AI应用正在从“能生成”走向“能记忆、能检索、能行动”，无论是RAG驱动的知识问答、需要长期上下文的AI Agent，还是依赖语义匹配的推荐系统，向量搜索都已经成为企业AI基础设施的核心组件。
据行业研究机构QYResearch数据，2026年全球向量搜索引擎市场规模预计达到45.32亿美元，同比增长23.4%。然而，需求爆发并不意味着架构成熟。在之前的一篇文章《AI时代，为什么要做好数据治理？》中，我们曾提到，就像餐馆后厨每天要去采购食材，“向量”就像采购回来的菜，把它洗净、切片。支持向量存储的，我们称之为向量数据库。
随着AI与Agent工作负载的爆发，市面上不少向量数据库（如Pinecone、Weaviate、Qdrant等）往往需要客户配置基础设施、管理容量，即便处于闲置状态也要支付最低保留费用。这不仅增加了运维复杂度和数据迁移成本，更在大规模业务场景下带来了延迟不可控、数据一致性难保障等现实挑战。
8月11日，亚马逊云科技宣布Amazon DynamoDB的向量搜索功能正式可用。Amazon DynamoDB是一款全托管的无服务器NoSQL数据库，数据显示，DynamoDB当前每秒处理超过10亿次请求，全球有超过100万家客户，数百家客户的数据表规模超过200TB，自2012年以来从未向客户发送过一次维护邮件。
这项更新的本质，不是又一个向量数据库产品的发布，而是将原生向量搜索能力直接嵌入到数百万开发者已经在使用的通用数据库之中——向量数据与业务数据共享同一套无服务器基础设施，采用一致的按请求次数付费模式，无需额外的数据同步管道。
大规模向量搜索随着向量数量增加，系统延迟往往不断攀升，除非牺牲召回率或吞吐量。DynamoDB向量搜索给出了99%以上的召回率，单毫秒级查询延迟，且这一性能表现可延伸至数万亿级别的向量数据。技术实现上，Amazon DynamoDB中的向量搜索引入了一种新的索引类型，用户可以在存储向量嵌入的属性上创建该索引。企业可以使用所选模型（例如Amazon Bedrock Titan Text Embeddings、Cohere Embed或OpenAI文本嵌入模型）生成嵌入向量，并使用标准的PutItem调用将其作为浮点数列表存储在表中。然后，用户可以在该属性上创建向量索引，并指定维度数、距离函数以及希望用作筛选条件以在查询时缩小搜索范围的任何非向量属性。SearchVectors API接受查询向量、要返回的结果数（最多100个）以及可选的筛选条件，并返回按相似度排序的结果。该功能支持高达4096个维度，支持欧氏距离、余弦相似度和点积三种距离度量方式，并支持内联过滤。
对于已经在DynamoDB上构建应用的企业而言，原生向量搜索带来的价值直观而具体。
数字化原生公司Globant致力于为全球企业打造AI产品和数字化转型解决方案。Globant企业级AI首席执行官Gastón Milano表示：“我们已经在Amazon DynamoDB上构建客户解决方案，因此在同一个数据库中拥有原生向量搜索极具价值，无需将数据复制到单独的向量存储或管理第二个系统。它是完全无服务器的，几乎可以在任何规模下自动扩展，因此我们只需为每个客户的使用量付费，并且它能够提供面向用户的AI体验所需的实时、低延迟搜索。这让我们的工程师可以专注于构建AI应用，而不是管理基础设施。”
在医疗领域，GuardocHealth开发AI解决方案，帮助医疗保健提供者直接在eMAR系统中识别和解决临床合规风险。Guardoc资深工程师Anatol Zakrividoroga表示：“我们已经将业务数据保存在Amazon DynamoDB中，因此能够直接在其中存储和搜索向量，而无需复制数据或维护单独的向量数据库，这保持了我们安全架构的简洁。在探索Amazon DynamoDB的原生向量搜索时，我们对其完全无服务器的特性感到非常兴奋，随着我们监测的活动量增长到几乎任何规模，它都能自动扩展，同时我们只需为实际用量付费。对我们而言最重要的是，它提供了威胁检测所依赖的实时、低延迟相似度搜索，使我们能够在不配置基础设施的情况下，在异常发生瞬间捕获它们。”
DynamoDB此次更新的意义，需要放在当前向量数据库市场的竞争格局中理解。过去两年，Pinecone、Weaviate、Qdrant等专用向量数据库快速崛起，满足了AI应用对语义检索的早期需求。但它们的缺陷上面也有所提到，相比之下，Amazon DynamoDB免去了基础设施管理和最低使用门槛，还支持自动缩容至零，企业可以直接在业务数据旁边对任意规模（涵盖数十亿乃至数万亿级）的向量进行索引与搜索。对于已经在DynamoDB上运行业务数据的企业，现有表结构、API和计费模式完全复用，无需进行数据迁移。
随着AI Agent从概念走向规模化落地，向量搜索正在从“独立组件”变成“数据库标配能力”。数据库的使命已不仅是存储数据，更要帮助AI理解数据、记住数据，并将数据转化为可调用的能力。此前企业已使用DynamoDB为AI Agent存储记忆，现在借助向量搜索功能，可以直接对这些记忆数据进行语义检索，为Agent提供坚实的信息支撑。
据了解，Amazon DynamoDB向量搜索功能现已在亚马逊云科技所有商业区域正式可用。当向量搜索成为数据库的原生能力，AI应用的开发门槛和运维复杂度都将显著降低。这一步的跨越，可能正是AI Agent从演示走向生产的关键基础设施能力。
