Milvus 向量数据库的发展历程：从开源项目到全球 AI 基础设施的演进之路

摘要：在人工智能尤其是生成式 AI（AIGC）迅猛发展的时代，向量数据已成为连接感知、理解与决策的核心媒介。作为专为 AI 应用设计的开源向量数据库，Milvus 自 2019 年诞生以来，经历了从实验室原型到全球超 3000 家企业采用、GitHub 超 30k stars 的跨越式发展。本文系统梳理 Milvus 的技术演进、架构变革、生态扩展与社区成长，深入剖析其如何从一个简单的相似性搜索工具，成长为支撑 RAG、多模态检索、实时推荐等关键 AI 场景的基础设施，并展望其在 AI 原生时代的发展方向。

---

一、引言：为什么需要向量数据库？

在深度学习普及之前，传统数据库（如 MySQL、PostgreSQL）足以处理结构化数据；搜索引擎（如 Elasticsearch）擅长全文检索。然而，随着 BERT、CLIP、Whisper 等大模型的兴起，非结构化数据（文本、图像、音频、视频）被转化为高维向量（Embeddings），这些向量承载了语义信息，成为 AI 系统“理解”世界的基础。

但向量数据具有独特挑战：

• 高维度：通常 768~4096 维，远超传统数值字段。
• 海量规模：单个应用常需存储数亿至数十亿向量。
• 近似最近邻搜索（ANN）：精确搜索（暴力计算）在大规模下不可行，必须依赖高效 ANN 算法。
• 低延迟要求：RAG、推荐