作者丨刘杨楠

编辑丨海腰

图源丨 CNBC

3 月 6 日，开源数据库龙头 MongoDB 遭遇上市以来最黑暗的一天。

当天公布 2025 财年第四季度报告和 2026 财年业绩预告后，略显悲观的数据预测引得 MongoDB 股价暴跌近 27%，估值缩水至 143 亿美元，较 195 亿美元的最高值跌去 50 亿美元。

华尔街的分析师们纷纷开始下调目标价格，但评级仍保持在 " 买入 " 或 " 持有 " 状态。分析师们之所以对 MongoDB 保持相对积极的态度，或许与前不久的一桩收购案有关。

2 月 24 日，MongoDB 宣布以 2.2 亿美元收购 Voyage AI，为这家成立仅 17 个月的明星 AI 公司写下一个暂时的句号。

Voyage AI 的故事短暂又辉煌，公司 2023 年 9 月成立，由清华姚班出身的天才学者掌舵，获 "AI 教母 " 李飞飞背书，共融资 2800 万美元，其发布的模型曾被数位 AI 大牛点赞。

正因如此，这笔收购让外界猝不及防，人们不禁好奇：这样一家技术过硬、团队顶尖且不缺投资者关注的明星初创企业，为什么会在成立仅 17 个月的时间选择被收购？

但从 MongoDB 今天的处境来看，这场收购中，Voyage AI 或许是更加被需要的一方。

戛然而止的天才创业故事

Voyage AI 的 17 个月可谓轰轰烈烈。

2023 年 9 月，斯坦福大学计算机科学家、清华大学 2012 届姚班校友马腾宇（Tengyu Ma）创办 Voyage AI，全明星阵容让人眼前一亮。

马腾宇自己的履历就足够惹眼。

2008 年，马腾宇在清华姚班毕业后，到普林斯顿大学攻读博士学位；博士二年级获得理论计算机方向的西蒙斯奖、IBM 博士奖学金、NIPS 最佳学生论文奖、COLT 最佳论文奖等多种奖项；博士毕业后，马腾宇到斯坦福担任助理教授，也正式开始研究 AI。

和马腾宇打过交道的人无一不称他为天才。他的博导教授曾预言，" 如果他创业，未来一定会给全球科技带来崭新一页 "。2021 年，马腾宇拿下有 " 诺贝尔奖风向标 " 之称的斯隆奖后，"AI 教母 " 李飞飞不掩赞叹：" 真正的天才不该埋没在实验室 "。

于是，马腾宇创办了 Voyage AI。

公司成立后，马腾宇组建起了一支来自斯坦福、MIT、加州大学伯克利分校和普林斯顿大学的世界级 AI 研究团队，并邀请李飞飞担任学术顾问。

Voyage AI 的杀手锏就是通过其先进的嵌入和重排序模型，实现高精度检索能力，从而解决 AI 的幻觉问题。

嵌入模型是 RAG 系统的核心组件之一，可将文本数据转换为向量嵌入，以便在向量数据库中进行高效的语义搜索；重排序模型则在 RAG 系统中用于优化检索结果的相关性。

嵌入模型与生成模型非常相似，依靠强大的神经网络（通常基于 Transformer）架构来捕获和压缩语义上下文，封装文字、图片、音频等背后各种概念之间的复杂关系。早期在嵌入模型中封装越多的知识，并将其生成的信息反馈到下一代模型的训练中，就会使得下游的 RAG、搜索、推理系统更强大。

嵌入模型的训练难度也很大，需要在模型架构、数据收集、函数选择等方面多重考虑。

创业前，马腾宇已经带领团队在斯坦福人工智能实验室和麻省理工学院 NLP 小组进行了 5 年以上的研究，收集了海量数据集、进行预处理和后处理实验，以及开发专有方法以将对比学习应用于文本。

创业后，Voyage AI 发布还了多个系列模型，包括通用嵌入模型、代码检索嵌入模型、多模态嵌入模型。过去三个月，这些模型都升级到了最新的 3.0 版本。

这些模型能够从高度专业化的文本和非结构化数据（如法律文档、金融报告、企业知识库等）中提取语义信息，从而显著提高 AI 模型的准确性和可靠性。

为了让应用侧的企业直观感受到 voyage 系列模型的实力，Voyage AI 决定免费为每个组织嵌入前 5000 个文档 / 查询。

Voyage AI 的工作也受到很多技术大牛的认可。

Spot AI CEO Tanuj Thapliyal 就曾在 Linkedin 上发文表示，对马腾宇团队的工作成果感到很兴奋。" 在我们 AGI 的旅程中，无论上下文窗口的大小如何。嵌入模型（embeddings）和重排序器（rerankers）是组织世界上非结构化数据，并保持其有序性的最为关键的内核。"

种种 buff 叠加，也让 Voyage AI 颇受资本欢迎。

2024 年 10 月，Voyage AI 宣布完成 2000 万美元 A 轮融资，总融资额达到 2800 万美元。其中，风投公司 CRV 领投了本轮融资，参与者包括 Snowflake、Databricks、Pear VC、Tectonic Ventures 等，且 CRV 普通合伙人 Murat Bicer 也加入了 Voyage AI 的董事会。

Voyage AI 官网博客提到：" 通过这笔投资，我们旨在扩大我们的产品范围，并继续为您提供最先进的非结构化数据搜索和检索模型。"

但就在所有人都期待 Voyage AI 的下一个里程碑时，突然宣布了被 MongoDB 收购的消息。

意料之外，情理之中

2 月 24 日，开源数据库龙头 MongoDB 宣布收购 Voyage AI，估值 2.2 亿美元。

这时距离 Voyage AI A 轮融资仅过了 6 个月，距离公司成立仅 17 个月。从历史经验来看，AI 公司这么快退出的案例并不常见。

去年，乔治城大学安全与新兴技术中心在一项研究中分析了 2014 年至 2023 年的人工智能并购事件。研究发现，大型科技平台通常在人工智能公司成立后平均 4.8 年收购它们，而其他公司收购的人工智能公司平均成立 7.4 年，足以见得 Voyage AI 的 " 反常 "。

Voyage AI A 轮融资的领投方 CRV 也难掩遗憾，" 对我们来说是较短的结局之一 "，CRV 合伙人 Murat Bicer 表示。毕竟业务更成熟时被收购，Voyage AI 或许会得到远高于 2.2 亿美元的估值。

从 CRV 的公开表态可以感受到，他们很看好 Voyage AI。

Bicer 曾直言，CRV 看重 Voyage AI 是一支非常强大的技术团队。" 目前，该领域（生成式 AI 领域）真正拥有数十年而非数年专业知识和经验的人非常少，" 他补充道。" 当这些人在做某件事时，我们知道他们将以一种推动整个市场前进的方式进行创新。"

被收购前，CRV 已经在为 Voyage AI 提供业务方面的辅助，帮助其组建管理团队、制定上市战略并更好地协调定价。

然而，Voyage AI 的退出来得太快，CRV 许多努力仍在早期。但尽管如此，Bicer 依然将 Voyage AI 此次被收购描述为一个 " 非常圆满的结局 "。

事实上，这次收购也是情理之中。

仔细翻看 Voyage AI 成立时的官宣博客会发现，公司成立之初，团队就指出，实际应用场景中，嵌入模型性能与行业专有数据有强关联。

具体来看，在模型训练和性能评测环节，高质量数据集都是必备项。

MTEB（Massive Text Embedding Benchmark）是一个大规模的文本嵌入模型评估基准，能衡量文本嵌入模型在多样化任务上的性能。它包含 56 个数据集，涵盖 8 种任务类型，如文本分类、聚类、检索、语义文本相似度（STS）等，并支持超过 112 种语言。

但博客提出，MTEB 被 " 过度使用 " 了，有人会用评测集中的数据集直接给模型做训练，以此让模型在评测时有更好的表现，这也一定程度上折损了 MTEB 的公信力。为了进行更全面的评估，Voyage AI 自己构建了九个额外的数据集，且数据均来自 " 真实世界的行业领域 ( RWID ) "，涵盖了技术文档、餐厅评论和新闻报道等多种数据。

博客进一步写道：" 现实世界的场景总是比学术基准更具挑战性，因为每个行业都有其独特的术语和知识库，就像每个企业一样。" 以 Voyage AI 的模型 voyage-01 为例，Voyage 01 虽然开箱即用，但通过真实的业务数据微调，它就能以更低的成本变得更好。

Voyage AI 目前还针对编码和金融场景量身定制了嵌入模型，并正在扩展到更多领域。" 我们还可以在小型、未标记的公司特定数据集上微调嵌入，为 LangChain、OneSignal、Druva 和 Galpha 等试点客户实现 10-20% 的准确率提升。"

可见，想要嵌入模型在真实场景中有更好的准确性和相关性，很大程度需要与真实的运营数据深度集成。但对于医疗、金融等对数据安全要求极高的场景，企业通常不愿将业务数据随便提供给第三方厂商。马腾宇也表示：" 要让 AI 应用充分发挥其潜力，企业必须信任其输出，因此检索需要与运营数据深度集成，以确保准确性和相关性。"

因此，和 MongoDB 等有企业大量真实业务数据的企业合作，对 Voyage AI 而言无疑是事半功倍的选择。

但数据库企业那么多，为什么是 MongoDB？

MongoDB 或许更需要 Voyage AI

MongoDB 可谓 NoSQL 数据库中文档型数据库的 " 鼻祖 "。

大约从 1970 年起，此后二十多年一直是关系型数据库的天下。但传统关系型数据库在处理高并发读写、海量数据存储和非结构化数据时存在很大局限性。

直到 2007 年，关系型数据库来到转折前夜。

当时，Dwight Merriman、Kevin Ryan、Eliot Horowitz 三位工程师共同创办 10gen，初衷是打造一款面向开发者的 PaaS 产品，还拿到了超 8000 万美元的投资。

资金就位后，三人本计划找一个能够支持其 PaaS 产品的海量数据库。但当时成熟的数据库基本都是基于单机架构的传统关系型数据库，如 Oracle，MS SQLServer 等。即便 Oracle 支持一些集群部署，其扩展性也仅限于 2-4 台服务器。

于是，10gen 的创始团队决定直接自己开发一个数据存储服务，让所有数据都能被存储，并提供易用的 API，让开发者可以对数据进行常见的增删改查操作。

为便于开发者操作，Eliot 决定使用 JSON 作为数据格式进行存储。JSON 的数据在英文被称为 "JSON Document"，" 文档数据库 " 的名字由此而来。

两年后的 2009 年 2 月，10gen 正式发布开源数据库 MongoDB 1.0，首次打破了关系型数据库的统治。

之后，10gen 在数据库的路上越走越远。2013 年 8 月，10gen 改名为 MongoDB，正式以 NoSQL 数据库为主业；2014 年，MongoDB 收购 WiredTiger 存储引擎，大幅提高 MongoDB 的写入性能。

2017 年 10 月，成立十年的 MongoDB 在纳斯达克上市。上市后，MongoDB 的市场表现也超出预期，市值最高一度达到 335.6 亿美元。

但就在 MongoDB 势头正盛的关头，开源、灵活的技术特色也给公司带来不少麻烦。

2017 年初，由于 MongoDB 数据库在默认配置下无需用户名和密码即可访问，使得大量黑客入侵了全球数万个 MongoDB 数据库，勒索用户交赎金才能恢复数据。

2018 年 10 月，MongoDB 又宣布将其开源许可证从 GNU AGPLv3 切换到服务器端公共许可证（SSPL）。一石激起千层浪，许多开发者和企业用户认为 SSPL 对商业用户不够友好，限制了软件的自由使用和分发。Linux 发行版（如 Debian 和 Fedora）甚至拒绝使用 SSPL 协议下的 MongoDB。

开源许可证变更后，AWS、IBM 和微软等云服务商们又纷纷推出兼容 MongoDB 的产品，以应对 MongoDB 的竞争。

不过，接连的风波并未伤及 MongoDB 的根本，他们仍在自己的节奏里不断优化产品。2018 年 6 月，MongoDB 推出多文档 ACID 强事务机制，意味着 MongoDB 能够支撑更复杂的数据操作，适用于更广泛的业务需求。

深圳钛铂数据创始人及 CTO、MongoDB 中文社区主席唐建法曾撰文总结了 MongoDB 的三条核心优势：

基于 JSON 的数据模型最接近开发者的面向对象的设计思维；

灵活动态的模型意味着在需求多变的时候极大简化数据库设计流程；

自动分片、多节点自动同步和跨中心能力支持各种现代化复杂部署需求。

目前，MongoDB 是全球最受欢迎的文档型数据库，在全球 100 多个国家和地区拥有超过 50000 个客户。因此，对于 Voyage AI 而言，MongoDB 确实是一个理想的合作伙伴。

然而，MongoDB 今天的处境却并不乐观。

疫情后，全球经济开始放缓，各企业 IT 支出相应缩减，加以 AI 冲击，MongoDB 往日的差异化优势逐渐被 AI 的光芒掩盖，Atlas 的新工作负载增长低于预期。

3 月 6 日，在 2026 财年业绩报告中，MongoDB 的全年预期也不乐观，预计全年收入在 22.4 亿 -22.8 亿美元之间，低于分析师预期的 23.2 亿美元；MongoDB 预计全年调整后的每股收益在 2.44-2.62 美元之间，远低于分析师预期的 3.34 美元。业绩预告发布后，MongoDB 股价下跌近 27%，和去年 509 美元的最高点也相去甚远，估值已缩水至 143 亿美元。

但尽管如此，收购 Voyage AI 对市场信心的激励作用已经开始显现。面对较为悲观的全年预期，多位高评级分析师仍对 MongoDB 给出 " 买入 " 或 " 持有 " 的评级。

接下来，MongoDB 将陆续与 Voyage AI 深度集成。

MongoDB CEO Dev Ittycheria 在博客中写道，Voyage AI 与 MongoDB 的集成将确保开发人员不再需要管理外部嵌入 API、独立向量存储或复杂的搜索管道。

"AI 检索将内置于数据库本身，使语义搜索、矢量检索和排名与传统查询一样流畅，"Ittycheria 解释道。集成本身将分三个阶段进行：

第一阶段，Voyage AI 的文本嵌入、多模态嵌入和重新排名模型将通过 Voyage AI 当前的 API 以及 AWS 和 Azure 市场广泛提供。

在第二阶段，MongoDB 将把 Voyage AI 的功能嵌入到 MongoDB Atlas 中，首先是针对 Vector Search 的自动嵌入服务，该服务将自动处理嵌入生成。" 随后将进行本机重新排名，允许开发人员立即提高检索准确性。"Ittycheria 写道。

在第三阶段，MongoDB 将添加先进的 AI 检索功能，并增强多模态能力。

" 我们还计划引入指令调整模型，让开发人员使用简单的提示而不是复杂的微调来优化搜索行为，"Ittycheria 解释说，并补充说它将通过在 MongoDB Atlas 优化 AI 应用程序时嵌入生命周期管理来进行补充。

AI 这艘时代巨轮，MongoDB 虽然不是上得最早的那个，却也找到了最有经验的船员，未来能否跑上快航道，就要交给时间决定了。

本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系 editor@cyzone.cn。