Banco de dados vetorial é um tipo de banco desenhado para armazenar embeddings e responder a pergunta encontre os itens mais próximos deste de forma rápida, mesmo com milhões de registros. Em vez de buscar por igualdade exata, ele busca por proximidade no espaço de significado.
É a infraestrutura que sustenta busca semântica e RAG. Quando uma feature de IA precisa recuperar os trechos mais relevantes de uma base para responder, é o banco vetorial que faz esse achado em tempo de resposta. Sem ele, recuperar por significado em escala seria lento demais.
Para quem faz produto, não é preciso saber implementar, mas vale entender que essa peça existe e que ela define velocidade e qualidade da recuperação. Quando a busca semântica está lenta ou trazendo resultado ruim, parte da explicação pode estar em como esse banco foi montado e indexado.