最近，全球最火的开源向量数据库项目Milvus在Github上的标星突破了2万，官方透露已经有超过1000多个中大型企业用户使用. 这一项目的兴起引发了大模型应用的变革之路. 在大模型领域的热潮中，人们开始冷静审视大模型的商业化落地效果，而向量数据库则给大模型应用指出了一条明路.

一度备受瞩目的ChatGPT最近遇冷，其访问量骤降，用户数量和网站停留时间也大幅下降. 这个消息在科技圈引起了轰动。ChatGPT发布之后，大模型的热潮在全世界掀起了狂潮. 国内大厂纷纷投入大模型的研发，创投圈则寻找大模型项目进行投资. 然而，就在这个风头正劲的时候，ChatGPT却突然失去了动力. 数据背后反映出了业界的大转变：人们从对AIGC大模型技术的狂热，转向对商业化落地效果的冷静审视。

大模型应用的变革已经到来，而生产力工具是目前大模型落地的重要方向。然而，仅仅依靠大模型自身的训练数据集是难以实现可用效果的. 为此，产生了两个流派的思考：传统流派试图通过将垂域/私域内容添加到训练集中，实现单模型架构；新兴流派则引入了向量数据库，为大模型提供长短期记忆和领域知识库，实现了ChatGPT + VectorDB + Prompt（CVP）架构.

CVP架构的兴起使得向量数据库这一新的数据库品类成为热门话题. 全球最火的开源向量数据库项目Milvus在Github上的标星已经突破了2万，并且已经吸引了1000多个中大型企业用户. 作为Milvus的原厂，Zilliz已经完成了1.13亿美元的融资，并全面启动了商业化步伐，为大模型落地提供全栈的向量数据库产品和服务.

那么，向量数据库会给大模型应用带来哪些变革呢？我们采访了Zilliz合伙人兼产品负责人郭人通博士，对此进行了探讨。郭博士表示，与单模型架构相比，CVP架构在灵活性、可扩展性、实时性和成本方面都具有明显优势。这是因为在CVP架构中，领域专家可以将领域知识集成到向量数据库中，实现更好的数据利用和处理效果. 同时，向量数据库的高效存储和检索功能可以提供实时的数据访问能力，大大提高了大模型应用的实时性. 此外，向量数据库的成本较低，可以满足企业的实际需求.

正是有了向量数据库的出现，大模型应用的变革才能够实现。它为大模型提供了更多的领域知识和数据支持，使得大模型的商业化落地更加可行. 随着向量数据库的不断发展和完善，我们相信大模型应用的未来会变得更加广阔. 。