这期内容梳理了 Pinecone 创始人& CEO Edo Liberty 不久前与 FirstMark Capital 董事总经理 Matt Turk 的对谈，以及今年早些时候在 Sacra 上的分享，不单独分两期内容了，会以 QA 的形式集中分享，内容不限于：

• Pinecone起源，创业初衷与历程

• 向量数据库的关键名词术语解释

• 技术堆栈与基础模型的影响

• 技术用例介绍与现状

• 产品使用与购买策略

• 市场策略是如何的？

• 未来市场格局会更集中么？

• Pinecone 5年后的愿景

PS：今天，Pinecone 的日新注册用户已经超过 10000 个 ，增速非常快，Edo 的这期对市场策略浅尝辄止，感兴趣的朋友可以结合周日更新的 Pinecone 第 10 号员工早期 PLG 增长经验复盘 一起阅读。

Pinecone起源，创业初衷与历程

我在理论机器学习和大数据算法方面获得了博士学位，然后在应用数学方面进行了博士后研究。

那时候我正在从事高维几何和函数分析方面的研究，以及机器学习的基础基础。我一直被这个搜索问题吸引，因为它看起来特别棘手。

然后我在 Google 做了两个关于这个主题的实习。我加入了雅虎，成为一名科学家。我成为了特拉维夫大学的兼职教授。在这整个时间里，我一直在大数据和机器学习的基础设施方面进行发布和工作，在雅虎呆了大约七年，之后从以色列短暂地回到纽约。

在2016年，Swami Shiva Subramanian，他现在在 AWS 负责所有数据库和 AI 服务，但那时他还不是副总裁，只是主管，他给我打电话，说：“嘿，我们正在 AWS 开始这个 AI 项目，你想来吗？”我说：“好的，我们是谁？”他说：“我和 Alex。” 这时是 Alex Smola，我不知道你是否知道他，他是……我搜索了一下，非常厉害，那是我无法抵制的经历，来到 AWS，基本上要构建 Sagemaker 和所有这些其他很棒的服务。

Pinecone所做的事情——向量数据库——在大公司中已经是一个基础能力很长一段时间了。从图像搜索、文本中的语义搜索、异常检测、安全和欺诈检测，我个人曾在雅虎和AWS中参与构建这些功能。我有在Facebook和谷歌等公司从事同样工作的朋友和同事。我自己在这个领域工作，我长时间以来一直在从事这些问题的科学和工程工作。

所以对我来说非常自然，而且我很长时间以来一直想要做这件事，但在意识形态上和对其的认知上从来没有达到一个临界点，即普通开发人员知道它是什么。对我来说，成千上万个惊人应用的价值是显而易见的，而且这些应用并不小——Facebook的Feed排名、Google的文本搜索，或者亚马逊的购物推荐，它们都基于向量搜索。它们都基于类似Pinecone的东西。这些不是小应用，这些是最大公司的现金奶牛，由AI驱动，带有这种信息。