ModaHub魔搭社区：那这种传统的数据库加向量插件的方式和 AI native 的向量数据库两者之间的区别是什么？做 AI native 的向量数据库有哪些技术难点？

李莅：向量检索算法是向量领域最核心的技术挑战。目前，主流的算法是基于图的算法，部分算法可以使用倒排索引等算法，并结合一些量化技术来降低成本。如果能够自主优化该算法，将会成为核心技术，例如，通过优化算法可以提高性能或吞吐量，这是第一层技术挑战。社区已经对此进行了很好的处理，但真正具备这方面能力的公司很少。

第二层技术挑战是与具体的系统相结合。因为算法需要依托于一个工程实现。这个工程实现通常会选择基于数据库或从头实现一个框架。这个框架的选择会对整体性能产生影响，因此也存在技术挑战。

如果基于已有的开源系统，成本会降低很多，例如直接在 ElasticSearch 或 Redis 上进行开发。因此，许多研究人员会选择成熟的系统来解决工程问题，并且会考虑使用开源社区的引擎。这样，他们可以更专注于开发应用程序和生态系统，例如与 AI 生态系统、长期存储进行对接，或者开发更多的案例以及上下游工具。因此，技术挑战主要包括两个方面：算法和后端的系统。