向量数据库的技术优势使其更适合在AI场景下应用，能够为AI的开发、增强内容生成的准确性提供重要的技术支撑。进一步来讲，向量数据库也被看作是大语言模型的记忆与灵魂，对于解决大模型的“幻觉”问题至关重要。
由于大模型是基于已有数据训练而得出的，其具有一些典型缺陷特征，例如知识更新不足、提示词工程复杂等。因此，在生成能力上，容易出现“幻觉效应”。
Zilliz 合伙人兼产品负责人郭人通表示，当下“AI 幻觉”是大模型的主要痛点之一，构建知识库是应对此问题的有效方式，向量数据库可以作为知识库的扩展插件为大模型进行知识增强，这也为 LLMs 时代构建数据应用提供了一种新的范式。
“ 业界有一个精准的比喻：‘大模型是容易失忆的大脑，向量数据库就是海马体’。这是因为大模型支持的token（指令牌）数总是有限的，其配合RLHF（从人类反馈中强化学习）可以拥有‘短暂记忆’，但是‘一本正经胡说八道’的情况普遍存在，如果大模型可以具有‘长期记忆’，应用范围会很快从通用走向垂直领域。”盖国强如此说道。
向量数据库的出现可以在一定程度上弥补这些不足，通过向量数据库和大模型结合，可以降低大模型训练的成本，提高信息输出的及时性和准确度。最终大模型和向量数据库的结合，会成为一种通用的呈现形态，推动数据库技术走向多样化。
