4月23日，由极新、谷歌大中华区新客户业务部主办，LinkLoud、Inno.EcoS、AI原点社区-东升大厦、亚马逊云科技、动点科技、亿欧EqualOcean联合主办的「破浪·无界——AI出海生态论坛」在北京市东升大厦顺利举办。会上，Zilliz合伙人郭人通从AI数据基础设施变革视角分享了《Zilliz 开源商业化探索》，他表示AI出海需要从“技术输出”转向“生态共建”，AI出海企业应依托开源社区构建技术公信力，通过合规化、场景化、本土化的商业服务实现可持续增长，最终成为全球AI基础设施的关键参与者。

　　2019年Milvus向量数据库正式开源以来，Zilliz持续探索开源生态的价值转化路径，直至2023年正式启动商业化战略。彼时恰逢AI产业爆发浪潮，Zilliz商业化布局与行业风口形成共振。我将聚焦三个维度展开探讨：

　　针对AI从业者与ToB业务团队，剖析数据库开源与商业化协同发展的底层逻辑，尤其当业务规模扩张时需重点关注的战略支点；

　　结合七年开源商业化实战经验，Zilliz在技术生态建设、社区运营、商业模式设计等环节的实践感悟；

　　聚焦近两年全球化业务探索历程，从市场进入策略、本地化运营、合规风险管控等维度，坦诚分享踩过的“坑”与趟出的路。

　　虽然每个企业的成长路径不可复制，但我们相信底层逻辑相通，期待这些思考能成为各位商业决策中的一块他山之石。

　　我们团队自2017年便投身向量数据库研发，彼时AI尚未爆发，但已在图搜、金融风控、推荐、生物医疗等场景完成技术验证。此后，伴随技术演进，业务更是拓展至AI知识库、智能体等前沿领域。项目自2019年开源至今，这个当初的技术all in已成长为GitHub星标34k+、服务全球上万家企业用户的开源标杆，更获得Forrester向量数据库领域领导者象限首位的行业认证。特别值得一提的是，在国内企业级市场，我们的解决方案覆盖率已突破90%，这背后是开源生态与商业服务形成的良性飞轮。

　　向量数据库的兴起本质上源于两大变革驱动力：应用端AI技术的爆发式增长，以及数据端非结构化数据占比的指数级攀升——当前90%以上数据呈现为文本、图片、视频、音频等非结构化形态，传统数据库难以支撑，催生了面向AI的新型数据基础设施需求。向量数据库作为核心枢纽，左侧对接长文本、制药领域高分子化合物、自动驾驶点云等多元异构数据，通过大模型对多模态数据进行语义解析，将核心业务价值抽象为向量表征；右侧则支撑AI应用落地，构建起数据与应用间的关键桥梁。

　　对ToB业务而言，开源本质是一种商业化模式，其本质是“技术杠杆”的极致运用。2017年，Zilliz在全球率先进入向量数据库这个全新领域，面对AI赛道初期的激烈竞争与机会，我们十余人规模的初创团队通过开源策略实现影响力与用户覆盖的倍增——我们将向量数据库原型开源，主动接触头部企业客户，优先推动技术落地场景验证，构建“技术投入-用户反馈-产品迭代”的闭环。

　　这种策略的杠杆效应体现在两方面：其一，通过全球开发者社区快速验证需求——早期开源后一周内即收到首批反馈，帮助我们精准定位真实业务场景，避免闭门造车；其二，开源社区与头部客户共同定义产品形态，例如2019年行业尚无“线上向量数据库”概念，我们通过开源协作与用户共同探索产品边界，形成需求定义与产品迭代的强马太效应。与广大社区用户共同定义了向量数据库的形态与能力。

　　这种模式的关键在于“需求定义权”的争夺。相较于传统闭源开发，开源能以更低成本触达全球用户，获取更真实、更海量的需求反馈，从而构建产品迭代的飞轮效应。在AI领域，无论是ToB还是ToC业务，需求响应速度与产品迭代能力已成为核心竞争力。我们通过开源策略，在资源有限的情况下集中投入核心需求场景，逐步渗透至大型企业客户。需强调的是，开源商业化是持久战，我们与社区小伙伴们一起经历了非常广泛的需求驱动的深度打磨，这个工作坚持了一年，开始陆续收到很好的商业化机会。

　　如今全球业务更加深度依赖开源生态——当前向量数据库不仅支持向量数据，更兼容数值、Text、JSON等复杂数据类型小火箭加速器苹果账号，同时在大家都关心的企业特性这方面也打磨到了非常成熟的阶段，包括百亿级向量规模的扩展性、99.95%的高可用性、丰富的数据检索与分析能力、成熟的安全特性等，这正是与开源社区用户共同推动的技术演进成果。

　　在AI应用爆发式增长的当下，AI企业正面临甜蜜的烦恼——如何将突发的流量洪峰转化为可持续的商业成功。以年前DeepSeek为例：当单月数据量突然跃升三个数量级时，传统基础设施往往成为最先崩溃的环节。

　　对于AI项目而言，AI企业通常只有1-2次承接爆红流量的机会窗口，基础设施的弹性能力直接决定了企业的生死存亡。

　　商业化层面，全球化服务与基础设施扩张需同步推进。目前Zilliz 已在全球26个Region完成布局。针对出海话题，我更倾向于用“全球化业务”来定义——Zilliz总部设在北美，但在全球各地，都坚持使用本地化团队服务各区域用户。

　　第三档则针对高监管行业，满足特定的数据安全与合规要求。比如医疗、金融、政府等高敏感行业，需严格遵循GDPR、HIPAA、TCBS等标准，并配置专项保险以应对数据泄露风险，尽管此类事故概率极低，但需提前构建风险兜底机制。针对他们，我们推出的产品叫做BYOC。对这些客户而言，安全之上，合规是另一核心命题。目前国内常提私有化部署，北美则更流行BYOC模式——该模式介于SaaS与私有化之间，要求用户数据保留在本地环境，厂商仅通过管控面提供服务，既解决传统行业AI落地时的合规矛盾，又避免企业自身承担全量数据运维成本。这种模式尤其契合AI团队需求：企业硬件资源聚焦GPU投资，人力投入集中在模型调优，不愿为数据基础设施组建DBA团队，而BYOC模式通过数据面与管控面隔离设计，天然适配此类轻量化AI业务团队。当然，BYOC是否会向SaaS演进尚无定论，但现阶段其隔离性与成本优势已获得市场验证。以Snowflake为例，其从私有化部署转向SaaS模式后估值飙升，但近期又重启混合模式。

　　最后补充一点部署形态的实践思考：开源社区赋予用户自由部署选择权，但企业级服务需平衡标准化与定制化需求。

　　极新是垂直于产业AI的创投和行业研究媒体，致力于陪伴和记录科技企业进步和产业成长。已与多家平台和创新企业深度对话和合作，包括华为云、阿里云、百度智能云、金山云、飞书、火山引擎、钉钉、东软、Zoho、容联云、百家云等平台企业，以及智谱AI、百川智能、格灵深瞳、深势科技、百图生科、瑞莱智慧、创客贴、生数科技等高成长公司。