Vector Database adalah jenis basis data yang dirancang khusus untuk menyimpan, mengindeks, dan mencari data dalam bentuk vektor embedding—representasi numerik multidimensi dari suatu konten, seperti teks, gambar, atau audio, yang dihasilkan oleh model AI. Vector database menjadi komponen infrastruktur inti dalam banyak sistem AI modern, terutama untuk kebutuhan pencarian semantik dan Retrieval-Augmented Generation (RAG).
Berbeda dengan basis data tradisional yang mencari data berdasarkan kecocokan kata kunci yang tepat (exact match), vector database mencari berdasarkan kemiripan makna atau konteks. Ini dimungkinkan karena embedding merepresentasikan makna suatu konten sebagai titik dalam ruang matematis berdimensi tinggi, di mana konten dengan makna serupa akan memiliki posisi vektor yang saling berdekatan, meski menggunakan kata-kata yang berbeda secara literal.
Contohnya, pencarian dengan kata kunci "mobil murah" pada basis data tradisional tidak akan menemukan dokumen yang menggunakan istilah "kendaraan terjangkau" meski maknanya serupa. Vector database, sebaliknya, dapat mengenali kedekatan makna antara kedua frasa tersebut karena embedding keduanya akan memiliki posisi vektor yang berdekatan dalam ruang representasi, memungkinkan pencarian yang jauh lebih cerdas dan sesuai konteks (semantic search).
Dalam arsitektur sistem RAG, vector database berperan menyimpan embedding dari seluruh dokumen atau basis pengetahuan suatu organisasi. Ketika pengguna mengajukan pertanyaan, sistem mengubah pertanyaan tersebut menjadi embedding, lalu mencari dokumen-dokumen dengan embedding paling mirip di vector database, sebelum menyajikan dokumen relevan tersebut sebagai konteks tambahan kepada model AI untuk menyusun jawaban yang lebih akurat dan berbasis fakta.
Sejumlah vector database populer, baik yang bersifat khusus (dedicated) maupun ekstensi dari basis data yang sudah ada, telah bermunculan seiring meningkatnya adopsi RAG dan aplikasi AI berbasis pencarian semantik, menjadikan vector database salah satu komponen infrastruktur paling krusial dalam tumpukan teknologi (tech stack) aplikasi AI generatif tingkat produksi saat ini.