對于客戶來說，業(yè)務(wù)場景是在不斷發(fā)展的，以最近幾年流行的AI大模型為例，客戶非常希望AI能夠賦能于業(yè)務(wù)場景之中并帶來收益。從數(shù)據(jù)庫層面來看，就是要能夠存儲AI向量數(shù)據(jù)同時能夠與原有結(jié)構(gòu)或非結(jié)構(gòu)化數(shù)據(jù)進行混合查詢，以更加快速的方式獲取更精準的結(jié)果，這樣就需要數(shù)據(jù)庫實現(xiàn)多模融合。當然也可以使用多種專用數(shù)據(jù)庫構(gòu)建一個較為復(fù)雜的數(shù)據(jù)庫體系來支撐，只不過這也需要更多的技術(shù)投入并解決數(shù)據(jù)交互帶來的精度、復(fù)雜度、傳輸?shù)葐栴}。

多模融合是已經(jīng)在多款國外商業(yè)與開源數(shù)據(jù)庫中實現(xiàn)了的功能，能給客戶帶來更加統(tǒng)一的數(shù)據(jù)庫管理與使用體驗，簡化業(yè)務(wù)開發(fā)難度，提升數(shù)據(jù)流轉(zhuǎn)與交互效率，降低維護難度與復(fù)雜度同時不少的業(yè)務(wù)之中也有落地。但是縱觀當前的國產(chǎn)數(shù)據(jù)庫，提供的功能特性相對單一且獨立，一些已經(jīng)有多模融合的特性的數(shù)據(jù)庫但功能支持也不是太好、BUG多也沒有落地。

對于客戶來說，業(yè)務(wù)在不斷向前發(fā)展，但是似乎，數(shù)據(jù)庫的國產(chǎn)化卻是在向另一個方向“拖后腿”，而且這個差距在短時間內(nèi)是無法縮短還可能越拉越大的，這也從另一個方面讓客戶需要在數(shù)據(jù)層面增加更多的投入來盡可能彌合這個差距帶來的問題。