当检索与大数据存储加速融合，向量数据库也开始"下沉"到lake-native架构。Zilliz / Milvus团队在官方release notes中发布了Milvus 3.0（v3.0.0，2026年7月29日），将向量数据库从专有存算引擎拓展为lake-native（数据湖原生）架构，显著增强开放数据检索能力。这意味着向量数据库正从"独立部署的专用库"演进为"面向数据湖/数据平台的第一等公民"。
Lake-Native：向量检索与数据湖打通
lake-native的核心变化在于不再依赖专有存储副本，而是让向量索引与检索直接对接开放数据格式/数据湖中的大规模数据，降低数据复制与ETL成本，让AI检索与既有数据平台共享底座。对RAG、多模态检索、推荐等场景，这让"S3/数据湖+向量检索"的架构更简洁，也便于复用统一的数据治理与权限体系。
数据基础设施的持续演进
在后端架构与数据方向，同期多个大件在推进：Apache Kafka 4.4.0 RC0于8月24日进入发布候选投票阶段，作为事实上的流式消息标准持续迭代；Prisma ORM 8.0.0-rc.5等也在8月下旬推进。消息流、关系与向量检索三类数据基础设施在不同维度同时升级，共同构成当下数据平台的拼图。
选型建议
对后端与数据团队，建议把"是否支持lake-native/开放数据接入"纳入向量检索选型：对与数据湖强耦合的语义检索，Milvus 3.0这类lake-native方案可显著降低副本与同步开销；对需要复杂索引与超大纯向量集的纵深场景，则结合具体延迟/成本指标评估。方案应围绕检索延迟、数据新鲜度与运维成本三方面权衡，避免为单一场景引入过度架构。