从技术面来看，向量数据库底座自然而然向外延伸的产品包含：

 

1）向量提取，从非结构化数据中提取向量，这是向量数据库上游的工作，十分重要；

2）模型选择，选择正确的模型，能够更精准、更高质量地提取向量；

3）映射管理，即管理数据的本体和数据的语义层之间的映射，在非结构化数据量庞大的情况下，有效维护前述映射会变得很复杂；

 

4）映射关系的增删改查，数据不是一成不变的，如何动态维持映射关系极富挑战性；

5）数据与模型和应用的交互，有了向量数据库后，语义的表达最终要和机器、算法和模型交互，其中向量数据库到各种模型之间的交互、AI 应用程序之间的交互和整合极为复杂；

6）数据对不同模型的整合交互，如何使不同领域大模型（视觉、推荐系统、自动驾驶、生物等领域）算法实现更好的整合和无缝的语义层交互，也是非结构化数据平台要处理的问题。