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。