2016年前后，深度学习推动文本、图像、语音等非结构化数据被编码为高维向量，HNSW 等近似最近邻算法则在检索速度、内存开销与召回率之间取得平衡。2017年，Faiss 正式开源，推动十亿级向量相似度搜索和 GPU 加速从研究走向工程应用。随后，Milvus 等专用向量数据库兴起，向量技术从单一算法库逐步扩展到数据持久化、索引管理、分布式部署、实时更新、容错恢复和弹性扩缩容。
2020年 RAG 提出，将生成模型与外部向量索引结合；2022年后，随着大语言模型和生成式 AI 快速发展，向量数据库成为企业知识库、语义搜索、智能推荐、多模态检索及 AI 助手的重要基础设施。行业重点也由单纯的稠密向量搜索，转向稠密与稀疏向量融合、全文检索、元数据过滤、混合排序和重排序。
2025年，Faiss 开始集成 NVIDIA cuVS，利用 GPU 进一步加速索引构建和在线查询；到2026年，向量系统正向湖仓原生、零拷贝访问、多 GPU 计算、存算分离和统一检索引擎演进。未来，向量检索将与全文搜索、图数据库、Agent 长期记忆和多模态推理深度融合，竞争重点也将从“查得更快”升级为“理解更准、更新更实时、成本更低、治理更完善”，并逐步成为智能应用的基础数据底座。