Pinecone 不只做向量資料庫了：Nexus 知識引擎如何重新定義 Agent 基礎設施

本文整理自《AI + a16z》2026 年 5 月播出的單集。

---

使用者換人了

Pinecone 花了五、六年時間定義並主導向量資料庫這個品類。它的核心價值很簡單：讓開發者能儲存和搜尋向量嵌入（vector embeddings），為 AI 應用提供語義搜尋能力。這個定位在 RAG（檢索增強生成）浪潮中讓 Pinecone 成為開發者首選，累積了超過四萬名活躍開發者。但大約在 2025 年下半年，公司內部開始注意到一個根本性的變化：系統上的查詢行為完全不像人類了。

Pinecone 執行長阿什．阿舒托什（Ash Ashutosh）在 a16z 合夥人暨 Pinecone 董事彼得．乃文（Peter Levine）的訪談中，回憶了這個發現過程。他們的系統開始收到大量重複性極高、範圍極廣的查詢，每個任務動輒發出數十次請求。分析後發現，這些查詢來自各種 AI Agent 框架。Agent 取代了人類，成為 Pinecone 的主要使用者。這不是一個漸進的轉變，而是在幾個月內突然發生的結構性位移。

這個發現迫使 Pinecone 重新思考一個根本問題：如果你的使用者不再是人類，你的產品設計邏輯還成立嗎？向量資料庫的假設是人類會評估搜尋結果的品質，決定要不要追問、要不要換個關鍵字再搜。但 Agent 沒有這層判斷力，它只會用蠻力：查了不夠就再查，查到衝突就再查更多，直到 token 預算耗盡或時間到了才停下來。結果就是任務完成率長期低於 50%，而且每個任務的成本極高。

從客戶零號開始的轉型

Pinecone 的第一個知識引擎客戶，其實是它自己。公司內部有一個叫 Askdata 的 Agent 系統，負責讓員工查詢公司各種營運資料，取代了傳統的 dashboard。這個系統連接了資料倉儲、Slack、Gong（通話記錄）、客戶管理平台等多個資料源。在傳統向量資料庫架構下，每次查詢平均需要六到十次子查詢，耗時 45 秒到兩分鐘，消耗約 40,000 個 token，而且回來的答案經常需要人工驗證。

把同一個應用遷移到 Nexus 之後，數字出現了劇烈變化：token 使用量從 40,000 降到 2,000（降幅 95%），回應時間降到 500 毫秒以內，準確率從約 68% 提升到 90% 以上。阿舒托什強調這只是第一版，還有大量優化空間。但這個內部案例已經足以讓團隊確信：問題不在模型，而在資料系統的架構假設從根本上就錯了。

第二個驗證場景是客戶服務。一個典型的問題是「這個產品還在保固期嗎？」，Agent 需要查客戶記錄、銷售記錄、產品規格三個不同系統。在傳統架構下，這個看似簡單的問題可能觸發數十次查詢。在 Nexus 架構下，知識引擎已經針對「保固查詢」這個任務做了情境編譯，知道需要哪些欄位、哪些資料源的哪些片段，直接給出結構化回答。

Nexus 的產品架構

Nexus 的架構可以拆成三個層次。最底層仍然是 Pinecone 的向量資料庫，這是資料儲存和基礎檢索的引擎，扮演的角色相當於作業系統中的硬碟。中間層是知識引擎本身，負責 Context Compiling（情境編譯）和情境管理。最上層是 NoQL 查詢介面，提供 Agent 與知識引擎之間的標準化溝通協定。

Context Compiling 是 Nexus 最核心的差異化能力。傳統的 ETL pipeline 做一次性的資料搬運，而 Context Compiling 是一個持續的、迭代的編譯過程。你提供原始資料和預期的輸出範本，系統會自動找出最佳的資料拆解和重組方式，產生全新的資料結構（artifacts）。這些 artifacts 是專門為特定任務設計的，同一份原始資料可以為不同任務產生完全不同的 artifacts。比如一家醫院的資料，帳單任務和醫師查詢會得到完全不同的知識結構。

NoQL 則解決了「Agent 怎麼告訴知識引擎它要什麼」的問題。它定義了六個參數，涵蓋三個維度：意圖（我要查什麼、資料範圍）、效能（時間預算）、治理（存取權限、可解釋性要求）。Pinecone 把 NoQL 定位為開放標準，類比 SQL 之於資料庫的歷史角色。短期計畫是透過開發者社群和 Agent 框架合作推廣，中期目標是推動成為產業標準。

商業模式與生態系統

Pinecone 的定價策略也隨著產品轉型而改變。傳統向量資料庫按基礎設施計費（讀寫次數、儲存量），Nexus 的定價則會更貼近任務導向：知識如何被策展、如何被提取、任務完成的成效。阿舒托什承認定價模型還在迭代，但方向很明確，就是從「你用了多少基礎設施」轉向「你完成了多少任務」。

配合 Nexus 的上市，Pinecone 同時宣布了幾個動作。首先是向量資料庫本身的大幅降價，降低 Agent 時代「千倍查詢量」的經濟門檻。其次是推出 Pinecone Marketplace，提供預建的知識引擎解決方案，讓企業可以直接使用現成的垂直應用（或作為藍圖來客製化），而不需要從零建起。Marketplace 上會同時有 Pinecone 自建的方案和第三方夥伴的方案。

阿舒托什描繪的願景是：未來一個開發者要建垂直 AI 應用，不需要自己搞資料庫、不需要建 ETL pipeline、不需要寫知識檢索邏輯。他只需要指定資料源在哪、任務是什麼、期望的輸出長什麼樣，Nexus 處理其餘 85% 的髒活。開發者可以把全部心力放在垂直領域的商業邏輯上。

我的觀察

Pinecone 的這步棋很大膽。向量資料庫市場競爭激烈，Weaviate、Qdrant、Milvus 等開源方案不斷侵蝕 Pinecone 的市場份額。從向量資料庫升維到知識引擎，等於在競爭者還在打價格戰的時候，直接把戰場搬到更高的抽象層。如果 Nexus 的效能數據站得住腳，後進者要追趕的就不只是一個資料庫，而是一整套情境編譯和知識管理的能力。

比較值得觀察的風險是：NoQL 能否真的成為開放標準。歷史上，由單一廠商推動的「開放標準」最後往往變成該廠商的護城河。Pinecone 說 NoQL 可以搭配任何底層資料庫使用，但 Nexus 本身綁定 Pinecone 的向量資料庫。這個區分是否能在實務中成立，要看其他廠商是否願意實作 NoQL，以及開發者社群是否買單。不過單就產品策略而言，這是一步看到趨勢就果斷轉型的棋，比死守向量資料庫品類等著被商品化，勇氣和判斷力都值得肯定。