资讯中提到的Milvus案例让我眼前一亮：1G内存处理2500万向量的FLAT检索，在强标量过滤下达到毫秒级响应。这打破了‘高维向量必须用HNSW或IVF’的惯性思维。从技术角度看，FLAT（暴力搜索）的O(n)复杂度在标量过滤后数据量骤减时，反而避免了索引维护的开销和精度损失。我个人的经验是，在电商以图搜图场景中，当标量过滤条件（如价格区间、类目ID）能筛掉90%+数据时，FLAT的简洁性胜过复杂索引——它没有PQ量化导致的召回下降，也没有HNSW的图构建延迟。这实际上是对‘索引优先’范式的挑战：核心瓶颈不在向量维度，而在标量过滤的基数。行业趋势上，我预判未来向量数据库会强化‘标量-向量混合执行引擎’，类似数据库中的filter-pushdown优化。讨论两个问题：1）当标量过滤选择性低于多少时，FLAT会劣于HNSW？2）在GPU内存受限的边缘设备上，FLAT是否比量化索引更适合实时检索？欢迎实战派分享benchmark数据。