AI 功能

TiDB Cloud 的 AI 功能使你能够充分利用先进技术进行数据探索、搜索和集成。TiDB 将数据库能力与现代 AI 功能相结合，为创新应用提供动力。TiDB 支持主流 AI 框架、嵌入模型，并可与 ORM 库无缝集成，为语义搜索和 AI 驱动分析等场景提供了多样化的平台。

本文档将重点介绍这些 AI 功能及其如何提升 TiDB 体验。

向量搜索（PREVIEW）

向量搜索是一种以数据语义为优先级的搜索方法，能够返回更相关的结果。

与传统的全文搜索依赖于精确的关键字匹配和词频不同，向量搜索会将多种数据类型（如文本、图片或音频）转换为高维向量，并基于这些向量之间的相似度进行查询。这种搜索方法能够捕捉数据的语义含义和上下文信息，从而更准确地理解用户意图。

即使搜索词与数据库中的内容并不完全匹配，向量搜索也可以通过分析数据的语义，返回符合用户意图的结果。例如，全文搜索 “a swimming animal” 只会返回包含这些精确关键字的结果。而向量搜索则可以返回其他游泳动物（如鱼或鸭子）的结果，即使这些结果中并不包含完全相同的关键字。

更多信息，参见 Vector Search (PREVIEW) Overview。

AI 集成

AI 框架

TiDB 官方支持多种主流 AI 框架，使你能够轻松将基于这些框架开发的 AI 应用与 TiDB 向量搜索集成。

支持的 AI 框架列表，参见 AI Integrations for TiDB。

Embedding 模型与服务

向量 embedding（也称为 embedding）是一组数字序列，用于在高维空间中表示现实世界的对象。它能够捕捉非结构化数据（如文档、图片、音频和视频）的语义和上下文信息。

Embedding 模型是一种将数据转换为 vector embeddings 的算法。选择合适的 embedding 模型对于确保语义搜索结果的准确性和相关性至关重要。

TiDB 向量搜索支持存储最多 16383 维的向量，能够满足大多数 embedding 模型的需求。对于非结构化文本数据，你可以在 Massive Text Embedding Benchmark (MTEB) Leaderboard 上找到表现最优的文本 embedding 模型。

对象关系映射（ORM）库

对象关系映射（ORM）库是一种工具，能够让开发者以所选编程语言中的对象方式操作数据库记录，从而简化应用与关系型数据库之间的交互。

TiDB 支持将向量搜索与 ORM 库集成，实现对向量数据与传统关系数据的统一管理。这对于需要存储和查询 AI 模型生成的向量 embedding 的应用尤为有用。通过使用 ORM 库，开发者可以无缝操作存储在 TiDB 中的向量数据，利用数据库能力执行如最近邻搜索等复杂的向量操作。

支持的 ORM 库列表，参见 AI Integrations for TiDB。