過(guò)去一年的AI熱潮，儼然成了“全網(wǎng)最熱”的話題。從生成式AI的火爆，到“千億參數(shù)”模型的不斷突破，AI進(jìn)入了從研究到應(yīng)用的“爆發(fā)期”。無(wú)論是創(chuàng)作、編程，還是機(jī)器人、自動(dòng)駕駛，AI似乎開(kāi)始無(wú)處不在，成為了各行業(yè)的大殺器。

但問(wèn)題是，當(dāng)所有的目光都聚焦在如何讓AI更強(qiáng)、更智能、更普及時(shí)，真正決定AI能否大規(guī)模落地的，卻是一個(gè)我們常常忽視的東西——數(shù)據(jù)底座。是的，在很多情況下，AI不缺算法，也不缺算力，它缺的是穩(wěn)定、快速、高效的數(shù)據(jù)管理平臺(tái)——一個(gè)能承載起龐大數(shù)據(jù)流動(dòng)、分析和處理的基礎(chǔ)設(shè)施。

那么，AI時(shí)代對(duì)數(shù)據(jù)基礎(chǔ)設(shè)施提出了哪些新的要求，又應(yīng)該怎么來(lái)應(yīng)對(duì)呢？5月17日在OceanBase第三屆開(kāi)發(fā)者大會(huì)上，OceanBase的一系列舉動(dòng)，也許可以給我們一些啟示。

舊數(shù)據(jù)底座，

為什么撐不住AI“大廈”？

AI看起來(lái)很炫，但落地才是最大挑戰(zhàn)。生成式AI已經(jīng)開(kāi)始影響幾乎所有行業(yè)，然而，隨著數(shù)據(jù)量的爆炸性增長(zhǎng)，傳統(tǒng)的數(shù)據(jù)庫(kù)開(kāi)始顯現(xiàn)出它們的短板。數(shù)據(jù)的規(guī)模、結(jié)構(gòu)和處理方式，已經(jīng)超出了傳統(tǒng)數(shù)據(jù)庫(kù)的承載能力。

☆數(shù)據(jù)爆炸式增長(zhǎng)，傳統(tǒng)數(shù)據(jù)庫(kù)捉襟見(jiàn)肘

根據(jù)IDC的預(yù)測(cè)，到2028年，全球新生成的數(shù)據(jù)量將達(dá)到驚人的393.9ZB。這意味著，從互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)，到醫(yī)療、金融到零售、制造，各行業(yè)每天都會(huì)產(chǎn)生和積累海量數(shù)據(jù)。而傳統(tǒng)數(shù)據(jù)庫(kù)在面對(duì)這海嘯一般的數(shù)據(jù)，往往顯得力不從心。

☆數(shù)據(jù)結(jié)構(gòu)復(fù)雜化，如何統(tǒng)一？

AI應(yīng)用要求數(shù)據(jù)庫(kù)能夠靈活、快速地處理來(lái)自不同來(lái)源和形式的數(shù)據(jù)，而這些數(shù)據(jù)的結(jié)構(gòu)差異是AI應(yīng)用能否成功的關(guān)鍵所在。從結(jié)構(gòu)化到非結(jié)構(gòu)化，再到多模態(tài)數(shù)據(jù)，數(shù)據(jù)本身的復(fù)雜性要求數(shù)據(jù)庫(kù)必須具備超強(qiáng)的整合能力。

但傳統(tǒng)數(shù)據(jù)庫(kù)的架構(gòu)無(wú)法應(yīng)對(duì)這些新興需求，它們大多以單一數(shù)據(jù)類(lèi)型為主，導(dǎo)致當(dāng)結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)并存時(shí)，往往需要使用多個(gè)數(shù)據(jù)庫(kù)來(lái)分別處理。這種“多庫(kù)并存”的方式，不僅導(dǎo)致管理上的復(fù)雜性，還帶來(lái)了系統(tǒng)間的互通性問(wèn)題，增加了數(shù)據(jù)存取的時(shí)間和成本。

☆A(yù)I落地要翻過(guò)去的“三座大山”

AI在實(shí)際落地時(shí)，總會(huì)遇到三大“攔路虎”：成本、安全性、效率。這些挑戰(zhàn)正是傳統(tǒng)數(shù)據(jù)庫(kù)無(wú)法完全解決的痛點(diǎn)所在。

成本高：AI應(yīng)用需要巨大的計(jì)算資源，而數(shù)據(jù)存儲(chǔ)和計(jì)算的費(fèi)用常常高得令人咋舌。傳統(tǒng)數(shù)據(jù)庫(kù)在面對(duì)大數(shù)據(jù)量、高并發(fā)時(shí)，難以提供可伸縮的解決方案。

數(shù)據(jù)碎片化嚴(yán)重：隨著數(shù)據(jù)來(lái)源和種類(lèi)的多樣化，企業(yè)常常面臨數(shù)據(jù)孤島現(xiàn)象——不同系統(tǒng)中的數(shù)據(jù)難以互通，無(wú)法高效整合。傳統(tǒng)數(shù)據(jù)庫(kù)的存儲(chǔ)方式和查詢(xún)機(jī)制，未能有效打破這些障礙。

安全性難保障：AI應(yīng)用涉及大量的敏感數(shù)據(jù)，而傳統(tǒng)數(shù)據(jù)庫(kù)往往難以在高速數(shù)據(jù)訪問(wèn)和安全防護(hù)之間找到平衡。

這些問(wèn)題，都是傳統(tǒng)數(shù)據(jù)庫(kù)架構(gòu)無(wú)法高效支撐AI規(guī)模化商用的根本原因。AI對(duì)數(shù)據(jù)的處理不僅要求高效，還要求智能，而傳統(tǒng)數(shù)據(jù)庫(kù)在這方面的能力已遠(yuǎn)遠(yuǎn)不足。

AI時(shí)代需要怎樣的數(shù)據(jù)底座？

說(shuō)到數(shù)據(jù)庫(kù)和AI的關(guān)系，很多人會(huì)認(rèn)為只是簡(jiǎn)單的“Data + AI”結(jié)合：數(shù)據(jù)加上AI算法，兩個(gè)部分的簡(jiǎn)單疊加。但這種看法過(guò)于簡(jiǎn)化了問(wèn)題。現(xiàn)實(shí)中，真正需要的是Data × AI，即數(shù)據(jù)與AI深度融合。

在AI應(yīng)用中，數(shù)據(jù)和模型是互相依賴(lài)的。簡(jiǎn)單來(lái)說(shuō)，AI不僅僅依賴(lài)數(shù)據(jù)，更需要依靠一個(gè)統(tǒng)一的數(shù)據(jù)庫(kù)/數(shù)據(jù)引擎來(lái)進(jìn)行實(shí)時(shí)計(jì)算、優(yōu)化數(shù)據(jù)質(zhì)量，并為模型提供精準(zhǔn)、快速的數(shù)據(jù)支持。只有在數(shù)據(jù)和AI深度融合的基礎(chǔ)上，AI的效能才能最大化。

在AI時(shí)代，數(shù)據(jù)庫(kù)不僅僅需要存儲(chǔ)數(shù)據(jù)，它必須具備以下幾項(xiàng)核心能力，才能支撐復(fù)雜的AI應(yīng)用：

1. 分布式處理海量數(shù)據(jù)：AI應(yīng)用需要處理海量的數(shù)據(jù)，而傳統(tǒng)數(shù)據(jù)庫(kù)的單機(jī)模式往往難以滿(mǎn)足這一需求。分布式數(shù)據(jù)庫(kù)能夠通過(guò)水平擴(kuò)展提供無(wú)限的存儲(chǔ)和計(jì)算能力，在應(yīng)對(duì)大規(guī)模數(shù)據(jù)時(shí)不再受限。

2. 一體化支持多種數(shù)據(jù)格式：AI應(yīng)用中的數(shù)據(jù)不僅僅是結(jié)構(gòu)化的表格數(shù)據(jù)，還包括文本、圖片、視頻等非結(jié)構(gòu)化數(shù)據(jù)，甚至包括像傳感器數(shù)據(jù)等半結(jié)構(gòu)化數(shù)據(jù)。

3. SQL + AI 混合計(jì)算：在AI應(yīng)用中，數(shù)據(jù)不僅需要存儲(chǔ)，還需要進(jìn)行智能化計(jì)算。

4. 向量檢索能力：在AI應(yīng)用中，特別是自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等領(lǐng)域，向量檢索能力至關(guān)重要。

這已不是傳統(tǒng)數(shù)據(jù)庫(kù)能提供的能力。“Data × AI”，不僅僅是把AI和數(shù)據(jù)結(jié)合在一起，更重要的是通過(guò)技術(shù)創(chuàng)新，打破傳統(tǒng)數(shù)據(jù)庫(kù)架構(gòu)的局限，打造出一個(gè)能夠支撐AI應(yīng)用落地的平臺(tái)。這也正是OceanBase努力的方向。

OceanBase做了什么？

當(dāng)大多數(shù)企業(yè)仍在爭(zhēng)奪AI算法和應(yīng)用的流量入口時(shí)，作為數(shù)據(jù)庫(kù)廠商，OceanBase選擇回到源頭，重新審視AI發(fā)展的最底層——數(shù)據(jù)基座。他們沒(méi)有追風(fēng)口，而是悄悄打地基。現(xiàn)在，這條路終于開(kāi)始顯露出價(jià)值。

一個(gè)月前，OceanBase公布了自成立以來(lái)最大的一次戰(zhàn)略升級(jí)。他們提出“Data × AI”戰(zhàn)略，從組織架構(gòu)、技術(shù)體系、產(chǎn)品路徑三方面同步展開(kāi)，目標(biāo)很明確：成為AI時(shí)代最堅(jiān)實(shí)的數(shù)據(jù)底座。

1. 從組織上重投AI

2025年4月，OceanBase CEO楊冰發(fā)出一封內(nèi)部全員信，正式宣布公司全面進(jìn)入AI時(shí)代。為了確保戰(zhàn)略落地，他們沒(méi)有僅僅喊口號(hào)，而是動(dòng)了“筋骨”——組織重構(gòu)、人才布局圍繞AI展開(kāi)。

CTO楊傳輝被任命為AI戰(zhàn)略一號(hào)位，全面統(tǒng)籌技術(shù)方向。

成立AI平臺(tái)與應(yīng)用部、AI引擎組，從底層引擎到上層平臺(tái)分工明確。

原有開(kāi)發(fā)工具團(tuán)隊(duì)（ODC、OAS）并入AI平臺(tái)部，集中力量打造RAG框架、知識(shí)庫(kù)、AI服務(wù)等核心能力。

組織上的調(diào)整，意味著這不只是一個(gè)“試水項(xiàng)目”，而是OceanBase對(duì)AI的深度承諾。螞蟻集團(tuán)也表態(tài)，支持OceanBase攻堅(jiān)AI關(guān)鍵場(chǎng)景，配合其技術(shù)演進(jìn)。這種“自上而下”的投入，正是大多數(shù)技術(shù)公司在AI時(shí)代轉(zhuǎn)型中所缺失的。

2. 技術(shù)棧升級(jí)，將“一體化”走到底

如果說(shuō)組織重構(gòu)是戰(zhàn)略框架，那技術(shù)演進(jìn)就是它的“肌肉和骨骼”。OceanBase在架構(gòu)設(shè)計(jì)上沒(méi)有選擇模塊化的“拼湊式”方案，而是堅(jiān)持最難走的一條路——從第一天就強(qiáng)調(diào)“一體化”。

這套“難而正確”的選擇，如今成了OceanBase在AI時(shí)代的最大優(yōu)勢(shì)。

多模融合存儲(chǔ)：OceanBase打通了行存、列存、KV、文檔、向量、倒排等六種存儲(chǔ)模式，讓結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)可以在同一平臺(tái)統(tǒng)一管理。這是AI場(chǎng)景中數(shù)據(jù)雜亂、來(lái)源多樣的最佳解法。

向量技術(shù)突破：向量性能是AI落地的重要基石，經(jīng)過(guò)跑分測(cè)試，OceanBase的向量性能已經(jīng)達(dá)到開(kāi)源業(yè)內(nèi)的領(lǐng)先水平，此外OceanBase自研HNSW + BQ量化算法，在保證召回率和性能的基礎(chǔ)上，將向量場(chǎng)景的內(nèi)存成本降低了95%。這意味著企業(yè)可以用更低成本處理大規(guī)模AI檢索任務(wù)。

SQL + AI混合檢索能力：通過(guò)內(nèi)核級(jí)集成的向量引擎與傳統(tǒng)SQL查詢(xún)引擎，OceanBase實(shí)現(xiàn)了結(jié)構(gòu)數(shù)據(jù)與向量數(shù)據(jù)的混合檢索，查詢(xún)效率與精度同步提升。同時(shí)支持自然語(yǔ)言查詢(xún)、智能SQL生成等能力，讓開(kāi)發(fā)者無(wú)需懂復(fù)雜算法，也能搭建AI應(yīng)用。

JSON壓縮能力領(lǐng)先MongoDB三倍：針對(duì)AI中大量產(chǎn)生的半結(jié)構(gòu)化JSON數(shù)據(jù)，OceanBase提供了深度壓縮能力，在TPC-H標(biāo)準(zhǔn)測(cè)試中，壓縮效率可達(dá)MongoDB的3倍。這在企業(yè)真實(shí)場(chǎng)景中，意味著數(shù)據(jù)存儲(chǔ)成本的大幅降低。

這些技術(shù)細(xì)節(jié)不是炫技，而是實(shí)打?qū)嵉墓こ棠芰Α沁@套從底層到上層的能力積累，讓OceanBase成為AI落地過(guò)程中少數(shù)能接住“潑天流量”的數(shù)據(jù)庫(kù)產(chǎn)品。

3. 產(chǎn)品創(chuàng)新的腳步也沒(méi)停下來(lái)，發(fā)布PowerRAG、AI一體機(jī)、共享存儲(chǔ)

技術(shù)之外，OceanBase也在產(chǎn)品層面迅速“出招”。其中，PowerRAG、共享存儲(chǔ)，就是其最新的成果。

先看看PowerRAG，這是一款開(kāi)箱即用的RAG（Retrieval-Augmented Generation）應(yīng)用開(kāi)發(fā)框架。傳統(tǒng)RAG開(kāi)發(fā)門(mén)檻高、流程復(fù)雜，而OceanBase將文檔處理、數(shù)據(jù)索引、檢索、生成等能力模塊化封裝，只需簡(jiǎn)單調(diào)用接口，企業(yè)就能快速構(gòu)建自己的問(wèn)答系統(tǒng)、智能助手或知識(shí)圖譜。

OceanBase同時(shí)還發(fā)布“共享存儲(chǔ)”產(chǎn)品，該產(chǎn)品將對(duì)象存儲(chǔ)與事務(wù)型數(shù)據(jù)庫(kù)（TP）深度集成，打破了傳統(tǒng)數(shù)據(jù)庫(kù)對(duì)本地磁盤(pán)和云盤(pán)的依賴(lài)，實(shí)現(xiàn)了計(jì)算與存儲(chǔ)的解耦。通過(guò)這種方式，OceanBase大幅提升了云上數(shù)據(jù)存儲(chǔ)的彈性擴(kuò)展能力，同時(shí)在TP負(fù)載下，存儲(chǔ)成本最高可降低50%。

這些產(chǎn)品是OceanBase從做“數(shù)據(jù)庫(kù)”，走向AI時(shí)代“數(shù)據(jù)底座”的能力延展。他們守住數(shù)據(jù)與AI融合的關(guān)鍵一環(huán)，用更少的工程成本、更高的數(shù)據(jù)效率，讓AI真正落地。

OceanBase樹(shù)立了一個(gè)

怎樣的“風(fēng)向標(biāo)”？

在一場(chǎng)被模型參數(shù)和GPU算力主導(dǎo)的AI競(jìng)賽中，OceanBase顯得有些“逆勢(shì)”。它不追爆款應(yīng)用，也沒(méi)有推出自己的大模型。它做的是最不顯眼，卻也最不可或缺的一塊——重塑AI時(shí)代的數(shù)據(jù)基礎(chǔ)設(shè)施。

☆從“存儲(chǔ)”到“底座”，數(shù)據(jù)庫(kù)的角色正在重寫(xiě)

過(guò)去，數(shù)據(jù)庫(kù)是IT系統(tǒng)的中間環(huán)節(jié)，用于存儲(chǔ)業(yè)務(wù)數(shù)據(jù)，支撐事務(wù)處理。它的重要性被默認(rèn)為“理所當(dāng)然”，卻很少被放到AI敘事的C位。但AI時(shí)代改變了一切。

今天，大模型不是孤立運(yùn)行的，它需要依賴(lài)高質(zhì)量的數(shù)據(jù)進(jìn)行訓(xùn)練、微調(diào)和推理。生成式AI看似依賴(lài)算力和算法，實(shí)際上，誰(shuí)能提供穩(wěn)定、可控、結(jié)構(gòu)清晰的數(shù)據(jù)輸入，誰(shuí)就掌握了AI真正的底盤(pán)。

OceanBase清楚地意識(shí)到了這一點(diǎn)。它不只是把數(shù)據(jù)庫(kù)變“快”或者變“智能”，它正在讓數(shù)據(jù)庫(kù)從一個(gè)“信息容器”，變成一個(gè)具備計(jì)算、理解、推理能力的AI基礎(chǔ)設(shè)施。這種轉(zhuǎn)變，才是真正AI Ready的底座。

☆一體化，不只是口號(hào)，而是工程哲學(xué)

無(wú)論是多模融合的存儲(chǔ)引擎，還是支持TP/AP/AI混合負(fù)載的查詢(xún)能力，OceanBase始終堅(jiān)持“一體化”的技術(shù)哲學(xué)。

這條路極其難走：它要求從產(chǎn)品架構(gòu)層就開(kāi)始統(tǒng)一設(shè)計(jì)，不能像傳統(tǒng)方案那樣“拼接”不同模塊。它意味著技術(shù)團(tuán)隊(duì)要在同一內(nèi)核中解決多種負(fù)載的資源調(diào)度、性能瓶頸、數(shù)據(jù)一致性等難題。這是多數(shù)數(shù)據(jù)庫(kù)廠商回避的挑戰(zhàn)，也是OceanBase選擇的路線。

為什么要堅(jiān)持？CTO楊傳輝的解釋很簡(jiǎn)單：“用戶(hù)需要的不是一個(gè)個(gè)孤島，而是一套能跑通全流程的系統(tǒng)。” 在AI場(chǎng)景里，數(shù)據(jù)訓(xùn)練、推理、檢索、反饋是閉環(huán)流程，分裂的系統(tǒng)只會(huì)帶來(lái)更高的成本和更差的體驗(yàn)。而一體化，則意味著低成本、高效率、高一致性的“全鏈路數(shù)據(jù)支撐能力”。

如今，不止OceanBase，越來(lái)越多云服務(wù)商、數(shù)據(jù)庫(kù)廠商也開(kāi)始轉(zhuǎn)向“統(tǒng)一架構(gòu)”“混合負(fù)載”“多模一體”的技術(shù)路線。OceanBase快人一步，用實(shí)際產(chǎn)品提前驗(yàn)證了這條路的可行性。

☆數(shù)據(jù)底座，是國(guó)產(chǎn)技術(shù)的新賽道

作為100%根自研的國(guó)產(chǎn)數(shù)據(jù)庫(kù)，OceanBase是中國(guó)首個(gè)打破TPC-C、TPC-H權(quán)威測(cè)試世界紀(jì)錄的數(shù)據(jù)庫(kù)，是少數(shù)能在核心金融級(jí)業(yè)務(wù)中承壓運(yùn)營(yíng)的產(chǎn)品之一，如今又致力于打造AI時(shí)代兼顧性能與性?xún)r(jià)比的數(shù)據(jù)底座。更重要的是，它不是一個(gè)“單點(diǎn)突破”的產(chǎn)品，而是在完整產(chǎn)業(yè)鏈條上建立能力閉環(huán)的解決方案提供者。

這對(duì)于中國(guó)科技生態(tài)非常有借鑒價(jià)值。過(guò)去我們習(xí)慣在應(yīng)用層突破，在模型層追趕，但在數(shù)據(jù)基礎(chǔ)設(shè)施這一層，依然存在不小的技術(shù)空白。而OceanBase用15年走出的路徑，提供了一種可能——從最底層打磨出一套中國(guó)人自己的AI基礎(chǔ)設(shè)施。

☆引領(lǐng)行業(yè)生態(tài)“去模型中心化”，讓人們看到模型、算力之外的底層設(shè)施

今天我們談AI，談模型，談AGI的想象力，但如果沒(méi)有像OceanBase這樣重新建構(gòu)底層基礎(chǔ)設(shè)施的企業(yè)，這一切想象都將難以落地。模型的上限，永遠(yuǎn)取決于數(shù)據(jù)的下限；AI的高度，終將由底座的厚度決定。

在接下來(lái)的幾年里，我們還會(huì)看到更多模型參數(shù)、更多推理框架、更強(qiáng)的開(kāi)源社區(qū)。但同時(shí)，也會(huì)有越來(lái)越多的人開(kāi)始意識(shí)到：“未來(lái)不只是屬于算法、算力更強(qiáng)的人，還屬于數(shù)據(jù)根基更深的人。”

而OceanBase這樣的國(guó)產(chǎn)數(shù)據(jù)庫(kù)廠商，正在成為那個(gè)深挖地基的人。當(dāng)然，這樣的廠商并不只是OceanBase，還有無(wú)數(shù)廠商正在摸索前行。