VikingDB

VikingDB / Viking 知识库是火山引擎 Viking 产品家族的核心组成，由北京火山引擎科技有限公司（字节跳动旗下）提供 。

它的独特定位是”字节自研向量数据库的外化“——VikingDB 早在大模型兴起之前就在字节内部广泛应用，从 2019 年推出首个 10 亿规模分布式向量检索服务起，经历了持续的技术进化，目前支撑着抖音集团内部 20+ 业务线、多个百亿级别库的检索实践（包括飞书问答、飞书文档、搜索中台、电商搜索等） 。

2024 年起，火山引擎将这套内部能力以云服务形态对外开放，形成两层产品 ：

• VikingDB 向量数据库（底层）：基于火山引擎云基础设施搭建的大规模云原生向量数据库，用于生产、存储、索引和分析来自机器学习模型产生的海量向量数据，支持百亿级向量检索规模
• Viking 知识库（上层）：Viking 团队在火山引擎上架的 RAG 服务产品，基于 VikingDB 向量库实现百亿级规模存储与毫秒级检索能力，提供”文档管理-语义检索-智能对话”的一体化服务

两者在火山引擎上均以全面托管的云服务形态交付——根据官方文档，OpenViking Service 商业版”由官方提供全面托管的云服务，免去部署和运维投入，实现开箱即用” ，这正是它被归入云托管分类的根本原因。部署模式上，VikingDB 基于大规模云原生架构设计，单租户支持千级别数量的索引，单库百亿候选，自动跟随数据量和请求规模弹性扩缩容，且不同租户之间具有可靠的隔离机制 。

产品概述

VikingDB 是字节跳动自研的向量数据库，早在大模型兴起之前就在字节内部广泛应用，从 2019 年推出首个 10 亿规模分布式向量检索服务起，到升级编排调度能力，再到支持内置向量化方法，经历了持续的技术进化 。目前 VikingDB 通过火山引擎提供公有云服务，并推出创新的知识库和记忆库产品，为用户提供从向量存储、检索到知识库、记忆库构建的一站式解决方案 。技术架构上，VikingDB 具备多项行业领先能力 ：

• 更高性能：少数不依赖 Faiss 开源库的向量检索引擎，对每种应用模式进行持续优化提升
• 更低成本：通过 Int8 等量化技术，在几乎不损失精度的情况下，将向量库成本降低至近 25%
• 更大规模：存算分离架构，配合定制调度系统实现秒级资源响应；创新的流式更新架构确保在高并发写入场景下数据秒级可见
• 更强检索：业界首家支持稠密向量与稀疏向量混合检索云服务产品，通过动态权重调整实现语义与关键词的协同召回

Viking 知识库作为上层 RAG 服务，提供”文档管理-语义检索-智能对话”的一体化能力 ：支持 Doc、PDF、PPT、Excel 等 10+ 种文档格式，自动解析文本、表格和图片，提供精准切片与向量化；混合检索引擎采用融合语义与关键词的检索技术；大模型知识问答支持文本大模型、图文理解大模型、深度思考大模型，配备常见 prompt 模版，结合知识库精准检索结果生成高质量回答，输出支持标记引用和图文混排；单知识库可容纳 300 万文档，支持海量数据毫秒级检索与超大并发 。

商业模型上，VikingDB 与 Viking 知识库均采用云端订阅制与按量付费结合的模式：OpenViking Service 商业版提供多种套餐和灵活的订阅模式，费用远低于云上自建 ；企业客户可联系火山引擎销售获取定制方案。

安全合规方面，VikingDB 提供云原生存储架构以避免底层数据丢失风险；商业版提供数据加密、访问审计、网络隔离等企业级安全特性，满足严格的合规要求 ；多租户之间具有可靠的隔离机制，提供专业的 Oncall 和技术支持服务，最高优先级的缺陷修复 。

核心能力

VikingDB 向量库（底层）：

• 百亿级向量毫秒级检索：支持百亿级向量数据毫秒级检索（10ms 内），自研 HNSW 索引性能提升 3 倍
• 存算分离架构：轻松应对海量数据，时分复用降低综合成本，磁盘索引升级成本仅需 1/3
• 稠密+稀疏向量混合检索：业界首家提供稠密+稀疏检索的云服务，通过动态权重调整实现语义与关键词的协同召回
• 多模态检索：涵盖文字、图片、视频多模态检索，支持关键词等丰富检索能力
• 丰富数据写入方式：支持实时同步写入、异步写入、单条数据页面写入以及大规模数据 tos 写入等多样写入方式
• 弹性调度：单租户支持千级别数量的索引，单库百亿候选，自动跟随数据量和请求规模弹性扩缩容
• 顶尖 Embedding 模型集成：集成豆包最先进嵌入模型（Doubao-embedding），同时兼容主流开源嵌入模型
• 低成本运营：通过 Int8 等量化技术，在几乎不损失精度的情况下将向量库成本降低至近 25%
• 多模式接入：提供 CLI、HTTP API、TUI、Web Console、MCP 等交互和接入方式

Viking 知识库（上层 RAG 服务）：

• 10+ 文档格式智能解析：支持 Doc、PDF、PPT、Excel 等，自动解析文本、表格和图片，提供精准切片与向量化
• 混合检索引擎：向量+标量多种检索条件，融合语义与关键词的检索技术，实现更准确的知识匹配
• 大模型知识问答：支持文本大模型、图文理解大模型、深度思考大模型，配备常见 prompt 模版，输出支持标记引用和图文混排
• 海量数据毫秒级检索：单知识库可容纳 300 万文档，大规模文档处理能力，超大并发，毫秒级检索响应速度
• 高度灵活可定制：向量化方法、文档切片策略可配置，改写、重排、标量过滤灵活组合
• 标签过滤与分级权限：通过标签配置实现不同用户在文档问答时的分级管理
• 可扩展云服务：提供便捷的 SaaS 控制台可视化操作界面、API 接口及 SDK 支持
• Coze 智能体集成：通过 Coze 插件商城”火山知识库”插件，零代码调用 search_knowledge 能力

优势亮点

• 字节内部同源技术外化：VikingDB 是抖音集团内部向量数据库的同款，经 20+ 内部业务、多个百亿级库检索实践打磨（飞书问答、飞书文档、搜索中台、电商搜索等），技术成熟度经过超大规模生产验证
• 业界首家稠密+稀疏混合检索云服务：通过动态权重调整实现语义与关键词的协同召回，检索效果更好
• 百亿级向量 10ms 检索：自研 HNSW 索引性能提升 3 倍，存算分离架构轻松应对海量数据
• 成本优化至 25%：通过 Int8 量化技术在几乎不损失精度的情况下，将向量库成本降低至近 25%；磁盘索引升级成本仅需 1/3
• 豆包大模型深度集成：深度集成 Doubao-embedding 多功能版，可使用混合检索能力提高召回准确率；支持文本大模型、图文理解大模型、深度思考大模型
• 单知识库 300 万文档：海量数据毫秒级检索与超大并发支持，满足大型企业知识库需求
• 输出标记引用与图文混排：大模型知识问答输出支持标记引用和图文混排，提升答案可信度与可读性
• 火山引擎 AI 生态深度集成：与火山方舟、豆包大模型、Coze 扣子、ArkClaw 企业版、HiAgent、AgentKit 等深度集成，提供从向量存储、检索到知识库、智能体构建的一站式解决方案
• 开箱即用的托管云服务：OpenViking Service 由官方全面托管，免去部署和运维投入；多租户可靠隔离；专业 Oncall 与技术支持
• Coze 零代码集成：通过 Coze 插件商城”火山知识库”插件，开发者可以在智能体 Bot 中零代码调用 VikingDB 知识库的 RAG 能力

短板

• 不是开箱即用的知识库 SaaS 应用：Viking 知识库是 RAG 服务/API，需要提供文档、调用 API 才能在业务系统中呈现；如果企业需要类似 Document360/语雀那样的开箱即用知识库站点，应选择上层封装产品（如 ArkClaw 企业版）而非直接使用 Viking 知识库
• 深度绑定火山引擎生态：虽然提供 API/SDK 多语言支持，但最佳体验（豆包 Embedding 模型、火山方舟、Coze 扣子、ArkClaw）深度依赖火山引擎生态；跨云部署能力有限
• 私有部署能力未明确：本轮官方资料主要证明 VikingDB 以公有云托管服务形态交付（OpenViking Service 由官方全面托管） ；与阿里云百炼专属版（支持专有云/AI Stack 一体机）和腾讯乐享（支持私有云/混合云/专有云）相比，VikingDB 企业版的完全私有化部署形态在官方资料中未明确体现，强监管行业客户需进一步评估
• 企业版高级安全能力细节未公开：官方资料提到商业版提供数据加密、访问审计、网络隔离等企业级安全特性 ，但未公开具体合规认证（如等保三级、ISO 27001 等），金融/政务客户需联系销售确认
• 学习曲线：VikingDB 向量库作为底层基础设施，需要一定的技术能力进行索引设计、Embedding 模型选择、检索策略调优；业务团队直接使用需要开发者配合
• 产品矩阵认知复杂：Viking 产品家族包含向量库、知识库、记忆库、OpenViking Service 四个子产品 ，新用户可能面临”如何选择”的认知负担

适用企业/部门

中大型企业、AI 应用开发者团队、需要构建 RAG 应用的企业；客服团队、知识管理团队、AI 创新团队、开发者团队。

特别适合“需要构建企业级 RAG 应用，且希望基于经过大规模生产验证的向量数据库”的组织 ——尤其是已经在火山引擎生态（使用豆包大模型、Coze 扣子、火山方舟）中的客户。

如果企业首要需求是”开箱即用的知识库站点”，应选择 ArkClaw 企业版或腾讯乐享企业版；如果企业首要需求是”跨 SaaS 应用统一企业搜索”，Glean 或 Coveo 更合适；如果企业首要需求是”底层向量检索与 RAG 能力”，VikingDB / Viking 知识库是不二之选。