智東西
作者 程茜
編輯 漠影

生成式AI時代究竟該如何構(gòu)建數(shù)據(jù)庫？

智東西5月20日報道，剛剛過去的周六，OceanBase 2025開發(fā)者大會上，我們找到了這家數(shù)據(jù)庫廠商的答案——一體化數(shù)據(jù)底座。

OceanBase CEO楊冰說：“一體化數(shù)據(jù)底座指的是希望通過一體化產(chǎn)品、一體化引擎，同時處理OLTP、OLAP以及AI的混合負載。”

他們想要最終解決的難題就是AI的大爆發(fā)時代，數(shù)據(jù)庫應(yīng)當(dāng)如何更好地存儲、處理數(shù)據(jù)，從而更好地適應(yīng)新時代需要，謀求更長遠發(fā)展。

當(dāng)下，企業(yè)的數(shù)據(jù)存儲與處理正面臨前所未有的挑戰(zhàn)。一方面，大模型訓(xùn)練、實時推理等場景產(chǎn)生的海量異構(gòu)數(shù)據(jù)，要求存儲系統(tǒng)具備極高的容量彈性與跨模態(tài)管理能力；另一方面，數(shù)據(jù)處理需兼顧事務(wù)處理的實時性、分析決策的高效性及AI任務(wù)的復(fù)雜計算需求。

然而，傳統(tǒng)數(shù)據(jù)基礎(chǔ)設(shè)施與生成式AI下的數(shù)據(jù)需求割裂，產(chǎn)業(yè)亟需能整合多模態(tài)數(shù)據(jù)處理、海量數(shù)據(jù)處理等特征，并深度融合AI能力的新型數(shù)據(jù)底座。

在此背景下，國產(chǎn)數(shù)據(jù)庫的主力玩家OceanBase，已經(jīng)在數(shù)據(jù)庫轉(zhuǎn)型之路上率先突圍：宣布全面擁抱AI，打造“Data×AI”核心能力、啟動人才和組織體系升級，并圍繞一體化數(shù)據(jù)底座為核心發(fā)布首款面向AI的應(yīng)用產(chǎn)品PowerRAG。

開發(fā)者大會同天，智東西等媒體與OceanBase CEO楊冰、CTO楊傳輝進行了深入交流，試圖探尋這家數(shù)據(jù)庫主力廠商在AI時代的核心競爭力。

一、從Data Infra向Data×AI Infra躍遷，數(shù)據(jù)在AI時代的角色將如何重塑？

數(shù)據(jù)的特征會直接影響模型的性能、泛化能力和應(yīng)用效果，但伴隨著AI的發(fā)展，數(shù)據(jù)衍生出一系列亟待突破的全新挑戰(zhàn)。螞蟻集團CTO何征宇提到了四大挑戰(zhàn)。

作為大模型訓(xùn)練基石的互聯(lián)網(wǎng)公開數(shù)據(jù)即將枯竭，未來獲取高質(zhì)量數(shù)據(jù)的成本將逐步攀升。

嚴謹?shù)男袠I(yè)數(shù)據(jù)稀缺且流動困難，存在三重特征：數(shù)字化進程滯后、數(shù)據(jù)質(zhì)量要求嚴苛、核心數(shù)字化知識沉淀不足。

多模態(tài)數(shù)據(jù)需要更強處理能力。未來越來越多的數(shù)據(jù)需要包含視覺、觸覺、本體感覺和音頻等諸多信息。

數(shù)據(jù)的質(zhì)量評估難。評估的質(zhì)量決定模型質(zhì)量，但現(xiàn)有數(shù)據(jù)與模型質(zhì)量評估方式，難以指導(dǎo)大模型訓(xùn)練擺脫“訓(xùn)模如煉丹”的窘境。

對于數(shù)據(jù)的重要性，何征宇一針見血指出：“數(shù)據(jù)的邊界決定了大模型的能力上限，所有的數(shù)據(jù)公司都將成為AI公司。”

與此同時，數(shù)據(jù)量的增長仍在突飛猛進。IDC預(yù)測到2028年，受生成式AI等技術(shù)驅(qū)動，全球新生成數(shù)據(jù)量規(guī)模將達到393.9ZB，其中企業(yè)數(shù)據(jù)規(guī)模和增速尤為凸顯，全球企業(yè)級數(shù)據(jù)的數(shù)據(jù)量較2023年整體增長在400%以上。

可以看到，數(shù)據(jù)在AI時代的角色正在被重塑。正如楊冰所說，如今數(shù)據(jù)基礎(chǔ)設(shè)施不僅要實現(xiàn)“物理變化”，如支撐海量數(shù)據(jù)存儲、可擴展性等突破存儲、計算的瓶頸，還要發(fā)生“化學(xué)變化”，如支持知識的學(xué)習(xí)、獲取，支持應(yīng)用的推理以及決策。

因此，AI正驅(qū)動數(shù)據(jù)基礎(chǔ)設(shè)施Data Infra向“數(shù)據(jù)×AI”的融合架構(gòu)Data×AI Infra躍遷。

在生成式AI應(yīng)用爆發(fā)之際，傳統(tǒng)的數(shù)據(jù)基礎(chǔ)設(shè)施的轉(zhuǎn)型顯得更為急迫。IDC軟件市場研究經(jīng)理李凌霄提到，數(shù)據(jù)基礎(chǔ)設(shè)施目前的負載割裂、云環(huán)境割裂、多模態(tài)割裂、技術(shù)債務(wù)正阻礙生成式AI落地。

傳統(tǒng)TP+AP環(huán)境會造成長數(shù)據(jù)鏈條資源消耗、負載需求，無法在生成式AI場景下?lián)碛袑崟r支撐能力以及充分的計算資源；同時企業(yè)在不同云平臺間的數(shù)據(jù)交互、加工、治理割裂；傳統(tǒng)場景下專庫專用的架構(gòu)做異構(gòu)數(shù)據(jù)間聯(lián)合查詢時，會造成性能消耗和響應(yīng)延遲；企業(yè)需要在生成式AI時代，保持、延續(xù)其此前基礎(chǔ)設(shè)施架構(gòu)的完整。

其中，2023年隨著大模型發(fā)展而爆發(fā)的向量數(shù)據(jù)庫，曾因擅長處理非結(jié)構(gòu)化數(shù)據(jù)被視為企業(yè)最大化發(fā)揮數(shù)據(jù)價值的關(guān)鍵工具，但如今其難以獨立解決復(fù)雜業(yè)務(wù)問題的弊端愈發(fā)凸顯。

諸多企業(yè)實現(xiàn)向量融合的方式是在現(xiàn)有數(shù)據(jù)基礎(chǔ)設(shè)施之上融合向量插件，很少會選擇獨立部署。楊傳輝提到，向量數(shù)據(jù)庫是一個臨時態(tài)，因為用戶在查詢時往往會涉及向量、標(biāo)量等混合數(shù)據(jù)，獨立的向量數(shù)據(jù)庫未來會被替代。

在大模型落地行至關(guān)鍵機遇期，數(shù)據(jù)和大模型能力如何融合，成為數(shù)據(jù)庫領(lǐng)域企業(yè)決勝AI時代的核心競爭力分水嶺。深耕數(shù)據(jù)庫領(lǐng)域的OceanBase已經(jīng)先行一步，開始探索構(gòu)建適配AI時代的數(shù)據(jù)底座新范式。

二、兩大思路加速一體化數(shù)據(jù)庫轉(zhuǎn)型，首發(fā)AI產(chǎn)品PowerRAG

擁抱AI已經(jīng)成為千行百業(yè)共識，一貫秉持穩(wěn)扎穩(wěn)打理念的OceanBase于今年4月底，宣布全面進入AI時代。

彼時，OceanBase CEO楊冰發(fā)布全員信，宣布要打造“Data×AI”核心能力，加速打造AI時代數(shù)據(jù)底座。

具體來看，OceanBase的Data×AI戰(zhàn)略的關(guān)鍵是要實現(xiàn)數(shù)據(jù)與AI的融合，而一體化數(shù)據(jù)底座就是一體化數(shù)據(jù)庫的延伸，其核心仍然是能不能做好數(shù)據(jù)處理。

其背后的考量一直是以用戶需求出發(fā)。AI時代對于數(shù)據(jù)處理的兩個顯著需求是：高質(zhì)量、海量數(shù)據(jù)以及混合負載。楊傳輝說，AI應(yīng)用出現(xiàn)使得工作負載邊界逐漸模糊，其無法嚴格區(qū)分向量、標(biāo)量數(shù)據(jù)，開發(fā)者的需求也隨之變化：他們希望在一套引擎里直接通過一條SQL處理所有工作負載。

這恰恰是OceanBase的核心優(yōu)勢所在。OceanBase除了能夠支持OLTP和OLAP傳統(tǒng)數(shù)據(jù)庫工作負載，還能支持AI領(lǐng)域工作負載，如半結(jié)構(gòu)化數(shù)據(jù)JSON處理、向量數(shù)據(jù)庫、混合檢索以及RAG能力等。

從宏觀角度來看，這些技術(shù)積淀為數(shù)據(jù)與模型的一體化融合提供了基礎(chǔ)，成為大模型落地產(chǎn)生價值的關(guān)鍵所在。

還是從需求出發(fā)，數(shù)據(jù)和模型實現(xiàn)融合需要解決的有兩大問題：數(shù)據(jù)處理和模型本身的準(zhǔn)確性、成本、行業(yè)適配性等。在此基礎(chǔ)上，OceanBase進一步將打造“Data×AI”核心能力細化為兩方面工作：

一方面是要將數(shù)據(jù)融入模型里，希望通過提高數(shù)據(jù)質(zhì)量、結(jié)構(gòu)化程度，提升模型準(zhǔn)確度、推理效率，讓小模型也能有大效果，同時降低推理成本；

另一方面是希望將AI原生集成到數(shù)據(jù)庫中，楊傳輝闡述說這有兩種融合方式，一是較為直觀的在數(shù)據(jù)庫里通過類似AI function方式直接集成大模型能力，另一種是實現(xiàn)SQL+AI的混合計算，分析、問答一體完成，這樣的融合需要較長的時間來實現(xiàn)。

關(guān)于一體化數(shù)據(jù)底座布局的考量，OceanBase在產(chǎn)品層面首發(fā)了面向AI的應(yīng)用產(chǎn)品PowerRAG，為開發(fā)者打造AI驅(qū)動的開箱即用RAG服務(wù)。

楊傳輝說，他們首要解決的是“能用”問題，通過RAG方式提升大模型準(zhǔn)確率，再逐步從“可用”推進到“好用”，使得AI應(yīng)用走向?qū)嶋H生產(chǎn)場景。

傳統(tǒng)的搭建RAG服務(wù)方案存在開發(fā)周期長、維護成本高、灰箱調(diào)試困難、性能難以優(yōu)化等問題。打通應(yīng)用開發(fā)數(shù)據(jù)層、平臺層、接口層與應(yīng)用層全流程的PowerRAG，可以提供Document（文檔）和 Chat（對話）兩個核心API接口，使得用戶可以快速實現(xiàn)文檔知識庫、智能對話、圖像比對、數(shù)據(jù)分析等多種AI應(yīng)用場景的開發(fā)。

這只是OceanBase在應(yīng)用層面探索的第一步。未來，OceanBase將逐漸形成從算力、基礎(chǔ)設(shè)施，到平臺層、應(yīng)用層、交付形態(tài)的一體化數(shù)據(jù)底座全方位布局。

三、15年積淀，企業(yè)級分布式數(shù)據(jù)庫能力已打下基礎(chǔ)

這個勢頭正猛的國產(chǎn)數(shù)據(jù)庫主力，經(jīng)過15年的磨礪，已經(jīng)淬煉出獨特的Data×AI Infra方法論，構(gòu)建起智能時代的核心競爭力。

成立自2010年的OceanBase，是螞蟻集團100%自研的原生分布式數(shù)據(jù)庫，目前支持支付寶全部核心賬務(wù)、核心支付系統(tǒng)，連續(xù)十余年穩(wěn)定支撐雙十一的高并發(fā)場景。

如今OceanBase取得的成績可以用這幾個數(shù)據(jù)加以概括：IDC發(fā)布的《2024年上半年中國分布式事務(wù)數(shù)據(jù)庫軟件市場跟蹤報告》顯示，OceanBase占據(jù)獨立數(shù)據(jù)庫市場份額第一、市場整體第四；楊冰透露，目前OceanBase社區(qū)已經(jīng)擁有超2.5萬名開發(fā)者，突破100萬下載次數(shù)、可統(tǒng)計的開源集群數(shù)超5萬個。

OceanBase已通過橫向擴展的技術(shù)底座構(gòu)建起符合AI時代技術(shù)能力的技術(shù)基礎(chǔ)，同時以縱向深化的高性能數(shù)據(jù)處理基準(zhǔn)，為打造AI時代的一體化數(shù)據(jù)底座積勢。

從技術(shù)底座的布局看，OceanBase最基本的企業(yè)級分布式數(shù)據(jù)庫能力，為AI時代的海量數(shù)據(jù)處理分析打下基礎(chǔ)。同時，其同步推進向量性能、混合檢索等支持AI應(yīng)用落地的核心基礎(chǔ)設(shè)施發(fā)展。

從性能表現(xiàn)看，OceanBase的性能已經(jīng)達到開源向量數(shù)據(jù)庫業(yè)界領(lǐng)先水平。楊傳輝現(xiàn)場演示對比了OceanBase與業(yè)界主流的3款開源向量數(shù)據(jù)庫，結(jié)果顯示，OceanBase的跑分超過其他三大業(yè)界主流開源向量數(shù)據(jù)庫。

此外，在處理海量數(shù)據(jù)方面，OceanBase引入BQ量化算法，OceanBase的測試結(jié)果顯示，在同等召回率與性能的情況下，引入該算法（HNSW+BQ）能夠?qū)崿F(xiàn)內(nèi)存成本較HNSW降低 95%。

為幫助用戶降低AI場景中常見的半結(jié)構(gòu)化數(shù)據(jù)存儲成本，OceanBase引入針對JSON半結(jié)構(gòu)化數(shù)據(jù)的壓縮能力。經(jīng)OceanBase測試， OceanBase在TPC-H 10G數(shù)據(jù)集上JSON壓縮比可達MongoDB的3倍。

同時，在技術(shù)布局的前瞻構(gòu)建與用戶需求的精準(zhǔn)洞察之外，OceanBase宣布了全維度擁抱AI的戰(zhàn)略決斷，并且即刻啟動組織效能革新與人才結(jié)構(gòu)升級的雙輪驅(qū)動。

OceanBase CTO楊傳輝擔(dān)任AI戰(zhàn)略一號位，全面統(tǒng)籌AI戰(zhàn)略制定和技術(shù)產(chǎn)品落地，同時成立AI平臺與應(yīng)用部、AI引擎組等，將形成AI時代從一體化存儲到一體化計算的全方位布局。

全面進入AI時代背后，是OceanBase打造AI時代一體化數(shù)據(jù)底座的技術(shù)底氣與信心。

結(jié)語：OceanBase全面擁抱AI，數(shù)據(jù)庫轉(zhuǎn)型已先行一步

隨著AI發(fā)展，數(shù)據(jù)庫在智能生態(tài)中承載的能力正經(jīng)歷顛覆性變革，從傳統(tǒng)的數(shù)據(jù)存儲容器蛻變?yōu)轵?qū)動AI全流程的智能引擎。

數(shù)據(jù)庫企業(yè)正以主動變革的姿態(tài)，將技術(shù)迭代轉(zhuǎn)化為AI時代的增長引擎。OceanBase希望由“數(shù)據(jù)庫”向“數(shù)據(jù)底座”演進，形成全方位、一體化處理這些問題的解決方案，為AI時代的企業(yè)解決數(shù)據(jù)處理難題。