E135｜大模型带火的下一个风口：向量数据库
59:50 Share

欢迎 收听 硅谷 101， 这是 一档 分享 当下 最 新鲜 的 技术 知识 与 思想 的 科技 博客。 我是 红军， 这 期 跟 我们 聊天 的 嘉宾 是 zelie 的 技术 合伙人 栾 小凡。 Hello 栾 总， 你好。

hello 大家好， 我是 栾 小凡。 然后 来自 俄罗斯， 主要 在 我们 公司 负责 工程 相关 的 一些 工作。

栾 总 除了 是 zelie s 的 技术 合伙人， 同时 也是 尼那 斯 基金会 的 A I 和 data 的 基金会 技术咨询 委员会 的 成员。 我 觉得 待会儿 也可以 跟 我们 去 聊 一 聊 开源 基金会 的 运作。

好 好， 今天 很高兴 有 机会 能 跟 大家 分享 关于 限量 数据库， 关于 中国 的 公司 出海， 以及 咱们 在 开源 领域 里面 做 过 的 一些 事情。

今天 跟 我们在一起 的 还有 一位 是 亚马逊 云 科技 解决方案 的 架构师 吴 万涛。 Hello 万涛， 你好你好。

红军 硅谷 101的听众 大家好。

今天 这 期 节目 依然 是 硅谷 101与亚马逊 云 科技 联合 制作 的 出海 特辑 的 第三期。 我们 今天 要 聊 一个 可以 说 最近 在 资本 市场上 特别 火 的 话题， 就是 向量 数据库。 大家 都 知道 今年 是 大 模型 火 起来 了。 那大 模型 火 起来 之后， 其实 在 底层 的 很多 技术 上 也是 有 很多 的 创新 的。 我知道 在 今年 上半年 的 时候， 不管 在 中国 还是 美国， 向量 数据库 都 是一个 非常 火 的 词 跟 创业 的 方向。

而且 我看见 zelie 的 创始人 星爵， 他在 接受采访 的 时候 说 了 这样 一段话， 还 蛮 能 精准 的 概括 现在 向量 数据库 在 整个 产业链 里 的 位置 的。 他是 这样 说 的， 他说 过去 十年 最大 的 机会 是 做 cloud native 的 数据 基础设施。 产生 过 像 slow flake 这样的 巨头， 未来 10年 最大 的 机会 就是 做 A I native 的 数据 基础设施。 像 zelie 这样的 向量 数据库 就会 迎来 它的 历史性 机遇。 今天 也 算是 我自己 学习 跟 补课 的 一期。 栾 总 你 要不要 先 跟 大家 解释一下 什么 是 向量 数据库？ 因为我 知道 你们 有 客户 是 宜家 或者 易贝， 能 不能用 一个 例子 来去 对比 看一下 向量 数据库 与 传统 数据库 它 有什么 不一样的 地方。

聊到 向量 数据库， 可能 要 从 我们 做 向量 数据库 的 初心 开始。 其实 最 开始 我们 公司 是 一家 做 传统 的 O B 数据库 的 一个 公司。 但 当时 我们 其实 的 一个 主要 的 想法 就是 利用 G P U 这 样子 更 先进 的 一个 算 力， 去 加速 结构化 数据 的 一个 处理。 在 处理 的 一个 过程中， 我们 逐渐 发现， 其实 第 1GPU 的 算 力 可能 在 结构化 的 数据 的 体量 底下 是 过剩 的， 并没有 办法 很 好的 去 发挥 一个 很 好的 性价比。 于是 我们 逐渐 就 把 我们的 关注点 转向 了 非 结构化 数据 的 处理。 这里 的 非 结构化 其实 指的 是 包括 像 图片、 音频、 视频、 长 文本 种种 的， 并 不能 很 好用 传统 的 这个 数据库 去 处理 的 一些 数据。

在 这个 过程中， 逐渐 就 演进 出了 这样的 一种 处理方式。 就是 我们 把 各种各样 的 微 结构化 的 数据， 通过 一个 深度 学习 模型 提取 出 它的 特征 和 向量。 然后 再 利用 向量 数据库 去 挖掘 这些 向量 当中 的 一些 相关性。 当然 也 随着 这个 业务 的 逐渐 发展， 挖掘 的 过程 其实 也 变得 更加 的 复杂， 带来 了 更多 的 一些 香港 检索 的 语义。

以 咱们 刚才 聊 的 一个 例子， 如果 是 宜家 他在 用 这个 向量 数据库 的 过程中， 可能 是 把 他们 所有的 一些 家具 的 一些 图片， 包括 这些 家具 的 描述性 的 文字， 通过 以 多 模态 的 一个 模型 把 它 转化成 向量。 实际上 在 使用 的 过程 中有 的 用户 可能 是 拿着 图片 去 搜索 对应 的 这个 家具 信息。 也有 的 用户 可能 是 通过 一段 语言 的 描述。 比如说 我想要 一个 红色的 凳子， 那么 就 可以在 宜家 的 物料 信息 里面 找到 他们 对应 的 一些 数据。

随着 现在 大 模型 的 不断 的 成熟， 怎么 把 各种各样 的 废旧 化 数据 转换成 向量 的 这个 部分。 其实 我们 看到 在 过去 的 一两年 中 发生 了 一个 非常 大 的 一个 快速 的 发展。 这也是 为什么 现在 数据库 概念 在 过去 的 一两年 里面 变得 非常 火 的 一个 主要 的 原因。

我 还是 用 你 刚刚 这个 例子 来去 解释一下。 就是说 传统 的 数据库， 比如说 大家 在 宜家 上 要 搜索 一个 商品， 可能 就要 输 这个 商品 比较 准确 的 名字， 或者 去 输 这个 商品 的 编号。 好， 但是 向量 数据库 就是 当 他 输 一个 红色的 凳子， 那么 它 就会 模糊 的 去 匹配 红色 凳子 这些 词， 然后 给 它 一个 比较 相近 的 搜索 结果。 这样 理解 是 对的 吗？

对， 稍微 补充 一下 的话， 其实我 觉得 对于 向量 数据库 来讲， 它 最 关键 的 一个 用 英文 来讲， 我们 叫 semantic 或者 中文 叫 语义。 就是说 他 所做 的 匹配 跟 传统 的 数据库 相比， 传统 数据库 基本上 是 基于 关键词 去做 匹配 的。 也就是说 它是 要求 严格 相等。 而 对于 向量 数据库 来讲， 它 其实 是 充分利用 上下文， 充分利用 语义 之间 的 相似度。

比如说 可能 我说 苹果 它 其实 本身 是一个 多义词， 既有 可能 是 苹果 手机， 又有 可能 是 咱们 今天 在 吃的 这个 苹果。 那 到底 在 一个 具体 的 语义 当中， 我们 怎么 判断 这个 苹果 具体 的 语义 是 指的 是 前者 还是 后者 呢？ 其实 取决于 我的 上下文 到底 在 聊 什么东西。 所以 我 觉得 现代 数据库 相比 于 传统 的 数据库 来讲， 其实 它 更多 的 是 在乎 上下文 和 语义。 然后 通过 这种 语义 找到 相字 或者 相关 的 一些 信息。

现在 因为 是 大 模型 时代， 是不是 在 大 模型 出来 之后， 这种 基于 上下文 跟 语义 的 搜索 它 变得 更加 重要 了。

其实 首先 我 觉得 大 模型 引领 了 一种 新的 开发 范式。 相信 很多 用过 大 模型 的 朋友， 或者说 基于 大 模型 做 开发 的 朋友， 也都 很 深刻 的 能 感知 到大 模型 的 测试 是 非常 困难 的。 就是 他 有的 时候 说 的 东西， 你 其实 很难 通过 一个 非常简单 的 判断 标准 来 判断 它 对 还是 不对。 要 去 达成 这种 match， 其实 不仅仅是 大 模型 本身 是要 去做 一个 转变 的。 包括 在 数据库 这 一侧， 其实 我们 也有 很多 的 场景 底下， 他 对 语义 的 关注， 或者说 他 对 这种 刚才 说 的 是否 合理， 是不是 能 做 足够 多 的 推测。 比如说 我想要 一个 红色的 帽子， 但是 实际上 我搜 出来 一个 黄色 的 帽子， 是不是 在 某些 情况下 它 也是 成立 的。 如果 你的 应用 场景 是 符合 这些 我们 所谓 的 能够 合理 推断 即可 的 这种 场景 的话， 那 其实 你 会 发现 向量 数据库 是 非常适合 这种 应用 场景 的。

我 做 一个 补充， 其实 向量 数据库 为什么 说 在 大 模型 时代 这么 重要？ 另外一个 原因 就是说 大 模型 在 训练 的 时候， 它 其实 是 使用 公开 数据 进行 训练 的。 很多 企业 里边 它 有 很多 私 域 的 数据， 这个 私 域 的 数据 大 模型 是 学 不到 的那 我们 就 商量 数据库， 就可以 很 方便 的 把 思域 的 数据 放到 向量 数据库 里边。 再 结合 大 模型 的 这种 总结 能力、 推理 能力， 然后 来 开发 出 各种各样 的 应用 场景。

举 个 例子， 比如说 咱们 企业 里边 就是 某个 制造业 的 一个 企业。 它 里边 有 很多 产品 的 一些 描述 的 文档。 那 这个 文档 的话， 它是 在 企业 内部 的 环境 里边 的。 当 他的 用户 去 搜索 产品 相关 信息 的 时候， 他 直接去 问 大 模型， 大 模型 是 给 不出 答案 的。 我们 可以 把 大 模型 和 向量 数据库 做 一个 结合， 把 这些 产品描述 信息 放到 向量 数据库 里边。 然后 通过 向量 数据库 的 语义 搜索， 把 相关 信息 搜索 出来， 然后 再 交给 大 模型 去做 后续 的 处理。 比如说 做 总结， 做 一些 推理 等等 相关 的 工作。

栾 总， 你 有 觉得 这 一轮 大 模型 火 了 之后， 你们的 这个 应用 场景 跟 客户 突然 有变 多 吗？

确实 是 这样的， 因为 我们 公司 做 现在 税 库 其实 是 比较 早， 可能 从 1819年 开始， 我们 就 开源 了 这个 mail 4.0。 在 那个 阶段 的话， 大家 其实 主要 还是 AI1.0 的 一些 应用 场景。 比如说 图片 的 搜索， 多 模态 的 检索， 或者说 这种 推荐 系统、 风 控系统。 从 过去 这一年 开始 的话， 我 觉得 大 模型 本身 的 能力 其实 足够 的 强。 大家 也 一直都在 去 摸索， 就是 大 模型 里面 到底 可能 有 哪些 可以 落地 的 一些 点。 比如说 大家 最 熟知 的 像 这个 R A G R A G generation， 包括 像 agent 的 long term memory 以及 一些 多 模态 检索 的 场景 里面， 开始 越来越多 的 去 看到 这个 向量 数据库 能够 去 落地 的 一些 场景。

刚刚 你 有 提到 就是 你们 公司 是从 2019年 左右 就 开始 在 推向 量 数据库。 并且 我 采访 您 之前 也 做了 一些 功课， 你们 2018年 下半年 开始 就 已经 有 做 这个 向量 数据库 的 想法 了。 当时 你们 刚 开始 做 这个 赛道 的 时候， 就是 大家 都 没有 开始 去 这样 做 的 时候， 你们是 怎么 觉得 你们的 方向 是 对的， 包括 这件 事情 能不能 做成， 它是 一个 技术 门槛 或者说 学术研究 门槛 比较高 的 领域。

从 最 开始 day one 开始 的话， 其实 没有人 知道 这个 是不是 一个 对的 赛道。 其实 我们 自己 也是 某种程度 上 也是 摸着石头过河。 只是 我们的 信念 或者 我们 对 大 的 一个 方向 的 判断， 就是 我们 认为 非 球 化 数据 在 整个 的 人类 的 数据 的 体量 里面， 其实 占 到 绝大多数， 可能 超过 80% 以上。 所以 首先 这里 有 足够 大 的 一个 数据量， 就 意味着 有 足够 大 的 市场。 其次 的话 就是说 这 不是 一个 well solve 的 problem。 就 我们 希望 找到 一个 相对 来讲 可能 还没有 被 那些 巨头 盯上 的 一个 比较 小的 市场。 而 这个 市场 未来 又有 很大 的 前景。

这是 我们 为什么 说 我们会 all in 去做 向量 数据库 这个 赛道 这个 事情。 但是 后面 是不是 能 做成， 我相信 可能 会有 很多 的 机会 或者 运气 的 东西 在。 所以 这个 赛道 其实 从 day one 开始， 我们 也是 一点点 去 切入。 最 开始 的 时候 其实 甚至 连 我们的 向量 里面 最 核心 的 这个 向量 检索 引擎， 也是 基于 facebook meta 开源 出来 的 这个 face 去 改造 的。 随着 我们的 应用 场景 的 迭代， 我们 确实 也 看到 了 更多 的 机会。 到 今天 为止， 我 觉得 它 已经 是一个 我们 所谓 的 护城河 很深的 一个 赛道 了。 如果 大家 去 里面 仔细 看 里面 的 认知 的话， 我 觉得 就是 非常 多 的。 但 如果 从 a one 来看 的话， 我 觉得 其实 大家 都是 摸着石头过河。 我们 只是 做 这件 事情 做得 更 早 而已。

今天 的 护城河 是什么 呢？

首先 我 觉得 在 我们 来看， 第一 我们 已经 看到 了 这个 地方 的 数据 体量 带来 了 越来越多 的 一些 工程 的 挑战。 如果 大家 今天 去 问 大 模型 接下来 还 会有 哪些 挑战？ 我相信 几乎 所有人 认知 就是 两个 点。 第一 就是说 大 模型 的 能力 还 不够 强， 就是说 他 能 理解 的 东西 还 比较 少， 所以 我要 不停 的 去 扩大 我的 模型。 那 一旦 扩大 我的 模型 就会 带来 第二个 挑战， 就是说 我的 推理 速度 或者说 我的 推理 成本。 其实 可能 没有 办法 让 我在 我自己 的 用 场景 里面 去 拿到 足够 好的， 让 用户 能够 满意 的 一个 性能。

其实我 觉得 对于 向量 数据库 来讲 也是 完全 一样的。 其实 对 用户 来讲， 他 无非 在意 的 是 两件事。 第一个， 我 能不能 搜 到 好的 结果。 搜 到 好的 结果 我相信 当然 取决于 两件 事情。 第一， 你 要有 好的 embedding 的 模型。 第二 你的 向量 检索 的 算法 本身 要 足够 的 好。

当然 这个 里面 其实 检索 本身 也 不再 是 只是 做 一个 非常简单 的 一个 我们 叫做 neighbor arch 是的 这样 一个 最简单 的 检索。 我们 看到 检索 里面 开始 掺杂 越来越多 的 语义 的 信息， 包括 过滤， 包括 一些 关键字 的 混合 查询， 以及 越来越多 的 更 复杂 的 一些 计算 的 一些 方式。 比如说 传统 数据库 里面 有的 join gw bag aggregation 这些 操作。 其实 我们 都 看到 了。 在 向量 数据库 里面 都 开始 有 用户 去 提 这些 需求。

怎么 把 这些 需求 能够 高质量 的 映射， 这个 是 我们 看到 第一个 大 的 挑战。 第二层 挑战， 我 觉得 其实 依然 是 性能 和 成本 上面 的。 因为 我们 现在 看到 越来越多 的 用户， 他 可能 有的是 10亿级别 甚至 百亿 级别 规模 的 向量。 那么 要 怎么 在 这么 大规模 的 一个 向量 里面 能够 做到 毫秒 级 的 召回， 能够 以 非常低 的 成本 去 存储 这些 向量， 我 觉得 这个 也是 向量 数据库 这个 赛道 面临 的 很大 的 一个 挑战。

刚刚 其实 问 护城河， 你 讲 了 两个 挑战， 工程 的 挑战， 性能 与 成本 的 挑战。 我 理解 如果 能 解决 这 两大 挑战 的话， 它 其实 也就 慢慢 形成了 一个 护城河 了， 它的 壁垒 也是 很高 的。

是的， 其实我 想 表达 的 也是 这个 意思， 就是说 谁能 最先 的 把 这 两个 挑战 很 好的 去 解决， 谁 就能 最早 的 去 达成 自己的 P M F。 先 找到自己 最合适 的 一些 用户。

那 从 万涛 这边 看啊， 亚马逊 云 科技 也有 很多 就是这样 的 用户。 大家 现在 在 对 这种 传统 数据库 和 向量 数据库 的 这种 比较 中 会有 特别的。 比如说 大 模型 出来 以后， 更加 倾向 于 去 使用 向量 数据库。 就 客户 的 反馈 跟 他们的 一些 问题 会 是什么 呢？

今年 向量 数据库 火 起来 之后， 其实 很多 客户 确实 都有 这么 一个 疑问。 比如说 我的 业务 场景 里边， 我 使用 传统 的 数据库 能 做到 的 事情。 那用 向量 数据库 能不能 去 做到 更好， 或者说 能不能 提供 有效 的 一个 补充。 比如说 我 有一个 电商 客户， 他是 基于 传统 的 这种 搜索 技术， 比如 关键词 搜索 去做 商品 的 搜索。 用户 在 他的 站点 就可以 直接 搜索 我想要 到 的 商品， 这个 是 传统 我们 做 这个 的 方式。 但是 当 他 分析 传统 的 搜索 用户 效率 的 时候， 他 会 发现 有 一些 用户 的 需求 表述 并 不清晰。 比如说 他在 搜索框 里边 输入 的 关键词 表达 并 不准确， 这个 时候 搜索 质量 相对来说 就会 比较 差。 他 就在 考量 就说 我们 用 什么样 的 方式 能把 这些 常委 的 搜索 质量 不高 的 这些 给他 提高 上去。

后来 我们 考虑到 就是 用 向量 数据库 的 这种 手段， 从 语义 上去 理解 客户 的 搜索 需求。 通过 语义 的 理解 检索 出来 相应 的 这个 商品。 所以说 通过 这个 案例， 我们 得出 的 这么 一个 简单 的 结论。

传统 的 数据库 有 它的 优势， 那 我们 向量 的 数据库 也有 向量 数据库 的 这种 优势。 把 两者 根据 你的 业务 场景 做 一个 融合， 可能 是一个 比较 好的 一个 解决方案。 当然 这个 是 其中 的 一点。 另外 一点 就是说 其实 向量 数据库 的 本身 也是 提高 了 数据 的 准确性 的。 为什么 有 这个 观点 呢？ 就是 我们 把 它 放到 整个 生成式 A I 的 这个 角度 来看。

其实 刚才 我也 解释 了 向量 数据库 为什么 在 大 模型 时代 这么 重要。 在 这个 生成 C A I 的 环境 里面 看， 这种 大 模型 它 没有 企业 私有 数据， 他 做不到 企业 私有 数据 的 这种 检索 和 处理。 这个 时候 我们 用 向量 数据库 来 存储 企业 的 私有 数据， 然后 再去 用 这个 私有 数据 来 覆盖 我们的 应用 场景。 这个 时候 其实 就是 向量 数据库 本身， 他 就是 把 G N A 的 这个 应用 给 做了 一个 精确化。 现在 专有 的 一个 名词 叫 R A T， 就是 检索 增强 生成。 这个 也是 一个 比较 典型 的 一个 例子。

检索 增强 生成。

对我 把 企业 私有 的 数据 通过 语义 检索 出来 之后， 再 交给 大 模型 去 处理。 可能 你 返回 的 是 多条 的 结果， 一大 段 的 结果 用 大 模型 去做 一些 总结， 做 一些 推理 等等。 然后 再 输出 一个 最终 的 结果 给 到 终端用户。

其实 你 提到 这个 点 很 有意思， 就是 我们的 博客 最近 还有 采访 一个 大 模型 的 深度 用户， 他们是 怎么用 的。 然后 我 就 发现 其实 现在 别说 企业 了， 就是 在 一个 深度 用户 中， 他们 也会 把 比如说 所有的 资料 放到 一个 叫做 reg 的 一个 程序 里面。 再 把 那个 程序 导入到 大 模型。 这样 就可以 让 大 模型 帮 他们 去 总结。 可能 就是 跟 你说的 这个 企业 的 私 域 数据 是 有 还 蛮 多 相似 的 地方 的。

其实 是一个 东西， 我 刚才 说是 R A G 然后 有的人 就 发音 成 rag。 其实 是一个 东西， R A G 就 发音 成 rag.

挺 有意思 的， 我们 最近 的 几期 播客 都 连 起来 了。

向量 的 这个 精度 的 提高， 就是 在 我的 观点 里面 看， 其实 还有 一种 技术 能够 去 提高 精度， 就是 这种 embedding 的 这种 模型。 因为 我们 传统 的 把 语言 转换成 embedding， 那 可能 是用 通过 词 映射， 比如说 word to react to wake 这种 方式。 这种 方式 的话， 后来 进化 到 使用 transformer 的 这种 模型， 比如说 bot 后来 进化 到大 模型 等等。 他 对 你的 语言 的 理解 越来越 精确， 他 知道 你 哪些 语料 是 相似 的， 他 生成 的 embedding 的 质量 越来越高。 质量 越来越高 之后， 我们在 向量 里边 存储 检索 精度 也会 越来越高。 所以说 这个 模型 本身 的 迭代 对 向量 数据库 的 这种 精度 的 提高 也是 有 很大 作用 的。

其实 说到 向量 数据库， 我也 问 了 一些 行业 人的 观点， 大家 可能 普遍 的 一个 比较 担忧， 或者说 就是 对 这个 问题 有 一些 稍微 不确定 的 地方， 就是 向量 库 它 其实 做 的 是一个 模糊 的 语义 匹配。 他 如何 去 解决 这种 准确性 的 问题？ 刚刚 万涛 有 说到 用 embedding 的 模式 去 解决。 从 听众 的 角度， 就 我 很 好奇 向量 数据库 现在 它的 精度 到底 做 的 怎么样， 它 能 达到 一个 什么样 的 程度？

就是 刚才 我说 的 这个 精度 肯定 是 越来越高 的。 对 我们 常用 的 语料， 因为你 对 它的 精度 的 理解， 我们 还是 要 看 它 具体 的 场景。 比如说 大 模型 训练 给予 了 很多 公共 的 知识， 那么 原始 语料 越 丰富， 对 它的 理解 就 越 准确。 当然 你 可能 有 一些 小众 的 一些 场景， 比如说 某个 行业 领域 一些 专有 的 这种 名词， 那么 它 理解 起来 可能 就 相对来说 困难 一些。

那 向量 的 方式 能够 做到 什么样 的 准确性？ 栾 总有 补充 的 吗？

其实 如果 大家 说 这个 向量 检索 的 准确性， 我们 通常 用 一个 指标 来衡量， 就是 recall 或者说 叫 召回 率。 这 里面 其实 是 有 两 部分 的， 一部分 是 我们 所说 的 绝对 的 召回 率， 就是说 我 从 向量 的 相似 程度 的 角度 来看 这个 召回 率。 其实 现在 来讲， 在 这个 领域 里面， 业界 做 的 其实 都 已经 做 的 相当 不错 了。 比如说 我们 自己的 产品 的话， 最高档 的 召回 率 的话， 基本上 对于 任何 的 一个 数据类型 来讲， 都 可以 实现 95%。

甚至 在 很多 情况下 是 99% 的 召回 率。 但是 如果 从 大家 的 用户 的 业务 视角 来看， 我 肯定 更 关注 的 是 我给你 多少 文档， 对 吧？ 这个 文档 的 召回 跟 我 实际上 想要的 文档， 而 不是我 仅仅 关注 就是说 向量 层面。 到了 这 一层 以后 的话， 其实 就会 发现 很多 时候 in bedding 的 这个 决定性 还是 相当 的 高 的。 所以 这里 其实 也 给 所有 在 用 线上 数据库 的 朋友们 一些 建议。 就是说 大家 一定要 在 这个 过程中 更好 的 去 evaluate 自己的 向量 模型。

其实 之前 很多人 觉得 i OpenAI 的 embedding 是不是 就是 最好的 in bedding， 因为 这个 也是 大家 可能 普遍 的 一个 认知。 但是 其实 我们 自己 测试 下来， 其实 有 很多 开源 的 in bedding 模型。 包括 第三方 的 像 cohered， 包括 硅谷 那边 有 新 出的 这个 voyage， 包括 国内 这边 智源 的 B G E。 这些 模型 其实 在 很多 的 应用 场景 底下， 可能 效果 都是 甚至 要 超过 open E D evading 的。 所以 这块 可能 是 大家 需要 去 关注 的。

为什么呢？ 他们的 效果 考验 的 是 哪个 方向 呢？ 是 怎么 做到 的？

训练 一个 emlin model 和 训练 一个 生成式 model 有 很多 的 相似之处， 但 其实 也 存在 着 很多 的 不同之处。 之前 其实 也有 专门 的 paper 去 讲， 就是我 把 一个 bert 的 这种 生成 的 模型， 如果 从 中间 选 几层 提取 出来 来做 一个 in bedding 的话， 它的 搜索 效果 其实 并不是 特别的 好。 所以 需要 增加 一些 额外 的 一些 操作。 比如说 很多人 通过 对比 学习 或者 其他 的 一些 方式， 能够 让 向量 在 高 维空间 里面 有 更大 的 区分度。 还有 很多 就是说 可以 去 优化 你的 180模型 的 一些 trip。 比如说 取决于 你到底 基于 哪些 数据集 去 训练， 在 我们 对 领域 的 数据 去 对 这个 imagine 模型 做 肯定， 也能 去 提升 你的 080模型 在 特定 的 使用 场景 底下 的 一个 准确度。

考虑 的 因素 其实 还是 蛮 多 的 我们。 也 看到 就是 在 不同 的 数据集 底下， 可能 各种 一般 的 generation model 其实 是 各有 优劣 的。 所以 我 觉得 最好的 方式 还是 在 你 自己的 应用 场景 底下 去 达成 一个 评测。

尤其是 对于 大 模型 的 开发者 来讲， 我 觉得 可能 开发 这件 事情 本身 其实 并不是 什么 特别 大 的 门槛。 我 觉得 未来 人人 都是 产品 经理， 重点 是你 得 想 清楚 在 你的 业务 场景 底下， 你的 评价 体系 和 评价标准 是什么。 我自己 个人， 我是 非常 推荐 所有 无论是 做大 模型 开发 的 人 也好， 或者 我们 今天 说 做 rag 开发 的 人 也好。 最 重要 的 是 先 在 你 自己的 业务 场景 底下 找到 你的 评测 tat set， 基于 这个 评测 的 set 去 找 最 适合 你的 模型 和 最 适合 你的 一个 向量 数据库。

我看 你们 也 推出 了 自己的 zee's cloud， 其实我 挺 好奇 你们 像 做 向量 数据库 这个 商业模式 是什么？ 可不可以 解释一下？ 比如说 大家 是 直接 用 你们的 云来 付费， 还是 说 它 其实 是一个 类似 于 bomb 的 SaaS 的 一个 销售。

对于 Z E A L S 来讲， 我们 最 重要 的 一个 标签 其实 是 开源。 就是 在 过去 公司 成立 的 最 开始 的 4到5年 里面， 我们 其实 做 的 最多 的 就是 构建 我们 自己的 这个 开源 产品。 然后 帮助 很多 的 企业 的 用户， 能够 真正 的 把 我们的 开源 产品 在 他们的 这个 生产 环境 里面 去 部署。 直到 去年 开始， 我们 其实 才 真正意义 上 的 去 开始了 我们的 这个 商业化 之路。

我们的 整个 商业模式 其实 是 纯 云 的 SaaS 模式。 目前 来讲， 我们的 产品 其实 是 全部 基于 public cloud 去 构建 的。 我们 产品 最早 其实 就是 在 亚马逊 云 科技 游戏 上线， 最 开始 是 提供了 SaaS 的 模式。 现在 我们 其实 也有 一种 新的 模式， 叫做 bring your own cloud。 对于 某些 对 安全 各方面 要求 比较高 的 用户， 可能 会 在 它的 V P C 内 去 部署。

但 整体 来讲， 我们 其实 是 有 个 很大 的 一个 条条框框， 就 我们 很多 生意 我们是 不做 的。 我们 不会 去做 线下 的 生意， 我们 也不 希望 去做 定制 化 的 生意。 我们 从 day one 开始， 我们 就是 更 希望 去 拿到 这个 高质量 的 营收。 在 我们 看来 就是 在 开源 产品， 在 公有 云 上去 提供 托管 服务， 是 整个 开源 的 生态 里面 最好的 一种 商业模式。

所以 我 简单 理解 一下， 其实 你是 把 zelie s 的 云 搭 到 亚马逊 的 云之上。 相当于 在 上面 再 给 客户 来 提供 一个 向量 数据库 的 解决方案 的 云 服务。 它 也是 比较 标准化， 而 不是 去做 很多 的 定制 服务 的 这样的 一个 商业模式。

其实 对于 亚马逊 云 科技， 对于 我们 来讲 有 两层 非常重要 的 意义。 第一 来讲 就是 您 刚才 说 的， 就是 我们 把 公有 云 当做 我们 非常 稳定 的 基础设施。 在 他们的 提供 的 基础 能力 之上， 我们 构建 自己的 业务。 过去 几年 在 A 还没有 特别 火 之前， 大家 其实 一直 在 讨论 一个 概念 叫做 connected。 我的 理解 什么 叫 connected call native？ 其实 就是说 从 你的 day one 开始， 你 就 应该 基于 公有 云 的 一些 能力 来去 构建 你 自己的 应用。 这也是 我们 最 开始 去 设计 我们的 向量 数据库 mills 最 重要 的 一个 考虑 点。 我们 其实 一直都在 考虑 应用 A M S 基础设施， 怎么能 去 构建 一个 让 用户 来讲 觉得 足够 易用， 然后 又 非常 好去 扩展 的 一个 系统。

第二个 层面 上 来讲， 我 觉得 亚马逊 云 科技 其实 也 给 我们 提供了 很多 的。 无论是 marketing 的 资源 也好， 或者 是 用户 的 资源， 也 给 我们 带来 了 很多 渠道。 像 mark place 可能 本身 是一个 对 我们 来讲 非常 有意义 的 一个 渠道， 可以 帮 我们 更好 去 触 达到 一些 用户。 这是我 觉得 公有 云 业务 对于 我们 这个 third party 的 第三方 的 SaaS provider 的 最 重要 的 两个 意义。

接下来 可能 有一点 砸 场子 的 问题， 这个 问题是 问 万涛 的， 就是 亚马逊 对于 向量 数据库 自己是 怎么 考虑 的。 因为我 理解 其实 你们 也可以 自己 在 自己的 云 上去 搭 一个 这样的 标准化 的 服务 的 组件， 来去 提供 给 更多 的 客户。 那 你们是 怎么 去 考虑 自己 做， 还是 跟 zilla 合作 来 去做 这件 事情 的？

亚马逊 有一个 工作方式， 我们 叫 逆向 工作法。 逆向 工作法 是什么 意思 呢？ 就是说 就 是从 客户 出发 来 设计 我们的 产品。 所以说 我们 设计 产品 的 时候， 是从 用户 的 实际 的 需求 出发。 我们在 向量 数据库 这 一块， 其实 也是 把 选择权 交给 用户。

在 生成 C A I 火 起来 之前， 其实 亚马逊 就有 一款 产品 叫 open search。 Open search 本身 有一个 A N 的 一个 插件， 它 就 支持 向量 的 存储 和 检索 了。 后来 就是说 生成式 A I 火爆 起来 之后， 亚马逊 也 非常 认同 向量 数据库 是 新时代 的 一个 基础设施， 就是 一个 基础 的 一个 数据 产品。 所以说 我们 就是 围绕 着 这个 理念， 就 是从 用户需求 出发。 然后 在 大 的 行业 趋势 下面， 我们 也 推出 了 一系列 的 向量 数据库 的 这个 产品。

当然 我们 推出 的 产品 的 主要 方式， 第一个 就是 除了 刚才 说 的 open search 是一个 独立 的 一个 向量 数据库 的 产品。 我们 更多 的 是 把 向量 处理 的 能力 融合 到 传统 的 数据库 产品 里面 去。 比如说 我们 有一个 ora POS grs Q L 的 这样 一个 产品， 它 通过 一个 P G vector 的 插件 就可以 把 向量 的 能力 集成 进来。 然后 我们 还有 no circle 的 数据库 叫 D M D B， 也是 集成 了 向量 的 能力。

这里 为什么 是 这么 设计 呢？ 其实 跟 刚才 咱们 谈到 的 就是 数据库 的 精确 的 话题 有关系。 你 传统 的 数据库 其实 有 它的 优势， 你的 表述 准确 的 时候， 它 可以 很 精确 的 处理 你的 数据。

向量 数据库 它的 优势 在 语义 的 理解 和 处理。 这 两者 在 很多 场景 里边 其实 是 可以 结合 的。 这里 边 就是 我们 推出 这种 融合型 的 产品。 其实 就是 针对 这种 场景， 你 可能 既 需要 传统 的 数据库 的 一些 特性， 也 需要 向量 数据库 的 一些 特性。 融合 起来 之后， 其实 给 用户 的 一个 选择。

当然 我们 这个 对 第三方 的， 比如说 我们 合作伙伴 的 向量 数据库 的 产品， 我们是 持 一个 非常 开放 的 一个 态度 的。 刚才 小凡 老师 也 说 了， 就是 z lis 已经 上架 了 我们的 marketplace。 我们在 近期 上个月 的 event 上 也 发布 了 一个 产品 叫 Better rock 的 知识库。 在 这个 知识库 里边 把 选项 提供 给 用户 了。 用户 可以 选择 第三方 的 向量 数据库 的 产品 做 底层 的 数据存储。 总的 一个 原则 就是说 从 用户需求 出发， 然后 给 用户 提供 更多 的 选择。

栾 总， 你 担心 跟 巨头 的 竞争 吗？

首先 我自己 也是 云 厂商 出来 的。 首先 我 觉得 这 云 厂商 的 产品 是 非常 值得尊重 的 一些 产品， 都是 一些 久经考验 的 一些 产品。 这个 也是 为什么 我们会 选择 基于 亚马逊 云 科技 去 构建 我们的 这个 基础设施 的 一个 比较 主要 的 一个 原因。

然后 我自己 是 这么 去 看待 这个 问题 的。 我 觉得 第一 的话， 大家 会有 一些 竞争 关系， 这个 是 肯定 的。 但是 其实 对于 这个 市场 来讲， 我 觉得 用户 的 倾向性 其实 也是 相对 明确 的。 对于 一部分 用户 来讲， 他 可能 更 倾向 于 使用 亚马逊 云 科技 全家 桶 的 一个 解决方案。 而 对于 另 一部分 用户 来讲， 其实 他 会 更加 在意 云 的 中立性， 是不是 vendor king， 以及 你的 开源 生态 给你 带来 的 一些 额外 的 价值。 我 觉得 这 两类 用户 的 倾向性 首先 都是 真实 存在 的。

第二个 点 上 来讲， 我 觉得 其实 这种 竞争 比较 有利于 促进 向量 数据库 这个 行业 的 一个 发展 的。 因为 向量 数据库 其实 大家 都 知道， 还是 处于 一个 非常 早期 的 一个 阶段。 就是 大家 其实 存在 着 很多 的 争论， 对 吧？ 甚至 对于 向量 数据库 这个 品类 到底 应不应该 是一个 品类。 最近 一段时间 一直 也有 很多人 问 我说， 你看 传统 数据库 都 支持 了 向量 检索 能力， 那么 向量 数据库 是不是 没有 必要 存在 了？ 但是 我 觉得 所有的 云 的 巨头 入场， 或者说 随着 这个 市场 有 越来越多 的 比较 有 能力 的 玩家 的 出现， 我 觉得 这 都 是一个 很 好的 信号。 就 证明 现在 数据库 可能 确实 就会 是在 未来 的 这个 A I G C 的 这个 时代 里面 很 重要 的 一个 组件 也好， 或者说 一个 领域 也好。 这个 我 觉得 其实 对于 整个 行业 的 发展 都 还是 挺 有 好处 的。

比如说 现在 我们 结合 AI 还有 大 模型， 你 觉得 向量 数据库 在 哪些 领域 可能 会 最先 落地？ 我知道 刚刚 比如说 像 万涛 有 提到， 大家 在 一个 电商 的 场景 里面， 如果我们 加入 这个 传统 数据库 和 向量 数据库， 它的 最后的 结果 是 会更好的。 那 有没有 什么 非常适合 向量 数据库 的 领域？ 但是 可能 传统 的 数据库 是 做 的 不太好 的。

在我看来 所有的 数据 密集型， 其实 大 模型 有 很多 应用， 比如说 也有 做 情感 陪伴 的对 吧？ 可能 还有 一些 非常 依赖于 大 模型 推理 能力 的。 像 这 一部分 的话， 我 觉得 可能 不会 特别 适合 现在 数据库 来 落地。 现在 数据库 其实 真正 适合 的 就是 这个 数据 密集型 应用。 比如说 我们 现在 的 用户 里面， 甚至 说 比如说 做大 模型 训练 的， 他 需要 在 训练 的 过程中 找到 一些 add case， 或者 按照 我自己 的 需求 找到 对应 的 训练 数据。 当然 不 局限于 我们 所说 的 black model， 其实 包括 了 无人驾驶 的 模型。 像 这种 模型 训练 过程中 对 数据 的 需求， 其实 肯定 是 需要 通过 向量 数据库 来去 满足 的。

包括 万涛 老师 刚才 说 的 电商 场景 底下， 其实 大家 有 大量 的 用户 的 对话 数据， 大量 的 图片 数据， 有 大量 的 商品信息 数据。 这个 肯定 也是 会 是 现在 数据库 比较 早 去 落地 的。 然后 也 在 包含 了 咱们 刚才 说 的 这个 场景 底下， 其实 涉及到 方方面面 的 行业。 比如说 像 这个 医疗 行业， 像 法律 行业 这些 行业。 我知道 其实 现在 有 很多人 在 做 所谓 的 这个 领域 大 模型， 对 吧？ 就是我 基于 法律 的 这个 领域 给他 做 一些 find。 其实我 个人 来看 的话， 这个 其实 也会 是 向量 数据库 落地 的 一个 比较 重要 的 场景。 因为 这些 行业 里面 其实 都有 大量 的 法律法规 或者说 相关 的 领域 知识。 有 这种 领域 知识 的话， 其实 很 适合 现在 数据库 来 和 大 模型 一起 配合 去 使用， 来 帮 用户 去 很 快速 的 去 找到 这些 信息 的。

大家 在 说到 这些 应用 的 时候。 我是 想到 大家 如果 需要 去 调度 这些 数据， 那 在 这种 情况下， 用户 怎么 知道 他的 数据 是 安全 的？ 他的 数据 他 一 依然 有 隐私。 就是 我不知道 大家 在 AI 时代， 是 怎么样 让 这个 数据 更 安全 跟 怎么样 做 隐私 大家 有什么 思考。

要么 我 先 说 一下， 其实 这个 安全 隐私 是 分 多个 层面 的。 我们 看待 这个 事情， 第一个 可能 是一个 合规 层面 或者 法律 层面。 不同 的 地区 或者 不同 的 行业 都有 相应 的 标准。 我们 要 服务 于 这个 行业 的 时候， 可能 你 要 需要 满足 这些 标准。

第二个 方面 的话 可能 就是 你的 产品 层面。 你的 产品 层面 在 设计 的 时候， 你 要 保护 好 用户 的 数据。 你 这个 数据 里边 比如说 对 用户 隐私 的 数据 的 处理， 对 一些 支付 数据 的 处理， 还有 一些 其他 的 这种 各类 的 隐私 数据。 那 我们在 处理 的 时候， 我们 也要 有一个 很 好的 保护。 那 这个 保护， 就是 首先 在 云 层面， 亚马逊 云 科技 就是 我们 满足 了 很多 的 标准。 我们的 产品 在 设计 之初 对 用户 的 数据 有一个 安全 保护 的， 比如说 你的 数据 的 加密， 你的 静态 加密传输 中 加密， 你的 数据 放在 你 自己的 环境 里边。 举 个 例子， 使用 向量 数据库， 你 在 你的 向量 数据库 会有 一些 企业 的 一些 数据， 你可以 考虑 在 自己的 环境 里面。 这个 就是说 是 我们 从 产品 层面 来做。

在 自己的 环境 里面， 我 理解 是不是 它 不 在云上， 它 还是 在 自己 这 一端。

应该 怎么 理解 呢？ 我说 的 自己的 环境 可能 指的 就是你 用户 在云上 的 自己 环境。 我们 在云上 有一个 虚拟 网络 的 概念 叫 V P C， 你 这个 V P C 就是你 用户 自己 私有 的 一个 环境， 你的 各类 的 应用 都在 这个 V P C 里边 运行， 云上 的 其他用户 是 完全 看不到 的。

然后 加密 的 意思 就是说， 即使 他的 数据 在 一个 数据库 里面， 但是 没有 人是 可以 看到 的。 因为 这些 数据 是 加密 的对。

这个 数据 是 加密 的， 并且 这个 密钥 在 你的 手里， 在 用 的 手里。 那 这个 时候 其他人 拿到 你的 原始数据， 他 也 没办法 进行 解密， 这个 是 我们 常用 的 一种 手段。 第三种 其实 就是 应用 层面， 还是 举 咱们 生成式 A I 的 各种 应用。 那么 生成式 A 在 输出 结果 的 时候， 因为 大 模型 它 可能 会 返回 一些 比如说 敏感 的， 比如说 涉及到 言论 的， 或者说 是 种族歧视 的， 或者说 其他 有害 的 这种 信息。 我们在 这种 应用 场景 里边， 我们 要 针对 这些 应用 信息 做 过滤， 再 返回 给 最终用户 之前， 我们 要把 这些 信息 给 过滤 掉。 其实 我们在 这方面 也有 一个 产品， 就是 上个月 的 revenue 刚 推出 来 的 叫 garden real， 就这样 一个 产品。 就 生成式 的 应用 产生 的 结果 输出 给 用户 之前， 我们 做 一层 过滤。 这个 过滤 的 规则 可以 来 设定， 比如说 屏蔽掉 P I A 信息， 就是 个人 的 信息， 屏蔽掉 种族歧视 的 信息 等等。 就是 各类 的 这种 不 合适 的 信息 都 可以 把 它 做 一层 过滤， 然后 最终 再 输出 给 用户。

Z 粒子 是 怎么 去做 数据安全 和 隐私 的？

这个 是一个 特别 有意思 的 一个 话题。 因为 最早 其实 很多 大 模型 的 用户 跟 他们 去 聊 这个 安全问题 的 时候， 其实 是 很 重要 的 一个点。 就是 把 数据 放在 自己的 环境 里， 或者说 有 这个 单独 的 存储 去 存。 这个 也是 向量 数据库 大 模型 结合 的 一个 比较 重要 的 应用 场景。

当时 我们 其实 也有 一个 观点， 就是说 向量 数据 是 非常 安全 的。 因为 本身 的话， 我们 其实 很多 时候 并不 存储用户 的 原始数据。 如果你 真的有 很多 敏感 的 数据， 比如说 什么 用户 的 电话， email 这些 东西， 一旦 它 通过 向 量化 之后， 其实 就 等于 说是 做了 一个 脱敏。 因为 我们 拿到 的 都是 一些 float 的 数字， 我们 其实 并不知道 这个 数字 背后 代表 的 业务 含义。 当时 我们是 这么 说服 用户 的， 但是 很快 这个 事情 就 被 打脸 了。

最近 的 一篇 paper， 他们 其实 在 讲 的 就是 向量 数据 在 通过 一个 精心设计 的 模型 之后， 是 可以 把 绝大多数 的 用户 信息 给 恢复 出来 的。 你 可能 就是说 这 是一个 encode decode 的 一个 模式。 就是说 你 把 数据 变成 个 in bedding， 然后 再 通过 一个 新的 模型， 它 又 回到 原始数据， 就是 回到 string。 然后 会 发现 好像 绝大多数 信息 还 一样。 所以 数据 的 风险 反过来 是 仍然 存在 的。

从 另一个 角度 也 其实 反馈 出来， 就是说 今天 大家 都在 说 这个 大 模型 本身 就是 做 数据 的 压缩。 其实 embedding n 本身 也是 在 做 数据 的 压缩， 无非 就是 把 很长 的 一些 信息压缩 到 相对 来讲 更有 语义 的 一个 比较 短 的 一个 引爆点 里面 去。 因此 的话， 其实 我们 最近 确实 也是 在 focus 做 相关 的 一些 工作。

第一 方面 可能 就是 无论是 从 做 一个 数据库， 无论是 你 传递数据 中间 的 网络， 包括 存储 这些 其实 我们 也都 采取 了 加密 的 措施。 并且 我们 也是 在在 所有的 向量 数据库 里面 第一个 推出 了 权限 管理 的 能力。 这个 可能 在 传统 数据库 里面 还是 比较 常见 的。 向量 数据库 里面 我们 也是 第一个 做了 r back。 并且 我们 在云上 其实 很 好的 跟 我们 云上 的 整个 的 SaaS 的 一个 认证 的 一个 机制 去 做了 一个 结合。

与此同时 的话， 其实 我们 也有 一个 小的 一个 研究 性质 的 一个 项目。 其实 我们 也 在 考虑 就是说 能不能 通过 一个 模型 把 这些 向量 在 高 维空间 内 让 它的 距离 不 发生 相对 变化 的 情况下， 能够 给 它 进行 一些 移位。 这个 移位 的 好处 其实 就是说 我 把 这个 向量 移 得 越远， 其实 他 就 很难 去 反编译 出 他 之前 的 语义 信息。 但是 如果我 又不 改变 它 在 高 维空间 内 的 相对 位置， 那 我在 搜索 的 时候 其实 还是 能 大 概率 的 搜 到 这个 结果。 这 样子 其实 就 相当于 我 给 这些 向量 增加 了 一些 噪音， 它的 安全性 就会 更好。 即使 是 有人 恶意 的 拿到 了 这些 向量， 他 想 去做 这个 反 解析 的 时候， 可能 也 解析 不 出来 数据 背后 原有 的 一些 价值 了。

那 通过 移位 会 影响 搜索 的 准确性， 或者 会 让 准确性 的 问题 变得 更难 吗？

所以 这 是一个 有 挑战 的 一个 事情， 大家 可以 这么 去 理解， 假如 说 我在 空间 中有 三个点， 这 三个点 是 A 大于 B 大于 C 的。 假如 是 一条 直线， 就是 我们是 一个二维 的 空间 里面， 如果 A 大于 B 大于 C 我 这个 时候 我在 搜索 的 时候， 我 给 一个 非常 大 的 一个 数字， 我 大 概率 说 我说 找 最近 的 那个 数字， 我 找到 的 可能 是 A 因为 A 是 所有 三个 数 当中 最大 的。 那么 这个 时候 其实我 就算 是 把 A 再 把 它 移到 一个 稍微 大 一点 的 地方， 我 用 一个 非常 大 的 数字 去 找到 它， 找到 其实 还是 A 也就是说 只要 我 能 保证 这些 点 在 高 维空间 里面 的 相对 的 关系 不要 发生 太 明显 的 变化， 然后 我的 搜索 结果 其实 或者 我的 搜索 准确性 依然 是 对的， 这个 绝对值 就 没有了。 本来 可能 是 A 是 一， B 是 0.5， C 是 0.3。 我 把 这个 A 放大 到 100的时候， 可能 这个 A 的 带 的 信息 可能 就 很少 了。 但是 搜索 结果 也是 对的。 我们 现在 其实 是 也是 通过 这个 机器学习 的 方式 去做 这么 一个 模型， 来 去做 这个 转化。

又 找到了 一种 护城河。

其实 在 向量 数据 内部， 我 觉得 大家 可能 过去 理解 向量 数据 的 方式 还是 比较简单 的。 我们 其实 也是 在 这个 过程中 逐渐 去 迭代 一个 认知， 包括 这个 安全性 的 问题， 我们 也是 近期 看到 这个 paper 以后 才 意识到。

你说的 那个 paper 我也 看到 了， 他们 会 用 相同 的 词 或者 相同 的 问题 不停 的 去 调 这个 大 模。 最后 那个 大 模型 会 把 它的 原始 的 训练 数据 吐出来。 看 了 以后 我 还是 觉得 还 挺 毛骨悚然 的。

在 学术界 大家 对齐， 然后 包括 安全问题， 我 觉得 这个 我 觉得 也是 大家 普遍 对 这个 AIGC 或者 last model 最大 的 一个 担忧。

接下来 其实 我们 也是 出海 特辑， 我们 聊 一 聊 出 海轮 总 可不可以 大概 介绍 一下 现在 你们的 主要 的 收入， 还有 客户 分布 在 哪些 市场， 你们的 整个 的 全球 市场 的 分布 是 怎么样 的。

刚才 其实 有 介绍 我们是 一个 纯 sas 的 公司。 我们 最早 其实 是从 二三年 的 年初， 或者 准确 的 时候， 应该 是 3 4月份 开始 做 商业化。 然后 我们 最 开始 的 市场 肯定 也是 以 北美 为主， 整个 产品 最 开始 在 亚马逊 云 科技， 美 东和 美西 去 做了 上线。 其实 我们 也 在 之后 去 做了 多云 的 战略。 其实 现在 来讲， 我们的 整个 业务 也是 包含 了 美国、 欧洲、 新加坡， 以及 也有 一部分 中国 的 业务。 当然 现在 主要 的 营收 其实 还是 以 北美 为主， 这个 占 到 我们 整体 营收 的话 应该 有 70% 以上 的 一个 比例。

这个 其实 也 并不 意外， 因为 在 整个 AIGC 的话， 确实 整个 的 浪潮 是 由 就 我们 整体 看起来 的话， 就是说 美国 那边， 尤其是 一些 start up， 他们的 行动 速度 是 更快 的。 就在 整个 大概是 今年 的 上半年， 其实 就 已经 有 很多 的 人 开始 去做 A I 应用 的 一个 开发。 如果 反观 欧洲， 然后 包含 国内 的话， 我 觉得 这个 浪潮 可能 会有 一个 时光机 的 这么 一个 效应。 就是 我们 看到 了 很多 美国 非常 popular 的 一些 话题 的话， 传播 到 中国 或者 传播 到 其他 地方 的话， 可能 会有 一个 半年 左右 的 一个 gap， 这是 我们 大概 看到 的。

你 可不可以 分享 一下， 就 你为什么 会 选择 用 出海 的 方式 做， 而 不是 和 中国 的 大 模型 一起 成长。 比如说 你 在 评估 你 这个 业务 应该 去做 哪些 市场 的 时候， 商业化 发生 在 哪些 市场 的 时候， 做 中文 市场 还是 做 海外 市场 的 时候， 你的 一些 评估 因素 是什么？

我们 还是 以 终 为 始 的 角度 去 思考问题。 在 美国 其实 大家 有 非常 多 的 耳熟能详 的， 商业化 做得 非常 成功 的 SaaS 公司， 对 吧？ 包括 这个 snowfall data bricks， 包含 了 像 芒果 D B confluent data search。 这些 其实 都 是在 商业 上 取得了 非常 大 成功 的 开源 公司。 而 今天 其实 如果我们 去 看 的话， 在 中国 来讲 的话， 整个 市场上 真正 能 做到 就是 我们 称之为 成功 的 公司， 我 觉得 还 太少。

从 这个 角度 来 考虑， 我 觉得 首先 作为 一个 info 的 公司 来讲， 可能 今天 出海 不是 一个 optional 的 选择， 而是 一个 必然 要 去做 的 一个 选择。 第二个 点， 尤其是 在 对应 到 我们 自己的 业务 上 来讲， 因为 我们 其实 这个 领域 跟 A I 跟 大 模型 高度 相关。 大家 也都 知道 就是说 美国 的 无论是 模型 的 成熟 程度， 然后 用户 对 这件 事情 的 接受程度， 资本 在 这个 领域 里面 的 活跃 程度， 其实 现在 都是 远远 要 超过 中国 的。 其实 我们 有 大量 的 认知， 无论是 对 大 模型 本身 的 认知， 或者 对 用户 的 应用 场景 的 认知， 也是 被 美国 的 我们的 这些 头部 用户 或者 一些 标杆 用户 给 影响 的。 我们 可能 是 把 这些 美国 的 理念 再 搬运 回 中国， 然后 再去 教育 中国 的 这个 市场。 所以 从 这个 角度 来讲， 我 觉得 作为 一个 比较 早期 的 赛道， 只有 拿到 一手 的 用户 信息， 你 才能 保证 你的 产品 也是 在 一个 主航道 上面。 这也是 为什么 我们 选择 先 去做 美国市场 的 一个 重要 的 原因。

比如说 你 在 选择 做 美国市场 的 时候， 有 哪些 是 跟 你 想象 中 不一样的。 比如说 你 出海 过程中 遇到 的 困难 是什么？ 挑战 是什么？

我 可能 先 说 一个 好的 点。 其实我 是在 国内 的 语音 厂商 也是 有 做 过 比较 长 的 时间。 中国 的 用户 其实 对 产品 本身 还是 比较 pick 的， 或者说 我们 说 不是 对 产品 本身 比较 pick， 是对 这个 服务 非常 pick。 就是你 要有 非常 快 的 这个 响应 时间。 如果 有 相对 来讲 用量 比较 大 的 用户 的话， 他 其实 都会 希望 你 有 专门 的 人 在 他 那边， 或者说 有 这种 专人 去 跟进。

其实 我们在 美国 看到 最好的 一件 事情 就是说 大家 对 SARS 使用 的 一个 态度， 其实 是 他 希望 自己 去 解决问题。 就是 很多 人是 希望 真正 研究 你的 产品， 研究 你的 文档， 理解 你的 产品 的 设计 逻辑。 然后 他 希望 他的 产品 建立 在 理解 了 你的 产品， 并且 更好 的 发挥 你的 产品 的 作用 的 这个 基础 之上。 所以 其实 很多 时候 很多 真正 的 大 用户 并不需要 你 投入 非常 多 的 人力 去 跟 他们 做 沟通。 当然 尤其是 你的 产品 如果 设计 的 好 的话， 这个 是我 觉得 最好的 一个点。

最大 的 一个 挑战， 我 觉得 其实 可能 有 两个 点。 第一个 来讲， 我 觉得 是 产品 或者 技术 之外 的， 就是说 包括 go to market。 整个 我 觉得 在 美国 其实 有 大量 非常 成熟 的 体系 和 打法， 也有 足够 多 的 人才。 而 对于 中国 来讲 的话， 整个 中国 因为 刚才 也 聊过， 就是 这 一块 其实 成功 的 公司 并不是 那么 的 多。 所以 其实 在 整个 去 看 人才 的 过程中， 其实 我们 也没有 找到 真正 能够 做出 海 的， 或者 做 sales 足够 多 的 一个 人才 的 一个 团队。 所以 我们 其实 现在 也是 在 去 改变 这个 打法， 就是 还是 要 去 建 local 的 team。 如果 是在 美国 做 这个 商业化 的话， 就是 一定要 去 convince 美国 local 的 talents 来去 加入 你的 团队。

这个 其实我 觉得 其实 是一个 蛮 大 挑战 的。 这个 会对 你 创始 团队 的 人格魅力， 别人 凭什么 相信你 这 样子 一家 公司。 我 觉得 这个 其实 可能 对我 来讲 是一个 蛮 大 的 一个 挑战 的。

然后 相对 来讲 可能 比较 小的 一个 挑战 可能 是 关于 产品 的 逻辑。 就是 很多 时候 我 觉得 中美 大家 对 产品 的 设计 理解， 其实 还是 会有 很多 不同 的。 就 同样 一个 东西， 可能 美国人 觉得 很 好用， 换 到 中国人 来讲， 我们 就 觉得 可能 设计 的 比较 奇怪。

我们 自己 公司 内部 也有 一个 比较 大 的 分歧。 我们的 美国 team 是 非常 坚定 的 喜欢 用 slack， 然后 国内 的 team 大家 就是 非常 喜欢 用 luck。 你 能 很 明显 的 发现 这 两个 产品 之间 的 设计 的 理念， 包括 很多 的 U I 的 设计， 其实 大家 习惯 都是 完全不同 的。 既然 作为 一个 SaaS 产品， 我 觉得 这种 分歧 可能 会 出现 在 方方面面。

所以 你们 最后 内部 到底 是用 slack 还是 用 nark.

最后 是 有些 妥协 的。 我们是 面对 美国 那边 的 用户 的 时候， 我们是 以 slack 为主 的。 然后 我们 自己 内部 沟通 的话， 就是 luck 会 多一点。

你说的 这个 问题 在 我们 公司 内部 也 存在。

是 这个 可能 真的 是 大家 对 这个 产品 的 txt 其实 还是 是 有点 不太 一样。

你 有 提到 一个点， 就是说 你说 其实 很多 美国 的 客户， 他在 来去 用 你们 产品 的 时候， 他 也 不会 有 很多 奇怪 的 需求， 而是 看 他的 需求 怎么 跟 你们 去 匹配。 我记得 我们在 讲 大 模型 的 时候， 经常 我们 后台 会 收到 很多 听众 的 邮件 来说 他们 想听 的 选题。 就有 一个 听众 他 发邮件 给 我说， 他说 让 我们 讲 一下 美国 像 OpenAI 这些 公司 是 怎么做 这种 大 模型 的 运营 的。 然后 我 就 仔细想 了 一下 这个 问题， 我 发现 美国 的 很多 硅谷 的 大公司， 他们 其实 是 没有 运营 这个 职位 的。 而 他们的 习惯 是 很多 东西 是 一套 标准化 的 处理 方案， 他们 有 标准化 的 解答， 他们 很多 就是 能 用 机器 处理 的 问题 都 不用 人 来解决。 但是 同时 你说的， 比如说 我们 进 到 一个 新 市场 的 时候， 怎么 去做 marketing？ Sales 本土化 的 人才 从 哪里 招？ 确实 这也是 一个 还 蛮 需要解决 的 问题 的， 讲 的 都 非常 的 实在。

对， 其实 在 这块 儿 我们 也是 处于 一个 摸索 的 阶段， 尤其是 包括 您 刚才 说 关于 marketing 这 一块， 我们 其实 也是 一路 踩 坑。 我们 也能 很 明确 的 感受到， 同样 的 一篇 内容， 可能 在 国内 你的 反响 会 比较 的 好在 美国 的话 可能 你 需要 去 不停 的 去 找 这个 讲法。 所以 其实 最近 这 段时间 我们 也 一直 花了 很多 时间 在 研究 这个 happy news。 希望 通过 去 找 这个 hacking use 上 的 运营 的 一些 途径。 其实 本质 上 是 我们在 去 找 美国 的 一些 消费者 或 用户， 他们 所 认可 的 一个 价值观， 或者 他们 所 认可 的 理念 到底 是 怎么样 的 一个 理念。 这个 其实我 觉得 还 存在 挺 大 的 一个 差异 的。

万涛， 你 要不要 讲 一下， 比如说 你们 在 跟 客户 一起 去 做出 海 的 时候， 或者 亚马逊 云 跟 他的 客户 在 合作。 然后 客户 要 去做 这种 全球化 的 时候， 就 你们 在 中间 可以 帮 到 他们 什么？

中国 就 80% 的 这种 出海 客户 选择 亚马逊， 因为 我们在 出海 其实 是 占 了 挺 大 一块 市场。 这里 边 可能 有 几个 原因。 第一个， 比如说 我们在 全球 的 覆盖， 我们 有 33个 区域， 105个 可用 区， 在 几 大洲 我们 都有 我们 自己的 这个 region 的 覆盖。 那 这个 就 对 出海 的 客户 就 比较 重要 了。 就是我 想 在 什么 地区 去 拓展 业务， 那 我们 就 云 资源， 有 云 服务 去 给 他们 用， 这是 第一个 方面。

第二个 方面， 其实 刚才 咱们 谈论 的 也 蛮 多 的， 就是 安全 合规 这 一块。 亚马逊 在 安全 合规 其实 做 的 也 挺 完善 的。 我们 支持 了 很多 的 这种 法规， 很多 这种 标准。 这里 在 客户 出海 的 时候， 我们 可以 给 他们 提供 一个 更好 的 一个 支撑。 当然 还有一个 就是 其实 刚才 我们 也 谈 了， 就 比如说 像 Z D S 这种 S V 的 这种 客户。 那 我们在 出海 的 时候， 我们 可以 通过 marketplace 去 发布 我们的 产品。 很多 用户 就可以 通过 marketplace 去 订阅， 去 直接 使用 这个 产品， 就是 一个 marketing 的 一个 渠道， 或者说 是一个 产品 订阅 的 一个 渠道。 这 几个 方面 来说， 对 客户， 特别是 出海 的 客户 应该说 还是 蛮 有用的。

栾 总， 你们 通过 marketplace 获得 客户 多 吗？

其实 还是 比较 多 的。 最早 我们 其实 上线 的 是 credit card 支付， 也是 基于 stripe 这套 体系 去做 的。 从 数据 的 分析 角度 来看， 我们 发现 credit card 的 用户 turn 的 比例 会 比较高， 就是说 这个 客户 的 流失率。 当然 我 觉得 也 是因为 可能 很多 credit card 的 用户， 他是 一些 个人用户， 跟 这 一件 事情 也有 很大 的 关系， 或者 是 一些 比较 小的 1。

后面 我们 上了 这个 marketplace 之后， 我们 可以 看到 就是说 marketplace 其实 除了 它 对 用户 的 获取 有 很大 的 好处 以外。 我们 发现 其实 mark place 的 用户 的 留存率 确实 相对 来讲 会 更高 一些。 当然 跟 这个 是 一些 企业 相对 来讲， 可能 是 一些 更大 的 企业 用户 也有 关系。 但是 另一个 角度 上 来讲， 我 觉得 可能 跟 整个 market 会 的 体系。 就 因为 这些 用户 可能 也是 跟 亚马逊 云 科技 有 深度 绑定 的 用户。 所以 这个 其实 对 SARS 公司 来讲， 其实 也是 一个 非常。

好的 消息。 因为 栾 总 我知道你 还有一个 身份， 就是 linux foundation A I 和 data 技术咨询 委员会 的 成员。 然后 你们 也是 一直 在 以 开源 的 方式 去做 向量 数据库 的。 可不可以 聊 一下， 就 你 在 这个 linux foundation 里面， 你 觉得 在 这 段 经历 里面， 对你 跟 星爵 你们的 创始人 最大 的 一个 收获 是什么？

首先 我自己 其实 是一个 open source person。 就是我 其实 在 没有 加入 这 之前， 其实我 也 在 阿帕奇 社区。 然后 在 其他 的 几个 adobe 的 科研项目 里面 都 比较 活跃。 加入 这 一个 其实 一个 重要原因， 也 是因为 我希望 能 做 一款 真正 的 从 中国 能够 走向世界 的 一个 开源 产品。 这是 其实 是我 加入到 这 一个 初衷。 然后 当时 其实我 看到 rios 是 有 这个 潜力 的， 并且 也是 我们是 真正 想 投入 去 把 开源 这个 事情 给 做好 的， 这是我 其实 当时 选择 去 加入 的 一个 原因。

我们 之所以 现在 在 这个 lines foundation 里面 比较 重要 的 原因， 是因为 我们 把 向量 数据库 项目 mills 捐献 给 了 linux foundation。 现在 这个 项目 也是 linux foundation 下面 A I data 这个 基金会 的 应该说 是 最 成熟， 或者说 从 开源 的 角度 来讲 最 活跃， 并且 C R 收入 最多 的 这个 项目 之一。 在 这个 基金会 里面， 我 觉得 首先 其实 我们的 这个 基金会 因为 是 跟 A M beta 有关的， 所以 其实 我们 也有 很多 的 上下游 的 项目。 其实 在 我们 基金会 里面， 比如说 比较 有名 的 像 alex 在 做 这个 模型 推理 里面 非常 有名 的 一个 开玩笑。 我们会 定时 去 开会。 有的 时候 大家 会 讨论 很多 技术 的 事情， 或者说 关于 业内 的 发展， 这个 确实 给 我们 带来 了 很多 前沿 的 视野。

另外 一方面 来讲 的话， 我 觉得 正是 因为 这个 产品 开源， 所以 也 能够 获得 很多 的 用户 的 一些 adoption 帮助。 我们 从 最早 可能 在 过去 的 几年 里面， 产品 在 逐步完善 的 一个 过程中， 也 是因为 开源。 然后 很多人 愿意 投入， 要 来 跟 我们一起 去 建设 这个 产品， 要 踩 了 很多 坑 带 去 解决。 能够 让 这个 产品 到 一个 相对 来讲 比较稳定 的 一个 状态。 这个 我 觉得 可能 是 开源 带给 我们的 很大 的 一个 收益。 当然 在 这个 过程中， 我 觉得 结识 了 很多 朋友， 对 吧？ 然后 无论是 做 商业化 也好， 还是 做 技术 的 分享 和 交流 也好， 其实 都 很大程度 上 帮 到了 我们。

你们 现在 这个 产品， 你 刚刚 有 提到 你是 捐赠 给 了 linux foundation， 这 大概是 一个 什么样 的 关系？

如果 大家 去 看 开源 的话， 其实 是 有 两类 开源项目 的。 一类 开源项目 其实 是 这个 公司 主导 的。 像 这 一类 开源项目 的话， 其实 它 会 存在， 比如说 他 可能 会 改 协议， 对 吧？ 这个 前几年 一个 比较 热门 的 一个 话题 就是说 像 MongoDB 或者 像 ya search 这 样子 一些 公司 去 修改 了 他的 开源 的 协议， 然后 更好 的 去 为 他们 自己的 商业化 目标 去 服务。

当然 其实 也有 另外 的 一些 开源项目， 它 其实 是在 基金会 之下 的。 当然 最 有名 的 基金会 其实 就是 阿帕奇 基金会 和 linux foundation 这 两个 基金会。 如果 是 这些 基金会 之下 的话， 首先 基金会 本身 其实 会给 我们 带来 所谓 的 流量 或者 关注， 或者说 这个 基金会 他 可能 也会 定时 的 去 组织 一些 活动 或者 交流。 我们 基金会 的 负责人 其实 也是 这个 pat orse 基金会 的 负责人。 所以 其实 大家 其实 在 这个 A I 领域 里面 可以 有 很多 的 一个 交流。

另一个 方面 的话， 其实 基金会 也 给 了 我们 很多 做 开源 的 运营 的 一些 约束 和 建议。 就是 怎么 去做 这个 所有的 开源 基金会 一定 是 有 自己的 开源 的 协议， 也有 很多 就是说 你 能 做 的， 你 不能 做 的。 这些 其实 其实 本质 上 也是 一个 约束。 在 这个 约束 底下， 所有的 开源 用户 的 利益， 我 觉得 其实 是 可以 得到 更好 的 一个 保障。

你 刚刚 提到 了 开源 的 方式 有 两种， 有 一种 是 公司 主导 的， 还有 一种 是什么？

就是 基金会 主导 的。

所以 你们的 产品 算是 基金会 主导 的。

对于 muse 这个 产品 来讲 的话， 现在 来讲 很多 活跃 的 依然 是 我们 公司 的 同事 或者 一些 前 同事。 当然 也 越来越多 的 会有 外部 的 参与者 来 参与。 所以 这个 也是 基金会 主导 的 一个 好处， 就是 这个 项目 的 包容 程度 会 变得 比较 的 高。 就是 可能 很多 基金会 主导 的 项目 里面， 它 里面 是 有 多个 玩家 来 共同 的 去 把握 这个 项目 的 一个 路线 的。 其实 大家 可能 是 通过 这种 开源 的 流程， 比如说 我们 投票决定 或者 讨论决定 的 方式。 而 对于 这种 自身 企业 主导 的， 这些 开源项目 尽管 来讲 它的 源代码 你可以 直接 拿 过去 阅读， 或者 直接 在 你 线 上去 部署 的。 但 其实 这个 项目 的 整个 的 主导 路线， 其实 都会 是 由 这家 公司 的 商业利益 来决定 的。 这个 我 觉得 可能 是 最大 的 一个 区别。

为什么 你们 会 把 这个 模式 改成 从事 基金会 主导 的， 而 不是 公司 主导 的？ 在 我 听来， 我 觉得 这 两种 方式 其实 有一个 区别。 就是说 在 做 决策 的 时候， 公司 的 方式 可能 是 更加 的 快速， 或者说 他 不 那么 民主 一点， 那 基金会 可能 是 更 民主。 但是 比如说 如果 所有的 产品 大家 都 投票决定 的话， 投票 前 可能 要 充分 的 讨论， 也要 去 看 每一个人 的 意见。 有的 时候 就是 大家 在 做 一个 产品 方向 的 时候， 可能 他的 考虑 不是 从 商业化 这边 来 考虑 的， 他 会有 很多很多 的 影响 因素。 你为什么 会 决定 去做 基金会 主导 的 这种 模式？

对于 这个 项目 来讲， 虽然 说 是 我们 之前 给 基金会 了。 但 实际上 就是说 因为 我们的 贡献 在 这个 项目 里面 其实 占 比 依然 是 最大 的。 所以 其实 在 很多 讨论 的 过程中， 我们的 意见 其实 依然 是对 这个 项目 有 很强 的 一个 决策 的 一个 作用。 所以说 其实 某种程度 上 来讲， 我们 也 并没有 放弃 项目 的 一个 主导权。 当然 这种 主导权 可能 跟 企业 相比， 我 觉得 最 需要 注意 的 就是说 你 需要 去做 持续的 投入。 你 需要 保证 在 这个 无论 你是 投票 或者 做 其他 的 事情， 要有 足够 多 的 票， 对 吧？ 就是你 给 这个 社区 做了 足够 多 的 事情， 你 才能 换取 足够 多 的 利益 或者说 投票权。 所以 我 觉得 首先 来讲， 我们 希望 在 这个 项目 里面 有 更多 的 人 来 参与 建设。

我们 并不 希望 mills 是一个 一家独大 的 一个 项目。 这个 其实 在 我们 看来 对 整个 开源 的 这种 项目 的 这种 结构 的 稳定性， 其实 并不是 一个 特别 好的 消息。 就 如果说 一个 项目 里面 只有 一家 玩家 的话， 而且 尤其是 说 在 今天 现在 数据库 也好， 或者 A I 也好， 都是 非常 早期 的 一个 阶段。 我们 还是 希望 能够 更多 的 去 覆盖 更多 的 人群， 做出 更多 的 声音。 而 不是说 仅仅 去 关注 怎么样 能 从 这个 项目 当中 获取 一个 更大 利益， 这是 我们的 一个 视角。

那你 觉得 开源 对 商业化 的 具体 帮助 是什么 呢？

我们 其实 今天 绝大多数 的 用户 之所以 会 选择 我们的 云 服务， 本质 上 就是说 它 几乎 都是 曾经 用过 milos 开源 的 一些 用户。 这个 比例 我们 没有 具体 统计 过， 但是 我自己 的 体感 来讲， 我 觉得 肯定 是 超过 70%到80%。 所以 这个 其实 是我 觉得 最 直接 的 一个 效应， 就是说 开源 的 用户 会 逐渐 的 去 转化成 你的 云 服务。

然后 第二个 角度 上 来讲， 我 觉得 开源 它 本身 不是 一种 商业模式， 但 它 本身 其实 是一种 做 marketing 的 很 好的 一种 方式。 作为 一个 中国 的 公司， 你的 产品 要在 美国 打造出 足够 多 的 影响力， 肯定 需要 一些 武器。 我 觉得 开源 其实 是一个 非常重要 的 一个 武器， 能够 帮助 更多 的 人 去 了解 你的 产品。 开源 是 没有 国界 的， 你 跟 大家 去 讲 一个 开源， 讲 一个 技术 的 故事， 你 从 day one 开始 给 大家 去 讲 一个 商业化 的 故事， 更容易 让 大家 去 接受。

因为我 不太懂 这个 里面 具体 的 技术细节， 所以 从 我的 角度 我 就 挺 好奇。 比如说 你们 这个 开源 的 代码 跟 你们 最后 在 这个 zelie cloud 上 做 的 这种 商业化 方案 的 代码， 它是 一样的 吗？ 它是 需要 同步 的 吗？

这 是一个 特别 好的 问题。 这个 问题 也是 我们 自己 其实 在 过去 几年 中 一直 在 摸索 和 思考 的。 做 开源 的 人， 尤其是 在 一个 商业化 的 公司 里面 做 开源项目 的 人， 就 一直 有一个 话 叫 you always wear to s 就 你 自己 要 戴 两顶 帽子。 一顶 帽子 其实 是你 作为 开源 的 基金会 的 成员， 或者说 作为 这个 开源项目 的 运营者， 你 要 思考 开源 用户 的 利益 在哪里。 但 另外 一边 的话， 你 要 戴 另 一顶 帽子。 这 顶 帽子 是你 代表 公司 的 情况下， 你 得 去 思考 怎么 从 这个 开源项目 里面 更多 的 去 挖掘 你 自己 公司 的 商业利益。

我们 自己 目前 的 一个 角色 是 这样的， 首先 我们是 保证 我们的 商业 产品 和 我们的 开源 产品 的 接口 和 能力 几乎 保持一致。 这就 意味着 其实 它 里面 的 绝大多数 代码 其实 是 比较 相似 的。 但是 我们 怎么 去 做出 这个 差异化？ 第一 的话， 我们 做了 新的 引擎。 简单 的 理解 就是说 在 整个 的 这个 框架 底下， 其中 有 一部分 最 核心 的 代码 我们是 专门 从 写 的。 这个 重写 之后 带来 的 收益 其实 包含 了 稳定性， 包含 了 性能， 包含 了 这个 内存 的 使用。 其实 本质 上 来讲 就是 能够 帮助 用户 去 省钱， 或者 帮助 我们 自己 去 降低成本， 这个 是 第一 大块。

第二 大块 来讲 的话， 我们 其实 除了 数据库 本身 以外， 我们 实际上 在 给 用户 去 售卖 的 这个 东西， 其实 还 包含 了 很多 的 高级 能力。 一方面 可能 是你的 监控 报警， 这样 你 怎么 去 运维 这套 系统 的 一些 周边 的 一些 设施。 另外 一方面， 其实 我们 也 在云上 除了 向量 数据库 之外， 我们 也 向 用户 提供了 我们 叫做 embedding pipeline 的 这个 能力。 就是说 把 非 结 化 的 数据 去 转换成 向量 的 这个 能力。 等于 说 我们在 这个 开源 的 项目 之外， 其实 又 建设 了 一层 附加 层。 当然 除了 这些 能力 以外， 可能 还有 一些 数据 迁移 的 能力， 数据备份 的 能力， 还有 一些 数据安全 的 能力。 这些 其实 就是 等于 说 在 这个 开源项目 之外， 我们 其实 给 用户 售卖 的 更多 的 是 这些 额外 的 价值。

这个 其实 就是 在 去 平衡 商业 竞争 跟 这种 开源社区 的 关系 了。

对 我们 希望 的 就是说 对于 所有的 开源 用户 来讲， 我们 希望 他们 能 拿到 基本 的 价值。 这个 基本 的 价值 就是说 这个 项目 要 能 用， 并且 足够 的 好用， 并且 能够 满足 我的 需求， 这是 所有的 基本 价值。 但 如果 大家 去 了解 这个 需求 金字塔， 对 吧？ 就是 除了 这些 基本 价值 之外， 大家 一定 还是 希望 去 拿到 很多 其他 的 价值。 比如说 安全， 比如说 弹性， 比如说 更加 的 易用， 比如说 我希望 做 一个 可视化 的 界面， 对 吧？ 更容易 管理。 这些 价值 其实我 是 觉得 就是 开源 公司 可以在 在 自己的 核心 的 开源 产品 之外， 去 给 用户 提供 并且 获取 价值 的 一些 点。

因为你 其实 刚刚 还是 有 提到 你们的 整个 的 决策， 还是 基金会 来去 决策 的。 而且 我 理解 可能 再去 搭建 一个 z eliz 这样 向量 数据库 的 开源社区。 有的 时候 社区 它的 想要的 发展方向 可能 跟 商业化 想要的 发展方向 是 不一样的我 不知道 你们 有没有 出现 过 这种 分歧， 我只是 很 好奇， 当 在 一个 开源社区 大家 的 方向 不一致 的 时候， 是要 如何 去 解决 这种 分歧 的。

首先 我 觉得 这种 分歧 一定 是 存在 的。 在 开源 里面 有一个 很 重要 的 原则 叫做 upstream first， 就是说 肯定 是 由 开源社区 来 主导 下游 的。 无论是 你 做 商业化 的 厂商 也好， 或者说 你是 基于 开源 去做 二次开发 的 一些 其他 工作 也好， 肯定 还是 要 以 这个 上游 的 角 测 为准 的。 因为 我们 其实 也有 一个 基本 的 原则， 就是说 社区 要 往 哪个 方向 走。 我们 其实 也会 把 我们的 产品 去 按照 相应 的 方向 去 改造， 就是 要 保证 两者 的 基本 能力 是 完全 一样的， 所以 这是 一个点。

然后 在 这个 基础 之上， 我 觉得 其实 涉及到 另一个 问题， 就是说 怎么样 更 聪明 的 去 平衡 开源 和 运营 之间 的 一个 关系。 然后 我们 其实 最 主要 做 的 一个 事情 就是说 把 这个 体系 做 的 足够 的 可 插拔。 就是 我们 把 很多 的 其他 组件 都 是以 接口 的 方式 或者 可 插拔 的 方式 去 把 它 配在一起。 也就是说 即使 如果我们 觉得 开源 的 这个 路子 不是 我们 想要的， 或者 我们 希望 加 一些 新的 功能， 但是 我们 其实 并不 希望 说 这些 功能 能够 完全 回到 开源 主干。 这是 我们 自己的 一些 功能 的话， 我们 都是 通过 这种 插件 化 的 方式 去 支持 的。 这样 大家 之间 其实 就 不会 有 太多 的 冲突。

这 是一个 很 好的 解决方案。 谢谢 栾 总， 谢谢 万涛。

好， 感谢 大家， 拜拜。

好的， 谢谢 红军。

好， 这就是 我们 今天 的 节目。 不知道 大家 听 完 今天 的 节目， 你 对 向量 数据库 有 怎样 的 理解？ 欢迎 给 我们 写 评论， 写 留言。

中国 的 听众 可以 通过 喜马拉雅、 小宇宙、 苹果 播客、 蜻蜓 F M、 荔枝 F M、 网易 云 音乐、 Q Q 音乐 来 收听 我们。 海外 的 听众 可以 通过 苹果 博客、 spotify 还有 google podcast 来 收听 我们。 感谢 大家 的 收听， 谢谢。