有挑战性的地方。

同样，Cockroach Labs的首席执行官Spencer Kimball告诉AIM，他们已将向量索引集成到他们的数据库中。但是，他澄清说，CockroachDB并没有试图成为通用的向量数据库，也没有在向量搜索方面与OpenSearch、Elastic或MongoDB竞争。

“如果你已经在为关键任务的关系工作负载使用CockroachDB，你希望在那里获得向量支持。不是每个人都需要它。但对于我们的用户来说，这至关重要。”

他进一步表示，该公司并不试图赢得向量索引的市场。“我们不是向量数据库。但是，这是一种非常重要的模式。”

TiDB背后的公司PingCAP的CTO Ed Huang表示，与其构建一个单独的系统，不如将向量索引添加到已经处理其他数据类型的现有数据库中更有意义。他更喜欢将所有内容存储在具有统一接口（如TiDB）的单个数据库中，而不是将其拆分到单独的系统中，例如单独的向量或文档数据库。

借助AWS S3 Vectors，其价值主张显而易见，因为组织可以直接在S3中存储和查询向量，而无需为专门的向量数据库付费。这对于成本敏感型用户（例如个人开发人员或小型团队）尤其重要，他们发现OpenSearch或Aurora等解决方案的成本过高。

**为什么向量数据库尚未消亡**

专用向量数据库还提供S3 Vectors可能无法完全复制的高级功能。例如，Qdrant最近推出的Cloud Inference服务通过在单个环境中生成、存储和索引嵌入来简化AI开发，从而降低了管理多个基础设施的复杂性。

同样，Milvus和Weaviate擅长混合搜索场景，这些场景结合了向量和结构化数据查询，在复杂工作负载上的延迟低于10毫秒，S3 Vectors可能难以匹敌。

Bhayani表示，向量查询正迅速成为数据库甚至blob存储中的标准。“我们看到一种趋势，即向量查询正成为每个数据库中的常态，现在甚至是blob存储。”

他补充说，人们最初会选择通过在其主数据库中使用向量查询来获得便利。“随着需求变得越来越小众，他们将慢慢转向专业解决方案。”

希望这次修改能满足您的需求！雨生福利