别只看数据库的定价页面，你的真实账单比那复杂得多
某AI创业公司的CTO向我展示了他的Pinecone账单：月费$11,200。他问：“有没有更便宜的方案？“我说有，但你需要先理解你的账单结构。
我帮他拆解后发现：$11,200中，$7,800是Pinecone的Pod费用，$2,400是OpenAI Embedding API调用费，$1,000是数据传输和存储费。迁移到Milvus自托管后，总成本降到$3,100（服务器$2,800 + API $300），但增加了一个兼职SRE（约$2,000/月）。最终TCO约$5,100，比Pinecone省了55%。
这篇文章用真实数据帮你算清楚向量数据库的TCO（Total Cost of Ownership）。
成本构成：最容易被忽略的三笔钱
向量数据库的TCO由五部分组成：
- 数据库服务费：SaaS的Pod/Serverless费用，或自托管的服务器费用
- Embedding费用：调用Embedding API生成向量，或自部署Embedding模型的GPU成本
- 运维人力：SaaS几乎为零，自托管需要SRE（至少兼职）
- 存储和网络：云存储、数据传输、跨AZ流量
- 迁移成本：从A库迁移到B库的工程成本（容易被忽略，但可能很高）
金句：Embedding费用通常占总成本的30%-50%，这是大多数人做预算时完全忽略的。
各方案成本对比（1亿向量，768维，日查询100万次）
| 方案 | 数据库费 | Embedding费 | 运维人力 | 存储网络 | 月总成本 |
|---|---|---|---|---|---|
| Pinecone p2.x2 | $7,800 | $2,400 | $0 | $1,000 | $11,200 |
| Zilliz Cloud Enterprise | $4,500 | $2,400 | $0 | $500 | $7,400 |
| Qdrant Cloud | $3,800 | $2,400 | $0 | $600 | $6,800 |
| Weaviate Cloud | $4,200 | $2,400 | $0 | $800 | $7,400 |
| Milvus自托管（AWS） | $2,800 | $2,400 | $2,000 | $300 | $7,500 |
| Milvus自托管 + 开源Embedding | $2,800 | $200（GPU） | $2,000 | $300 | $5,300 |
| pgvector（自托管） | $0（已有PG） | $2,400 | $0 | $100 | $2,500 |
注意：pgvector在1亿向量规模下性能不可接受，这里只是展示成本，不推荐实际使用。
关键发现：开源Embedding是最大的省钱杠杆
如果你的Embedding从OpenAI API切换到开源模型（如BGE-M3），每月节省$2,200。但需要自部署GPU服务器（约$200/月，按需使用）。
金句：如果你在向量数据库上花了$10,000/月，其中$3,000-$4,000是Embedding费用。先优化Embedding，再优化数据库。
不同规模下的最优成本方案
<100万向量：pgvector（免费）+ OpenAI Embedding（$20/月）。总成本约$20/月。零运维，零额外服务器。
100万-1000万向量：
- 省钱方案：Qdrant Cloud（$200/月）+ OpenAI Embedding（$200/月）= $400/月
- 性能方案：Pinecone Standard（$500/月）+ OpenAI Embedding（$200/月）= $700/月
1000万-1亿向量：
- 省钱方案：Milvus自托管（$1,200/月）+ 开源Embedding（$100/月）+ 兼职SRE（$1,000/月）= $2,300/月
- 省心方案：Zilliz Cloud（$2,500/月）+ OpenAI Embedding（$1,200/月）= $3,700/月
1亿-10亿向量：
- 唯一方案：Milvus自托管（$2,800-$8,000/月）+ 开源Embedding（$200-$500/月）+ 全职SRE（$5,000/月）
金句：向量数据库的成本曲线不是线性的。每过一个数量级，最优方案都会变。
自托管Milvus的隐藏成本清单
很多人以为自托管Milvus就是"找个服务器装上就行”。实际上你需要：
- Kubernetes集群：至少3节点，用于Milvus的微服务部署
- etcd集群：3节点，用于元数据存储和协调
- 对象存储：S3/MinIO，用于持久化向量数据和索引
- 消息队列：Pulsar/Kafka，用于数据流处理
- 监控和告警：Prometheus + Grafana，用于监控集群状态
- 备份和恢复：定期备份元数据和向量数据
- 升级和维护：Milvus版本迭代快，每季度至少升级一次
这些基础设施如果不是已有的，额外成本可能高达$1,000-$2,000/月。
金句：自托管省下的数据库费用，有一半要花在基础设施上。算清楚再决定。
成本优化实战：从$11,200到$5,100的完整路径
回到开头那个CTO的案例，我们做了以下优化：
- 从Pinecone迁移到Milvus自托管：数据库费从$7,800降到$2,800（省$5,000）
- 从OpenAI Embedding切换到BGE-M3：Embedding费从$2,400降到$200（省$2,200）
- 优化索引参数减少内存占用：服务器规格从16核/128GB降到8核/64GB（省$400）
- 增加兼职SRE：$2,000/月
最终TCO：$2,800 + $200 + $2,000 + $100 = $5,100/月。年省$73,200。
但要强调的是：这个方案适合有DevOps能力的团队。如果你们团队只有3个人，Pinecone的$11,200可能是更合理的选择——因为CTO的时间比$6,000/月更值钱。
金句：向量数据库的成本优化，本质是在"钱"和"人力"之间做权衡。你的团队结构决定了最优解。