向量数据库下游的差异化需求将被市场消纳为两大类

观点三：大模型领域对专业向量数据库有着明显刚需。专业向量数据库在图像、音视频数据应用上的优势不可逾越，已成为大模型的刚需；

高性能收益低只是暂时：随着非结构化数据应用的发展，大模型对音视频、图像的向量检索需求飞速增长，而专业向量数据库巨大的性能优势将成为大模型的刚需。

传统搜索厂商性能落后：向量数据与全文数据在存储、计算上有很大差别，传统搜索数据库比如ElasticSearch很难同时高效支持这两种场景，性能远落后于专业的向量数据库，并且不能支持多种向量索引，所支持的HNSW在大数据量资源开销极大。

密集向量比稀疏向量更好地压缩了文本的语义：针对文本搜索场景，全文搜索更适合做关键字匹配，而向量搜索能找出字面上不同但语义上相近的内容。使用向量加全文的联合召回， 能够做到的精度比单独使用向量或者全文更高 ， 星环科技向量数据库Hippo1.1版本里的hybrid search就有这样的功能，在内部项目应用下来效果非常好。

随着LLM逐渐进入生产环境，AI对基础设施的要求越来越高，向量数据库是人工智能基础设施的一个重要补充。向量数据库与传统数据库并不会互相取代，而是会在不同的场景下发挥各自的优势。 向量数据库的出现，也会促进传统数据库对向量数据类型的支持。未来随着新的应用场景的出现，向量数据库需要适应不同的应用场景， 提供更加灵活和多样化的解决方案，从而满足不同用户的需求，应用场景的不断丰富与AI需求的增长将带动向量数据库的市场空间不断上升。

应用端AIGC不断筑高向量数据库市场空间天花板。AI技术的发展将推动向量数据应用与存储需求加速增长：一方面随着AI应用场景不断丰富，向量数据库的下游客户数量随着AI发展而飞速增长；另一方面AIGC正推动着非结构化数据应用飞速增长，AIGC带来了跨模态数据分析的需求浪潮，比如结合图像、文本、音频等不同类型的数据进行分析和预测，只有向量数据库才能实时快速地处理这些海量的向量数据。