向量数据库能解决AI系统不够智能的问题吗？
王福强
前几天有老总问：
飞书很重视知识管理，但都是从文档中检索，感觉还不够智能。是不是用你这数据库后能解决？@王福强@福强科技
他提到的“你这数据库”是指我上个月开始折腾的 KVectors 向量数据库。
我的回复是：
解决不了，智能是个系统工程 ；）
只能说， 向量数据库属于构建智能系统的一份子，但你让它单个挑大梁成就整体智能，那有点儿太难为他了。
而且，从打算搞KVectors开始，我就没期望说它能支撑起整个AI的天。
它就只专注一个点，向量的管理（存储与相似度检索），甚至于向量的生成它的不管🤣
它存在的唯一目的，就是能够快糙猛（其实也没那么糙）地满足小众场景里的AI需求，比如相似问题的重复回答、用AI技术重新实现的以图搜图等等。
要说通用智能和“足够”智能，这投入可就大了去了，岂是我这种 one-man army 可以干的事情？
要知道，越通用的方案，往往越需要更多的抽象和拼接，投入和周期都是无法准确估算的，没有点儿马云老师那种远见，谁tmd干这么砸钱？
我老早就说了，什么AI IaaS、AI PaaS甚至MaaS，让大厂去搞得了，SMB凑啥热闹嘛， 搞搞应用、搞搞业务场景AI化不香吗？
技术只是商业活动中一环，或者一种能力，但商业活动还有很多因素需要融合，从这个角度来说，KVectors跟通用AI智能的关系，倒是有点儿跟技术和商业的关系很像了。
一个是点，一个是面或体，不可同日而语。
不过可以同台唱戏🤣
其实向量数据库的选择挺多的， 我在给企业做向量数据库培训的时候，PPT的第一页就把所有常见的产品罗列出来了：
只是技术选型拿来用，基本上差不多的，latency上差不了多少毫秒。
但假如你想知道底层机理以及周边所有的AI基础设施和理论，那能挖的东西就多了去了。
一个点深挖下去，也可以很深的🤪
哦，对了，这个培训对企业开放，欢迎感兴趣的企业洽谈预约。
开天窗，拉认知，订阅「福报」，即刻拥有自己的全模态人工智能。
