该服务于今年七月曾开放预览。根据 AWS 披露，预览期间用户已创建超过 25 万个向量索引，并累计处理逾 400 亿条向量。预览阶段单索引上限为 5000 万条向量，而AWS首席开发者 Sebastian Stromacq 表示：

“

现在单索引可支持高达 20 亿条向量的存储与检索……用户可将全部向量数据集整合至单一索引，无需再通过分片或复杂的联合查询逻辑管理多个小型索引。

此外，该服务提升了查询性能：低频查询可在 1 秒内返回结果，高频查询延迟则控制在100毫秒以内，这对对话式 AI 等交互应用尤为有利。

官方数据显示，单次查询最多可获取 100 条结果，增强了检索增强生成（RAG）应用的上下文质量。写入性能方面，单向量更新最高支持每秒 1000 次 PUT 操作，支持小批量高吞吐写入，并能实时检索来自多并发源的新数据。

储存优先，节省成本

AWS 同时宣布两项关键集成结束预览、全面开放：用户可将 S3 Vectors 用作 Amazon Bedrock 知识库的向量存储引擎；其与 Amazon OpenSearch 的集成也已正式上线，用户可在使用 OpenSearch 进行搜索分析的同时，将 S3 Vectors 作为底层向量存储层。

开发者 Jalaj Nautiyal 在 LinkedIn 发文评价：S3 Vectors 将向量搜索从“计算优先”模式转变为“存储优先”方案。这一“无服务器”转型意味着用户不再需要管理集群、容器或分片，可像处理普通S3对象一样管理向量，轻松实现数十亿向量的存储。

成本方面，预计可将总拥有成本降低高达 90%，仅需支付 S3 存储费用（成本较低）与查询费用，无需承担闲置计算资源开销。

他进一步指出，对于 80% 的内部 RAG 应用与自主智能体场景，或许无需追求顶级配置的向量数据库。一个可靠且容量无限的“后备箱”已足够——S3正成为这样的存在。

目前S3 Vectors已在14个AWS区域上线（预览阶段为5个）。服务定价基于三个维度计算：

1. 上传定价：按用户上传向量的逻辑GB量计费（每向量包含逻辑向量数据、元数据及键值）

2. 存储成本：取决于各索引逻辑存储总量

3. 查询费用：包含每次API调用费用，以及按索引规模（不含不可过滤元数据）折算的每TB数据查询费

生态集成

作为 AWS 数据生态的核心，它与 Amazon Bedrock 知识库、Amazon OpenSearch 服务均实现了原生集成。这意味着用户可以在构建 RAG 应用时，直接从托管的向量存储中受益。

在 Amazon Bedrock 中创建知识库时，可以选择 S3 Vectors 作为向量存储。此集成有四大优点：

1. 对于使用大型向量数据集的 RAG 应用程序，可节省成本

2. 与 Amazon Bedrock 的完全托管式 RAG 工作流程无缝集成

3. 由 Amazon Bedrock 服务处理的自动向量管理

4. 知识库检索操作的查询延迟为亚秒级

Amazon Bedrock 知识库提供了完全托管式的端到端 RAG 工作流程。使用 S3 Vectors 创建知识库时，Amazon Bedrock 自动从 S3 数据来源获取数据，将内容转换为文本块，生成嵌入，并将其存储在向量索引中。然后，可以查询知识库，并根据从源数据中检索的分块生成响应。

参考资料：

https://docs.amazonaws.cn/zh_cn/AmazonS3/latest/userguide/s3-vectors-bedrock-kb.html

https://www.infoq.cn/article/xb5VDXD96B8sdi8dcqp0