- 综合排序
- 最热优先
- 最新优先
- 来自专栏LCHub低代码社区
向量数据库-AI时代的新型数据库
在互联网的早期，数据大多是结构化的，可以很容易地在关系数据库中存储和管理。以图书数据库为例：图片数据库中的每一行代表一本书，而列对应于特定的信息类别。 当用户通过在线服务查找书籍时，他们可以通过数据库中存在的任何列名进行查找。例如，查询作者姓名为 Bill Bryson 的所有结果会返回 Bill Bryson 的所有书籍。 没有简单的方法可以将它们存储在关系数据库中。输入嵌入向量，也称为向量嵌入、特征向量或简称为嵌入。 嵌入本质上是作为 AI 模型的计算副产品出现的，在非常大的高质量输入数据集上训练的机器或深度学习模型，将每个非结构化数据转换为嵌入。这些嵌入使得瞬间、可扩展的“相似性搜索”成为可能。 存储、索引和搜索这些嵌入的工具，便是向量数据库。
83631编辑于 2023-06-19 - 来自专栏服务器运维日常
AI学习笔记——向量数据库
向量数据库向量数据库（Vector Database），也叫矢量数据库，是专为处理高维向量数据而设计的数据库系统，它能高效存储和查询由文本、图像、音频、视频等非结构化数据通过嵌入（Embedding）技术转换得到的向量 与传统数据库查询方面的区别传统数据库的查询核心是 “精确匹配” 。它回答的是“有没有？”（是否存在某条记录）和“是多少？”（某条记录的具体值）这类问题。其价值在于保证数据的准确性和一致性。 向量数据库（Milvus）负责存储：商品图片的特征向量、商品描述文本的特征向量。 它本质上是一个同时具有大小（长度）和方向，且满足平行四边形法则的几何对象向量数据库中的“向量”，远不止是简单的数字列表。 向量在数据库中的组织与检索索引（Indexing）：为了在海量向量中快速找到相似项，数据库会为向量集合构建索引。
2K21编辑于 2025-09-19 - 来自专栏深度学习与python
AI原生数据库的思考
AI 数据库的“变与不变” 在 OceanBase 2025 发布会上，我们讨论过一个观点：AI 时代，数据库的变与不变。 从 AI Ready 到 AI Native 数据库 数据和模型之间的关系到底是什么？首先，AI 时代的数据库需要 AI Ready，即帮助 AI 把大模型需要的上下文准备好。 数据库和 AI 融合并不是一个全新的概念，学术界和工业界一直在探索。难点在于如何定义数据库和 AI 的边界，让数据库擅长的归数据库，让 AI 擅长的归 AI。 数据库和 AI 融合的关键在于如何将这两项能力融入到数据库中。 业界越来越多数据库产品开始将 AI 能力融入内核。 AI Function AI 原生数据库内置 AI Function，将这些 AI Function 融入到数据库的执行算子中。
50210编辑于 2025-12-24 - 来自专栏Java EE 企业级开发工作日志
当 PostgreSQL 遇见 AI，数据库的 AI 进化论
AI 正以前所未有的速度渗透进每一个角落，“数据+智能”的化学反应，数据库与 AI 的深度融合，正在重塑我们对数据库设计与应用的想象。 AI 原生数据库的终极形态，或许是 AI 自己能够扩展和定制的数据库。AI 不会完全取代 DBA，但会重新定义 DBA 的价值边界。操作性知识会被压缩，而品味、架构能力、判断力和学习能力的溢价会更高。 03什么是真正的“AI 原生数据库”？许多数据库标榜自己是“AI Native”，但大多只是加了向量功能。真正的 AI 原生数据库应该具备什么能力？PG 的下一步演进方向可能会是什么？ 白鳝：现在很多都讲自己是 AI 原生数据库，其实我个人感觉还没看到一个真正的原生数据库。 这是我现在实践的一个大概情况，未来数据库肯定会发生变化，但我还没有想清楚未来数据库到底会长成什么样子。我想 AI 原生数据库就是真正为 AI 应用场景去构建的。
33420编辑于 2026-04-16 腾讯云数据库AI服务（TDAI）概要
一、产品定位与核心亮点 腾讯云数据库AI服务（TencentDB AI Service, TDAI）是一款企业级数据库智能治理分析服务。 其依托自研大模型、全域上下文及工具集等基础设施，构建数据库DevOps与数据洞察两类智能体服务，覆盖数据库开发运维与数据分析应用核心场景，核心差异化能力包括风险SQL事前拦截、智能体长期记忆管理和主动数据洞察推送 风险SQL治理 面向金融、电商、游戏等高数据库稳定性要求行业，解决SQL缺陷引发性能雪崩、变更失误导致服务中断、运维响应效率低下等痛点。 2. 深度检索（DeepSearch）、数据目录（Catalog）； 工具集（Tools）：通过MCP集成DBbrain、DTS、MySQL等数据库引擎工具，支持诊断、迁移、查询等闭环操作。 荣誉背书 首家通过中国信通院数据库运维智能体能力评测，集成记忆、检索、目录三大模块。 四、典型案例 1.
14910编辑于 2026-04-25- 来自专栏开发经验
向量数据库，能让AI再次起飞吗？
文章目录 AI的现状与挑战 什么是向量数据库？ 向量数据库的应用 1. 推荐系统 2. 计算机视觉 3. 自然语言处理 4. 聚类和分类 向量数据库的未来 欢迎来到AIGC人工智能专栏~向量数据库，能让AI再次起飞吗？ 近年来，一种新兴的技术——向量数据库（Vector Database）正在崭露头角，它被认为可能是推动AI再次起飞的关键。 AI的现状与挑战 在AI的现状中，大多数应用都需要处理大量的数据。 为了解决这些问题，AI研究人员和工程师一直在寻找更高效的数据管理和检索方法，而向量数据库正是其中之一。 什么是向量数据库？ 向量数据库是一种特殊类型的数据库系统，它专门设计用于存储和管理向量数据。 它们将有助于加速模型的训练和推理过程，使更多的AI应用成为现实。 总的来说，向量数据库代表了数据库技术与人工智能的融合，它们有望推动AI再次起飞，开创新的可能性。
46210编辑于 2023-12-13 - 来自专栏信息技术智库
向量数据库，能让AI再次起飞吗？
由于本次大会的信息量太大，西红柿将聚焦“向量数据库”，为大家带来详细的介绍和评测。 一、什么是向量数据库？ 向量数据库是一种专门用于存储和处理向量数据的数据库系统，它通过优化存储结构和查询算法，提供了高效的向量数据存储、相似度搜索、聚类和分类等功能。 在图像、音频、文本等领域的应用中，向量数据库发挥着重要的作用。 向量数据库通常提供了丰富的查询接口和功能，如范围查询、k 近邻查询、相似性匹配等。 向量数据库的工作流程包括以下步骤： 1、向量数据的存储：向量数据通常是高维的数值型数据，如图像特征向量、文本词向量等；向量数据库使用基于向量的存储结构，以便快速查询和处理； 2、向量索引：向量数据库使用 执行测试后，看看数据库的资源表现吧。
58740编辑于 2023-10-16 - 来自专栏云云众生s
生成式 AI：如何选择最佳数据库
生成式 AI：如何选择最佳数据库 翻译自 Generative AI: How to Choose the Optimal Database 。 评估新数据库或现有数据库以处理生成 AI 工作负载时要考虑的八个组件。 似乎几乎每一天都带来了一种新的人工智能应用，推动了可能性的边界。 但是，组织需要哪些数据库组件来利用 LLM 在专有数据上的力量？ 支持 AI 工作负载的 8 个组件 支持 AI 工作负载的数据库必须支持低延迟和高度可伸缩的查询。 在决定如何评估新数据库或现有数据库以处理生成 AI 工作负载时，需要考虑许多因素。 希望这有助于揭开利用 AI 工作负载所需的神秘面纱以及如何选择最佳数据库技术。
60310编辑于 2024-03-27 腾讯云数据库AI服务（TDAI）概要
一、产品定位与核心亮点 腾讯云数据库AI服务（TencentDB AI Service, TDAI） 是一款企业级数据库智能治理分析服务，依托自研大模型、全域上下文及工具集等基础设施，构建数据库DevOps 和数据洞察智能体服务，覆盖数据库开发运维与数据分析应用领域。 Agent Infra板块： 数据库大模型（DB LLM）：含Code2SQL模型（C1）、数据库诊断模型（D1）、数据库优化模型（O1）。 总结 腾讯云数据库AI服务（TDAI）通过自研大模型+全域上下文+智能体服务，实现数据库开发运维全生命周期风险管控与数据分析范式升级，已在腾讯会议、腾讯云基础产品等场景验证价值，周新增风险SQL清零、人力成本降 90% 等核心指标凸显效能，为金融、电商等高要求行业提供智能化数据库治理方案。
12910编辑于 2026-04-25- 来自专栏网管叨bi叨
用AI编程，怎么让AI自动了解你的数据库？
在用AI编程时，除了要给AI描述你的需求外，经常还需要把你项目的数据库的表结构告知给AI才行，否则AI再强大也没法正确写出你想要的数据Model和Dao层的代码--应了那句六字箴言“臣妾办不到啊”。 刚开始用AI写代码的时候，我都是把项目数据库的表结构放到项目里一个单独的.sql 文件中，每次需要开发哪个模块的需求时就把对应的表结构用快捷键加到跟AI的对话上下文中，或者更懒一点直接告诉AI去sql文件自己找来看 这几个月AI编程的工具也是越来越强大，每次开始任务前会先给你列个计划，等符合你预期了再开始干活。那怎么让AI自己去查看或者操作你的数据库呢？ 想让AI 能通过 MCP 访问和操作数据库，就需要先把你项目的数据库做成一个MCP Server，这里我只推荐搞开发/测试环境的数据库哦，线上环境的数据库还是别让AI直接操作了吧，毕竟程序和人有一个能跑就行 这一点我觉的在让AI自己写程序测试另一个AI写的代码是否符合需求时还是挺有用的，不然除了打字告诉AI去哪里查看建表语句外，生成的一些Mock数据还要AI输出后自己粘贴到数据库工具里去手动执行，体验嘛，肯定是自己动手越少体验越好
94110编辑于 2025-11-12 - 来自专栏腾讯云数据库(TencentDB)
数据库+AI专场圆桌精彩实录来了！业界大咖共话AI时代数据库破局之道！
议题一：DevOps与AI，如何用智能体重构数据库开发运维范式？ 罗云提出“AI前置”思路，主张在开发阶段即引入AI能力，通过对用户代码的分析与治理，从根本上减少风险，显著提升数据库团队的能力天花板。 主持人余欣纬总结，在数据库DevOps场景，智能体的核心价值在于通过AI驱动的风险预警、主动干预与持续优化，构建跨越开发者与DBA认知的桥梁。 议题二：在AI加持下，企业数据分析会有哪些能力的突破？ 罗云介绍，腾讯云正致力于打造面向Agent的基础设施，整合推理、检索等多种算力，通过软硬件协同降低开发门槛，推动AI技术更快落地。 结语 本次圆桌讨论清晰表明，AI正在深刻改变数据库技术的演进路径。 未来，腾讯云数据库还将继续与生态伙伴共同创新，助力企业在AI时代构建更高效、更智能的数据库体系。 TencentDB
34810编辑于 2025-09-29 - 来自专栏翩翩白衣少年
推荐一款强大的AI开源项目！有了它，将你的数据库秒变AI数据库！
在本文中，小编将介绍一个名为SuperDuperDB的开源项目，它是一个用Python编写的AI开发和部署框架，可对接数据库，让数据库具备AI特性。 项目介绍 项目地址：https://github.com/SuperDuperDB/superduperdb 将 AI 引入数据库，直接与您的数据库和数据集成。想想就应该特别有意思。 它允许培训和管理任何 AI 模型和 API，为用户提供更强大的数据库功能。支持将人工智能直接整合到数据库操作中。 核心特性 • 将AI与现有数据基础设施集成： 在单一可扩展的系统中将任何AI模型和API与您的数据库集成，无需额外的预处理步骤、ETL或冗余代码。 • 部署 ML/AI 模型到你的数据库 • 直接从您的数据库训练模型 • 基于你的数据进行向量搜索 • 将AI接口集成，与其他模型协同工作 • 将 Llama2 模型加到SuperDuperDB中 •
1.8K10编辑于 2024-01-05 - 来自专栏数字孪生元宇宙
EVA - AI赋能的关系数据库
EVA 旨在支持使用深度学习模型对结构化数据（表格、特征向量）和非结构化数据（视频、播客、PDF 等）进行操作的数据库应用程序。 它使用一系列受久经考验的关系数据库系统启发的优化，包括函数缓存、采样和基于成本的谓词重新排序，将 AI 管道加速 10-100 倍。 EVA 支持面向 AI 的类 SQL 查询语言，专为分析非结构化数据而量身定制。 它带有用于分析非结构化数据的广泛模型，包括用于图像分类、对象检测、OCR、文本情感分类、人脸检测等的模型。 EAV的主要特性如下： 使用类似 SQL 的简短查询构建更简单的 AI 驱动的应用程序⚡️ 使用以 AI 为中心的查询优化，AI 管道速度提高 10-100 倍 节省花在 GPU 驱动推理上的钱 通过用户定义的函数为您的自定义深度学习模型提供一流的支持 增强的关系数据库 - BimAnt
1.2K30编辑于 2023-05-05 Apache Doris 4.0 把 AI 塞进数据库了！？
“哥，Doris 4.0 把 AI 塞进数据库了！” 凌晨一点，DBA老周在群里甩出这句话，附带一张截图：一条 SQL 直接调通简历筛选，把 30 万份数据 3 秒跑完。 阿May的下巴差点脱臼：“这玩意儿是数据库？不是隐藏版 GPU？” 更离谱的是 AI 函数（ https://doris.apache.org/zh-CN/docs/dev/ai/ai-function-overview/） 我现场写了一条： SELECT item_id 这三招听起来像开挂，背后却是现实主义——预算不涨、人手不增、需求翻倍，只能靠数据库自己进化。 我笑着合上电脑，心想：数据库都学会抢饭碗了，咱再不升级，真要被它优化掉了。
19810编辑于 2026-02-02- 来自专栏云云众生s
提升AI效率：数据分块与文档数据库
译自 Boost AI Efficiency: Data Chunking Meets Document Databases，作者 Apoorva Joshi; Jourdan Patrick。 在当今数据驱动的世界中，高效管理大型数据集对于现代AI应用的成功至关重要。一种获得显著关注的方法是数据分块——将大型数据集分解成更小、更易于管理的片段，以便更容易地处理、存储和检索。 在AI应用中，分块使得处理大型文本数据集更容易，其中将文本分成较小的块可以提高处理和检索效率，从而提高性能和可扩展性。 这种方法有利于AI应用中的查询和检索，在这些应用中，快速访问特定信息至关重要。通过将数据分成块，系统可以更有效地处理和存储信息，优化大型应用中的性能和资源使用。 文档数据库和数据分块：完美匹配 基于文档的数据库由于其灵活的模式和存储嵌套数据结构的能力，为数据分块提供了相当大的优势。
46710编辑于 2024-12-17 - 来自专栏腾讯云数据库(TencentDB)
数据库的AI到底是真的吗？
腾讯云数据库国产数据库专题线上技术沙龙已圆满结束，本期带来邢家树分享的《CDB Tune：腾讯云数据库的AI技术实践》直播视频和文字回顾。 关注“腾讯云数据库”公众号，回复“0530邢家树”，即可下载直播分享PPT。 大家好，我是邢家树，今天和大家分享的主题是CDBTune，腾讯云数据库的AI技术实践。 数据库是许多应用和业务的关键一环，也是数据产生、存储和利用的一个核心组件。除了像SQL优化和索引优化这些常见的方法以外，数据库参数调优也是提升数据库性能的一个重要手段。 ? 为什么需要参数调优服务呢？ 那么这个映射到我们的调参动作里面来，也就是说一个智能的Agent，它可以通过观察数据库的状态，来决定进行哪一种调参动作，并且再次作用于数据库实例上，数据库实例又会产生相应的状态变化，然后形成新一轮的调整 这个模型的特点，第一个是解决了状态空间大的问题，这个其实也比较好理解，假设我数据库，描述我这个数据库状态有63个指标，那就有63种维度。
1.5K40发布于 2020-08-27 - 来自专栏云云众生s
向量数据库为何将在AI时代长盛不衰
了解向量数据库，特别是多模态数据库，为何成为 AI 驱动架构中如此流行的组件。 译自 Why Vector Databases Are Here to Stay in the AI Age，作者 Gerald Venzl。 多模型数据库的人工智能优势 然而，多模型方法可以实现其他重要场景，这些场景可以启动公司的AI之旅。因为多模型方法将向量功能添加到现有技术中，所以您通常只需要将现有系统升级到支持新向量功能的版本即可。 向量数据库长盛不衰 由于向量数据库使得存储、管理和检索向量变得如此容易，并且在多模态向量数据库的情况下，允许将向量相似性搜索与现有数据和分析相结合，因此它们已成为 AI 驱动架构中的一个流行组件。 向量数据库不仅加速了公司利用 AI 的进程，而且简化了这一进程。
37110编辑于 2025-02-05 腾讯云数据库AI服务（TDAI）技术概要
一、 产品定位与核心亮点 腾讯云数据库AI服务（TDAI）是一套基于自研AI大模型的智能数据库运维与数据分析平台。 其核心技术属性为AI驱动的数据库治理与数据价值挖掘工具集，商业差异化卖点在于实现从“事后补救”到“事前预防+事中干预+主动服务”的智能运维范式转变，核心是用AI治理好数据库、让AI用好数据。 三、 应用框架和功能介绍 功能框架 TDAI由三大核心模块构成： Database DevOps：聚焦风险SQL治理，提供从代码提交到上线的全流程AI守护。 DB LLM & Context: 为上层应用提供专用的数据库大模型能力与精准的上下文供给基础设施。 数据来源声明：本概要中所有数据及技术指标均引自腾讯全球数字生态大会中由腾讯云数据库副总经理罗云发布的演讲材料。
18510编辑于 2026-04-18- 来自专栏数据订阅
数据库和AI的一次火花
而我主要做的是通过该模型来预测腾讯云数据库存储量变化的未来趋势。下来就来看看Prophet的强大之处吧。 tencendb1.jpg 纵轴是腾讯云某类型数据库的购买总量，可以看到随着时间的增长，数据库的购买总量还是在不断增长的。而Prophet所要做的就是根据数据的历史表现来估计数据未来的走势。 （比如明显可以看到某个公司近几个月飞速购买数据库服务，但是该公司不是我们的大客户。所以很难通过简单的容量排行榜找到他。 （2）.还可以通过对我们数据库的总量或者单个客户的数据库总量进行估计，告诉大概什么时候客户需要扩容了，让我们对自己的服务有更好的准备。
3.3K1080发布于 2018-07-12 - 来自专栏三太子敖丙
AI时代的数据枢纽-向量数据库 VectorDB
开源了Faiss框架；2019年开始出现独立的向量数据库和基于Faiss发展的向量数据库；2023年，大模型开始受到各行业关注，人们开始思考应用于各行业的AI Native机会，向量数据库也不例外。 二、AI时代智能数据平台今年七月，腾讯云发布了国内首个AI原生的向量数据库，并首次云提出，向量数据库不仅应该支持自然语言查询，更应将AI算法深度融合至计算层、存储层和数据库引擎中，从而提升AI原生应用的开发效率 结合自然语言处理技术与先进的AI算法，这种方法能够显著加快应用开发的速度。其次，通过改进数据存储技术并利用AI技术的支持，能有效减少存储开销同时提升数据处理的效率。 在判断一个向量数据库的实力时，我们通常需要对以下关键指标进行综合考量：性能、稳定性、用户友好度、可扩展性、成本效益，以及AI与机器学习技术的融合程度。 AI和机器学习集成度： 对于天然支持AI的向量数据库，它能否深度整合AI和机器学习技术，并提供广泛的AI功能，是衡量其优劣的关键因素。
1.4K30编辑于 2023-11-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号