AI大模型时代下，图片、视频、自然语言等多模态的非结构化数据量陡增，而大模型支持的token数有限，虽然可以在RLHF的配合下具备一定程度的“短期记忆”，但正是因为“长期记忆”的缺失，导致大模型经常会出现“一本正经地胡说八道”的情况。

区别于用来处理结构化数据的传统数据库，向量数据库专门用来存储、管理、查询和检索向量化的非结构化数据；它就像一块外接的记忆盘，可供大模型随时调用，以形成“长期记忆”。对大模型应用开发者来说，向量数据库是非常重要的基础设施。

目前，向量数据库大致可分为两种。一种是原生向量数据库产品，比如Pinecone（累计融资1.38 亿美元）、Milvus（累计融资1.13 亿美元）、Weaviate（累计融资6770 万美元）等，另一种是基于传统数据库增加的插件式向量搜索引擎产品，如 ClickHouse、ElasticSearch、Redis等许多开源数据库都增加了这类产品。

LCHub近期接触到一家介于两者之间的第三种数据库——墨奇AI数据库，它在托管在AWS上，可同时支持结构化数据和非结构化数据的存储、查询、搜索、联合分析和处理功能，广泛应用于图