向量數(shù)據(jù)庫迎勁敵？AWS S3 Vectors成本降90%

向量數(shù)據(jù)庫在人工智能發(fā)展初期成為核心技術(shù)基礎(chǔ)，而隨著大型自然語言模型（LLM）的普及，向量作為其數(shù)據(jù)的數(shù)值表示，已逐漸成為數(shù)據(jù)庫中的常規(guī)數(shù)據(jù)類型，并發(fā)展出一種類型的數(shù)據(jù)庫——向量數(shù)據(jù)庫。

如今，亞馬遜云服務（AWS）推出Amazon S3 Vectors，為云對象存儲注入原生向量存儲與相似性搜索能力，再度改寫行業(yè)格局。

Amazon S3作為AWS旗下廣泛應用的云對象存儲服務，是數(shù)據(jù)湖與湖屋部署的核心組件。此次新增的S3 Vectors功能，允許用戶直接在S3中存儲向量嵌入，無需遷移至專用基礎(chǔ)設施向量數(shù)據(jù)庫，即可支持語義搜索、檢索增強生成（RAG）及AI代理工作流。

AWS宣稱，該服務相比專業(yè)向量數(shù)據(jù)庫解決方案，可將存儲與查詢的總成本降低高達90%。

那么，S3 Vectors能否真正替代專業(yè)向量數(shù)據(jù)庫呢？

1. 從預覽到通用，S3 Vectors為何受青睞？

Amazon S3 Vectors于今年7月首次推出預覽版，初始單一索引容量為5000萬個向量；在通用可用版本（GA）發(fā)布后，這一容量大幅提升至20億個，單個S3存儲桶最高可支持20萬億個向量。

預覽版發(fā)布后的4個月內(nèi)，客戶已創(chuàng)建超25萬個向量索引，導入向量總量突破400億個。

通用版的規(guī)模升級，讓企業(yè)得以將全量向量數(shù)據(jù)集整合至單一索引，無需分散部署。同時，AWS根據(jù)預覽期收集的客戶反饋，優(yōu)化了核心性能：頻繁查詢延遲降至100毫秒以內(nèi)，稀有查詢1秒內(nèi)可完成；最大搜索結(jié)果數(shù)從30個提升至100個，單向量更新支持每秒最多1000次PUT交易。

目前，S3 Vectors的核心用例包括混合搜索、代理內(nèi)存擴展及現(xiàn)有數(shù)據(jù)語義層創(chuàng)建。例如預覽客戶March Networks借助該服務，實現(xiàn)大規(guī)模視頻與照片的智能處理，既經(jīng)濟存儲了數(shù)十億向量嵌入數(shù)據(jù)，又通過與亞馬遜Bedrock的內(nèi)置集成，輕松融入生成式AI工作流。

2. S3 Vectors能取代專業(yè)向量數(shù)據(jù)庫嗎？

首先AWS S3 Vectors的定位是互補而非替代。

盡管S3 Vectors具備強大的向量處理能力，但AWS明確將其定位為互補存儲層，而非專業(yè)向量數(shù)據(jù)庫的直接替代品。兩者的選擇核心取決于應用對延遲的需求，可通過“性能分級”明確邊界：

若應用需超快響應（如實時交互場景），Amazon OpenSearch等專業(yè)向量數(shù)據(jù)庫仍是最優(yōu)選擇；

若用于語義層創(chuàng)建、代理內(nèi)存擴展等對延遲容忍度較高的場景，S3 Vectors憑借成本優(yōu)勢更具適配性。

這一邏輯與數(shù)據(jù)湖的應用模式相似：企業(yè)會繼續(xù)使用Amazon Aurora等事務數(shù)據(jù)庫處理核心業(yè)務負載，同時借助S3的耐用性、可擴展性與成本經(jīng)濟性，承擔存儲與分析任務，向量存儲的發(fā)展也將遵循這一“分層協(xié)作”路徑。

其次，向量數(shù)據(jù)庫廠商認為兩者性能差距顯著。

專業(yè)向量數(shù)據(jù)庫提供商如Pinecone、Weaviate、Qdrant、Chroma等指出，其專業(yè)的向量數(shù)據(jù)庫產(chǎn)品與S3 Vectors的“存儲為中心”模式存在本質(zhì)性能差距。這些廠商通過先進索引算法、實時更新及延遲敏感優(yōu)化，已形成成熟的生產(chǎn)級部署能力。

Pinecone產(chǎn)品副總裁Jeff Zhu表示，該公司早在S3 Vectors推出前便已知曉相關(guān)項目，并不認為其在大規(guī)模場景下具備直接成本效益。例如某大型電商客戶使用Pinecone處理14億向量的推薦場景，實現(xiàn)了p50=26毫秒、p99=60毫秒的低延遲，且每秒查詢量（QPS）達5700萬，這是S3 Vectors當前難以企及的。

3. 分析師分歧：向量存儲的未來是功能還是產(chǎn)品？

S3 Vectors的發(fā)布重新引發(fā)行業(yè)爭論：向量搜索究竟是獨立產(chǎn)品類別，還是將被云平臺整合為標準化功能？

Constellation Research分析師Holger Mueller認為，S3 Vectors已對獨立向量數(shù)據(jù)庫供應商構(gòu)成競爭威脅，向量本質(zhì)上是一種“功能”而非“產(chǎn)品”。AWS的核心優(yōu)勢在于消除數(shù)據(jù)流動成本——S3已存儲大量企業(yè)數(shù)據(jù)，原生向量支持無需額外數(shù)據(jù)遷移，這一特性深受CxO群體青睞。

而Gartner杰出副總裁分析師Ed Anderson則持折中觀點：AWS將通過S3 Vectors實現(xiàn)業(yè)務增長，提升客戶對S3的依賴度，甚至可能讓部分企業(yè)放棄專用向量數(shù)據(jù)庫，但這并不意味著向量數(shù)據(jù)庫的終結(jié)。對于低延遲、高性能需求場景，專業(yè)向量數(shù)據(jù)庫仍不可或缺。

AWS自身也認可這種互補關(guān)系，并表示將持續(xù)優(yōu)化S3 Vectors的規(guī)模與性能。正如AWS相關(guān)負責人所言：“我們對S3 Vectors的開發(fā)才剛剛起步，就像優(yōu)化視頻和Parquet文件的讀寫性能一樣，我們也會持續(xù)提升向量數(shù)據(jù)的處理能力�！�

4. 企業(yè)如何選擇？基于性能分級的向量存儲部署

面對兩種技術(shù)路徑，企業(yè)架構(gòu)師的核心決策依據(jù)是工作負載的性能需求，可采用“分層部署”或“混合模式”：

S3 Vectors適用場景：容忍100毫秒延遲的工作負載，包括大型文檔語義搜索、代理內(nèi)存系統(tǒng)、向量嵌入批處理分析、后臺RAG上下文檢索等。對于已深度應用AWS基礎(chǔ)設施的企業(yè)，其大規(guī)模場景下的成本優(yōu)勢極具吸引力。

專業(yè)向量數(shù)據(jù)庫適用場景：延遲敏感型應用，包括實時推薦引擎、高吞吐量并發(fā)查詢（每秒數(shù)千條）、用戶交互式應用（需同步等待結(jié)果）、性能優(yōu)先級高于成本的核心業(yè)務負載。

混合模式：對于同時存在兩種工作負載的企業(yè)，可參考數(shù)據(jù)湖的應用邏輯——用專業(yè)向量數(shù)據(jù)庫處理性能關(guān)鍵型查詢，用S3 Vectors承擔大規(guī)模存儲與非實時任務。

核心結(jié)論并非“是否替換現(xiàn)有基礎(chǔ)設施”，而是“如何根據(jù)工作負載需求，跨性能層級設計向量存儲架構(gòu)”，實現(xiàn)成本與性能的最優(yōu)平衡。