向量数据库 Pinecone 获 1 亿美元 B 轮融资，估值 7.5 亿美元

如果把 GPT-4 这样的模型比作一个极度聪明但转头就忘的大脑，那向量数据库就是给它外挂的一块大容量硬盘。

总部位于纽约的向量数据库初创公司 Pinecone 刚刚宣布完成 1 亿美元的 B 轮融资，估值达到 7.5 亿美元。这轮融资由知名风投 Andreessen Horowitz（a16z）领投。

蹭上 ChatGPT 和 AI Agent 的东风

Pinecone 成立于 2021 年，创始人 Edo Liberty 曾是亚马逊 AI 实验室的负责人兼研究总监。他们做的事情其实很明确：提供一套全托管的向量数据库服务，把 AI 模型生成的向量嵌入存起来，让开发者能快速检索。

在生成式 AI 爆发前，这种技术更多躺在搜索和推荐系统的底层。但随着去年秋天 ChatGPT 走红，大模型最大的痛点——胡说八道和记不住东西，把 Pinecone 推到了舞台中央。通过把企业内部数据切片向量化存进 Pinecone，聊天机器人回答提问时就能先调取相关资料，不再凭空捏造。

进入 2023 年以后，包括销售智能平台 Gong 和自动化工具 Zapier 在内的一大批公司，迅速成了 Pinecone 的付费客户。

更夸张的催化剂来自最近火爆的自主 AI Agent。前两个月在开发者圈子里刷屏的 Auto-GPT 和 BabyAGI，背后用的长期记忆组件全都是 Pinecone。Edo Liberty 透露，在这类项目的带动下，他们的单日注册量一度冲到了 1 万次。

200 万 token 来袭，外挂记忆会被淘汰吗？

不过，赛道热起来的同时，质疑声也跟着来了。除了 Chroma、Weaviate 和 Milvus 等对手的围追堵截，学术界的新架构也在动摇它的根基。

就在最近，一篇关于循环记忆 Transformer（RMT）的研究论文在社交平台上引发了热烈讨论。该架构号称能让大模型保留多达 200 万 token 的上下文信息。如果大模型自己就能记住一整座图书馆，开发者还需要专门买向量数据库吗？

反对者指出，RMT 的推理耗时极长，在实际生产中根本跑不动。Pinecone 市场营销副总裁 Greg Kogan 也回应称，实验室里的 demo 和实际大规模工程落地之间差了十万八千里。成本、延迟、易用性和维护开销，才是工业界必须算的账。

为什么重要

对于正在搭建大模型应用的开发者来说，向量数据库几乎是当下绕不开的基础设施。如果你想让自己的 AI 读懂几百页的行业报告、内部知识库，或者做个能长期跟踪任务的 Agent，现在直接调 Pinecone 这类成熟托管服务的 API，依然是成本最低、上线最快的方案。

从行业格局来看，a16z 砸下的这 1 亿美元，相当于给“外挂记忆层”这个品类彻底验了资。大模型厂商虽然一直在尝试把上下文窗口做大，但推理成本和算力开销是实打实的物理限制。在极长上下文变得像白开水一样便宜之前，向量检索依然是性价比最高的方案。

不过，我们认为 Pinecone 也不是高枕无忧。它的聪明之处在于起步早、抓住了托管服务的便利性，让开发者完全不用管底层运维。但隐患同样明显：开源社区的 Chroma 和 Milvus 正在快速逼近，传统数据库巨头也不会坐视不理，一旦 PostgreSQL 这类老牌数据库的原生向量插件足够好用，纯做向量数据库的独立服务商就必须拿出更深的护城河。