向量数据库是什么？
　　向量数据库（Vector Database），也可称为矢量数据库，主要用途是存储和处理向量数据。有了向量数据库，我们就可以为人工智能添加高级功能，如语义信息检索、长期记忆等。下面这张图表让我们更好地了解向量数据库在此类应用中所扮演的角色：
　　首先，使用嵌入模型来生成向量嵌入，用于索引所需的内容。
　　将这些向量嵌入插入到向量数据库中，并与它们所对应的原始内容建立关联。
　　当应用程序发起查询时，我们使用相同的嵌入模型为查询生成嵌入，并利用这些嵌入在数据库中进行相似向量嵌入的查询。
　　向量数据库与传统数据库的区别
　　向量数据库是一种专门用来存储、管理和查询向量数据的数据库，其相较于传统关系型数据库主要有两点不同：
　　向量数据库存储的是向量数据，即将图片、音频、文章等非结构化数据转换为向量的方式来存储。通过将这些非结构化数据转化为向量，人工智能模型可以直接理解和处理数据。向量数据库能够更好地处理非结构化数据，并且提供更高效的数据访问和查询能力。
　　向量数据库使用相似性搜索而不是传统数据库的准确匹配。传统数据库的查询结果通常是精确结果，而向量数据库会将输入的内容与数据库中的数据进行相似度匹配，以找出最相似的结果。这种相似性搜索的方式使得向量数据库在处理大规模数据集和高并发访问时能够保持高性能和高扩展性。与传统数据库相比，向量数据库能够更快地进行图像搜索、文本相似度匹配、语音识别等任务。
　　风险提示
　　研究报告使用的公开资料可能存在信息滞后或更新不及时的风险。
　　技术落地不及预期、竞争加剧等