文｜白 鴿

編｜王一粟

生成式AI對(duì)世界的雕刻，在數(shù)據(jù)上體現(xiàn)得淋漓盡致。

隨著AI大模型時(shí)代的到來(lái)，非結(jié)構(gòu)化數(shù)據(jù)（圖片、音視頻等）比重日益增加。IDC數(shù)據(jù)顯示，2025年非結(jié)構(gòu)化數(shù)據(jù)已經(jīng)占據(jù)整個(gè)已知數(shù)據(jù)的90%以上。

為了讓AI更好地識(shí)別和理解這些數(shù)據(jù)，一場(chǎng)圍繞數(shù)據(jù)的“向量化”革命正在悄然展開。

以最重要的搜索場(chǎng)景為例，Data x AI時(shí)代企業(yè)的需求正在發(fā)生變化。過(guò)去，搜索只需要做好全文檢索、結(jié)構(gòu)化搜索分詞等“關(guān)鍵詞搜索”，但現(xiàn)在的用戶需求已經(jīng)變成了向量搜索、語(yǔ)義搜索、多模態(tài)混合搜索等等，“猜你要搜”“圖片搜索”都成了常態(tài)。

舉個(gè)最簡(jiǎn)單的例子，之前我們手機(jī)相冊(cè)找照片，不能用關(guān)鍵詞搜索，就算用戶體驗(yàn)最好的蘋果手機(jī)，也最多只能按“人臉識(shí)別”的人物分類。但現(xiàn)在我們都可以用關(guān)鍵詞來(lái)尋找照片，本質(zhì)上，就是圖片在數(shù)據(jù)層面，做到了“向量化”。

這個(gè)看似細(xì)微的變化，卻是在數(shù)據(jù)層面足夠掀起一場(chǎng)巨浪的蝴蝶效應(yīng)。

OceanBase（以下簡(jiǎn)稱OB）CTO楊傳輝認(rèn)為，AI對(duì)數(shù)據(jù)庫(kù)的改變正在呈現(xiàn)在兩個(gè)方面：

Bring Data to Al：通過(guò)數(shù)據(jù)提升準(zhǔn)確度，讓大模型更加準(zhǔn)確，降低推理成本；

Bring Al to Data：將AI集成到數(shù)據(jù)庫(kù)，實(shí)現(xiàn)SOL+AI混合計(jì)算，產(chǎn)生化學(xué)反應(yīng)。

數(shù)據(jù)不僅影響著大模型性能，AI也在讓數(shù)據(jù)庫(kù)本身實(shí)現(xiàn)升級(jí)。而數(shù)據(jù)庫(kù)的AI能力升級(jí)，也加速推動(dòng)在RAG等場(chǎng)景中的應(yīng)用落地。

這場(chǎng)雙向改變的化學(xué)反應(yīng)，讓未來(lái)的數(shù)據(jù)庫(kù)，成為一個(gè)一體化的智能數(shù)據(jù)底座。

因此，今年5月，OB正式宣布面向AI時(shí)代的到來(lái)，要從一體化數(shù)據(jù)庫(kù)轉(zhuǎn)型成為“一體化AI 數(shù)據(jù)底座”。而這次變革中，OB的云上數(shù)據(jù)庫(kù)OB Cloud成為先鋒軍。

畢竟，云天然就是適配AI，因?yàn)锳I這種海量非結(jié)構(gòu)化為主的數(shù)據(jù)，就是需要一個(gè)高傳輸、低延時(shí)的反饋，云上的分布式數(shù)據(jù)庫(kù)更適合。

一個(gè)企業(yè)的AI轉(zhuǎn)型，從搜索增強(qiáng)開始

“不知道怎么用AI，就先用知識(shí)庫(kù)做一個(gè)Agent助手。”

而做Agent助手，就離不開離知識(shí)庫(kù)最近的RAG（搜索增強(qiáng)）。所以近兩年，RAG成了企業(yè)級(jí)AI落地開始的地方。

成立26年的零售科技公司伯俊科技，做AI轉(zhuǎn)型時(shí)，第一個(gè)階段搭建的就是用RAG做的AI工具——AI通識(shí)助手。

為了不讓這個(gè)AI助手“上線即閑置”，伯俊科技中臺(tái)事業(yè)部總監(jiān)李昊提到，他們調(diào)研了整個(gè)公司，最后針對(duì)四大業(yè)務(wù)場(chǎng)景來(lái)展開功能設(shè)計(jì)。

一是類似于傳統(tǒng)企業(yè)知識(shí)庫(kù)問(wèn)答，主要面向銷售端，基于過(guò)往企業(yè)積累的數(shù)據(jù)，幫助銷售理解公司的規(guī)章制度、產(chǎn)品的過(guò)往記錄以及客戶歷史情況等；

二是針對(duì)后端人員，伯俊科技已經(jīng)沉淀了包括電商、線下零售、B2B等整個(gè)產(chǎn)品知識(shí)體系，基于AI小助手的應(yīng)用，能夠讓后端人員快速了解對(duì)應(yīng)的知識(shí)體系；

三是針對(duì)技術(shù)能力，伯俊科技則基于已經(jīng)沉淀的所有不同產(chǎn)品線之間功能差異點(diǎn)，以及其聚焦的客戶畫像等，可以方便后端同學(xué)快速掌握這些核心信息，同樣對(duì)于交付側(cè)的工作人員，也能夠快速上手，為其提升效率；

四則是針對(duì)運(yùn)維同學(xué)，伯俊科技通過(guò)將客戶過(guò)往的問(wèn)題，包括過(guò)程中溝通的QA，全部以知識(shí)庫(kù)的形式反哺給運(yùn)維同學(xué)，極大的提升了客戶運(yùn)維的響應(yīng)時(shí)效性，提升客服服務(wù)體驗(yàn)。

除此之外，企業(yè)也會(huì)隨著數(shù)據(jù)能力的深化，慢慢解決更多業(yè)務(wù)問(wèn)題。“伯俊科技通過(guò)使用OB Cloud來(lái)解決了企業(yè)知識(shí)庫(kù)沉淀的問(wèn)題，未來(lái)它還會(huì)將數(shù)據(jù)庫(kù)的能力，逐步延伸至企業(yè)文件導(dǎo)購(gòu)、AI配貨能力等企業(yè)核心業(yè)務(wù)上。”

事實(shí)上，在企業(yè)場(chǎng)景中，想要搭建一個(gè)RAG場(chǎng)景，至少需要構(gòu)建兩個(gè)層面：

一個(gè)是底層的數(shù)據(jù)庫(kù)平臺(tái)，包括向量數(shù)據(jù)庫(kù)、文本數(shù)據(jù)庫(kù)等，如果往復(fù)雜里說(shuō)，可能還需要地理關(guān)系數(shù)據(jù)庫(kù)、關(guān)系型數(shù)據(jù)庫(kù)等支撐，“這就會(huì)導(dǎo)致整個(gè)數(shù)據(jù)底座非常復(fù)雜，團(tuán)隊(duì)的運(yùn)維成本也會(huì)非常高。”O(jiān)B公有云高級(jí)產(chǎn)品專家馮禮說(shuō)道。

另外，在數(shù)據(jù)底座之上，還需要一個(gè)開發(fā)平臺(tái)，將這些流程串聯(lián)起來(lái)，“很多企業(yè)會(huì)選擇開源產(chǎn)品，或者說(shuō)是基于LangChain和LlamaIndex開源框架來(lái)自己創(chuàng)建，這當(dāng)中會(huì)有大量的集成、調(diào)試、二次開發(fā)的工作。”

這也就意味著，盡管企業(yè)可以通過(guò)開源大模型、向量數(shù)據(jù)庫(kù)與Agent平臺(tái)搭建RAG系統(tǒng)，但實(shí)際開發(fā)過(guò)程中，仍面臨多重挑戰(zhàn)，涉及到多類型文檔的智能識(shí)別與切分、優(yōu)化向量數(shù)據(jù)庫(kù)索引策略以提升檢索效率，以及調(diào)試大語(yǔ)言模型提示詞以確保生成準(zhǔn)確性等。

而OB Cloud之所以能夠快速幫伯俊科技沉淀其知識(shí)庫(kù)產(chǎn)品體系，則主要源于其將上述流程統(tǒng)一封裝打包至一個(gè)產(chǎn)品解決方案中，即OceanBase PowerRAG服務(wù)。

OceanBase PowerRAG服務(wù)集成了常見的知識(shí)庫(kù)、文本檢索、知識(shí)檢索等所需要的所有模塊化解決方案，形成一站式開箱即用的AI解決方案，幫助開發(fā)者精簡(jiǎn)開發(fā)流程，實(shí)現(xiàn)開箱即用。

PowerRAG的能力遠(yuǎn)遠(yuǎn)不止在文檔搜索上，而是能對(duì)文檔的段落結(jié)構(gòu)/表格/圖片采取不同的解析策略，這樣才能增強(qiáng)其文檔解析能力，構(gòu)建AI可理解的知識(shí)源。

基于這些能力，OceanBase PowerRAG已經(jīng)用在多個(gè)企業(yè)真實(shí)場(chǎng)景中。其中，企業(yè)問(wèn)數(shù)場(chǎng)景是比RAG更難做的場(chǎng)景，主要分為三個(gè)階段，包括自然語(yǔ)言處理，NL2SQL，SQL4DATA等。

“OB Cloud目前主要還是在處理自然語(yǔ)言，將其變成RAG化、向量化的這個(gè)階段，未來(lái)我們也會(huì)把后面兩個(gè)階段的能力變成產(chǎn)品，提供給客戶使用。”O(jiān)B公有云事業(yè)部解決方案總監(jiān)戴濤說(shuō)道。

在智能問(wèn)數(shù)場(chǎng)景中，互聯(lián)網(wǎng)百貨公司in銀泰商業(yè)打造了智能問(wèn)數(shù)平臺(tái)，實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)實(shí)時(shí)溯源與查詢解讀，支持門店業(yè)績(jī)深度歸因分析的智能問(wèn)診；同時(shí)構(gòu)建了企業(yè)內(nèi)部知識(shí)庫(kù)，員工可通過(guò)自然語(yǔ)言交互快速查詢公司內(nèi)部制度文檔、服務(wù)條款等，大幅提升管理效率。

可以看到，開箱即用RAG產(chǎn)品已經(jīng)能做不少事情，但它的實(shí)現(xiàn)離不開一個(gè)更基礎(chǔ)的數(shù)據(jù)底座。

向量能力，構(gòu)建AI時(shí)代的數(shù)據(jù)底座

企業(yè)內(nèi)部沉淀的大量數(shù)據(jù)，想要產(chǎn)生價(jià)值，需要先對(duì)數(shù)據(jù)進(jìn)行處理。

“此前我們的業(yè)務(wù)和數(shù)據(jù)不能夠打通，存在大量結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，需要花費(fèi)更多精力在如何處理這些數(shù)據(jù)上，數(shù)據(jù)處理后也很難再花精力賦能業(yè)務(wù)。”李昊說(shuō)道。

事實(shí)上，傳統(tǒng)數(shù)據(jù)庫(kù)更擅長(zhǎng)處理結(jié)構(gòu)化數(shù)據(jù)，“非結(jié)構(gòu)化數(shù)據(jù)，其實(shí)是數(shù)據(jù)庫(kù)一直不擅長(zhǎng)處理的地方。”O(jiān)B資深技術(shù)專家張易說(shuō)道。

因此，想要將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為大模型能夠看懂的數(shù)據(jù)，向量能力則成為了關(guān)鍵。

向量能力主要體現(xiàn)在兩個(gè)方面：

一個(gè)是對(duì)非結(jié)構(gòu)化數(shù)據(jù)的處理上，主要通過(guò)向量嵌入(Embedding)技術(shù)，基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，提取非結(jié)構(gòu)化數(shù)據(jù)里的內(nèi)容和語(yǔ)義，把圖片、視頻等變成特征向量。該技術(shù)能夠?qū)⒃紨?shù)據(jù)從高維度空間映射到低維度空間，將具有豐富特征的多模態(tài)數(shù)據(jù)轉(zhuǎn)換為多維向量數(shù)據(jù)。

“而基于這種嵌入模型的方式，將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為一個(gè)數(shù)據(jù)庫(kù)能夠處理的半結(jié)構(gòu)化數(shù)據(jù)，可以使數(shù)據(jù)庫(kù)更高效。”張易說(shuō)道。

另外一個(gè)核心則在于向量檢索能力。隨著數(shù)據(jù)量的不斷激增，傳統(tǒng)的基于關(guān)鍵字的檢索方法，已經(jīng)無(wú)法滿足用戶對(duì)于檢索精度和速度的需求。因此，向量檢索技術(shù)應(yīng)運(yùn)而生。

具體來(lái)說(shuō)，向量檢索就是在將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為向量之后，通過(guò)使用相似性度量方法來(lái)比較它們之間的相似性，進(jìn)而捕捉數(shù)據(jù)的深層次語(yǔ)義信息，從而提供更為準(zhǔn)確和高效的檢索結(jié)果。

簡(jiǎn)單舉例，如用戶想要查詢北京有什么好吃的，向量檢索就會(huì)自動(dòng)定位與北京、美食、地理位置、店面等所有與其有相關(guān)性的關(guān)鍵詞，而不是只給出北京、美食相關(guān)內(nèi)容。

兩者相結(jié)合的向量能力，構(gòu)成了數(shù)據(jù)庫(kù)的底座能力。但AI時(shí)代的數(shù)據(jù)庫(kù)，卻又不僅局限于向量。

“一般來(lái)說(shuō)，傳統(tǒng)的數(shù)據(jù)庫(kù)大多都是基于MySQL構(gòu)建，但對(duì)于面向企業(yè)生產(chǎn)的數(shù)據(jù)庫(kù)，要的不僅僅是一個(gè)向量能力，而是一個(gè)完整的數(shù)據(jù)庫(kù)技術(shù)棧能力，包括完備的企業(yè)級(jí)能力。”張易說(shuō)道。

因此，基于向量能力，OB Cloud已經(jīng)構(gòu)建了AI數(shù)據(jù)底座的5大核心能力，用張易總結(jié)的話來(lái)說(shuō)，就是“多、快、好、省、創(chuàng)”。

多，是指OB Cloud的一體化架構(gòu)可支持千萬(wàn)、億級(jí)、十億+不同場(chǎng)景向量處理，VSAG向量索引算法具備TOP吞吐量，在同樣召回率0.9下基礎(chǔ)性能對(duì)比中，OB Cloud性能好于milvus，PG-Vector和ES。

快，主要是面向開發(fā)運(yùn)維工程。

傳統(tǒng)向量數(shù)據(jù)庫(kù)是基于API來(lái)做開發(fā)，但這其中面臨著需要跨平臺(tái)，不斷重復(fù)開發(fā)一個(gè)新客戶端，以及API不能夠形象表達(dá)一些查詢語(yǔ)義等問(wèn)題。

因此，OBCloud的一體化架構(gòu)體系，能夠原生支持MySQL的協(xié)議的客戶端，并通過(guò)MySQL協(xié)議可以映射到幾乎所有的多語(yǔ)言客戶端，針對(duì)Python或者Java的客戶來(lái)說(shuō)，還提供專用的客戶端。

好，主要涉及到混合檢索和融合查詢能力。

在解決海量增長(zhǎng)數(shù)據(jù)問(wèn)題中，OBCloud引入了HNSW（基于圖的近似最近鄰搜索算法）+IVF（倒排文件索引方法）混合算法，通過(guò)將增量和存量拆分，并將增量索引與全量索引同步的方式，解決高速增長(zhǎng)數(shù)據(jù)攝入問(wèn)題。

而想要更快地獲得準(zhǔn)確的數(shù)據(jù)，TP和向量的結(jié)合非常普遍。“但現(xiàn)在行業(yè)中對(duì)先算標(biāo)量還是先算向量一直存在爭(zhēng)論，主要是會(huì)面臨丟數(shù)據(jù)的風(fēng)險(xiǎn)。”張易說(shuō)道，“但通過(guò)將向量算法庫(kù)跟數(shù)據(jù)庫(kù)做深度集成，用戶基本就不需要考慮這個(gè)問(wèn)題了。”

另外，想要整體數(shù)據(jù)的召回率更高，現(xiàn)階段主要是向量+全文索引的方式，但張易表示，未來(lái)可能是向量、全文索引再加上稀疏向量，會(huì)讓整個(gè)召回率更高，而這也是后續(xù)OBCloud研發(fā)方向之一。

當(dāng)然，除向量外，OB Cloud具備完整的數(shù)據(jù)庫(kù)能力，包括事務(wù)、數(shù)據(jù)隔離、企業(yè)級(jí)安全、備份恢復(fù)、高可用等，以及完整的工具鏈體系，包括評(píng)估改造、實(shí)時(shí)遷移、開發(fā)管理、運(yùn)維管理、容災(zāi)復(fù)制、安全管理、全生命周期、診斷自治等。

省，則主要是降低海量非結(jié)構(gòu)化數(shù)據(jù)帶來(lái)的存儲(chǔ)成本和性能成本。畢竟，于企業(yè)來(lái)說(shuō)，如果挖掘數(shù)據(jù)的成本要遠(yuǎn)遠(yuǎn)大于數(shù)據(jù)的價(jià)值的話，那么這些數(shù)據(jù)的價(jià)值也就一文不值。

“一旦把大量非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行向量化，會(huì)涉及到存儲(chǔ)成本的極大提升，同時(shí)大量向量查詢也是一個(gè)實(shí)時(shí)行為，企業(yè)需要兼顧海量數(shù)據(jù)的存儲(chǔ)成本和實(shí)時(shí)查詢的性能。”戴濤說(shuō)道。

一方面通過(guò)共享存儲(chǔ)模式，OBCloud的存儲(chǔ)成本較傳統(tǒng)的Shared Nothing架構(gòu)可降低1/2到1/10。另一方面，近期OBCloud還引入了RabitQ技術(shù)，來(lái)解決傳統(tǒng)HNSW算法占用內(nèi)存較多的問(wèn)題。

最為重要的一點(diǎn)在于，相比于其他開源數(shù)據(jù)庫(kù)，OBCloud的向量能力，包括向量算法都是全部自研。

“業(yè)界比較多的向量數(shù)據(jù)庫(kù)底層向量算法是基于開源數(shù)據(jù)庫(kù)，其對(duì)于向量算法的掌控和創(chuàng)新力都沒有辦法達(dá)到基于自研所帶來(lái)的底氣和創(chuàng)新。”張易說(shuō)道。

根據(jù)跑分評(píng)測(cè)，目前整體OB Cloud的向量性能已達(dá)到主流開源數(shù)據(jù)庫(kù)的水平。

除上述提到的RAG產(chǎn)品案例之外，OBCloud還有更大的案例在Agent領(lǐng)域。“OBCloud的一體化架構(gòu)技術(shù)形式非常適合企業(yè)里面使用，幫助其構(gòu)建AI底座，提供混合查詢、標(biāo)量、向量一體化查詢，多模態(tài)交互等能力，幫助企業(yè)更好地處理不同的數(shù)據(jù)。”戴濤說(shuō)道。

目前，OB Cloud向量能力已經(jīng)深入電商零售、互聯(lián)網(wǎng)服務(wù)、物流運(yùn)輸、教育、企業(yè)服務(wù)等眾多行業(yè)領(lǐng)域，并在頭部企業(yè)和創(chuàng)新平臺(tái)的各類AI應(yīng)用場(chǎng)景下持續(xù)驗(yàn)證產(chǎn)品價(jià)值。

至此，深度融入向量能力，但又超出向量數(shù)據(jù)庫(kù)的OB，已經(jīng)構(gòu)建了一個(gè)面向AI時(shí)代的一體化數(shù)據(jù)智能底座。

一體化智能數(shù)據(jù)底座，讓AI從概念走向應(yīng)用

對(duì)企業(yè)AI規(guī)模化的落地，OB建議分三步走：

首先，是先從單場(chǎng)景切入，構(gòu)建企業(yè)0-1的AI能力。比如從企業(yè)知識(shí)庫(kù)小切口切入，便于企業(yè)選擇一些價(jià)值鏈相對(duì)比較高，且利潤(rùn)比較短的場(chǎng)景。

其次，當(dāng)0-1嘗鮮之后，則可以進(jìn)行漸進(jìn)式擴(kuò)展，“我們會(huì)建議企業(yè)從下而上，原因在于，如果企業(yè)里業(yè)務(wù)團(tuán)隊(duì)不懂AI，會(huì)提出非常大而全的AI需求，就很難將業(yè)務(wù)IT化和AI化。”戴濤說(shuō)道。

因此，這一階段需要拉上業(yè)務(wù)團(tuán)隊(duì)，構(gòu)建類似于Design Thinking（基于對(duì)用戶需求理解所做的產(chǎn)品設(shè)計(jì)方法論）的工作坊，幫助業(yè)務(wù)團(tuán)隊(duì)來(lái)找到相關(guān)的ID場(chǎng)景，在這一場(chǎng)景完成小規(guī)模構(gòu)建后，把相關(guān)的需求返給團(tuán)隊(duì)之后，構(gòu)建出最終的AI應(yīng)用，實(shí)現(xiàn)企業(yè)AI落地的1-10建設(shè)。

最后，企業(yè)基于各個(gè)分散的AI業(yè)務(wù)場(chǎng)景，會(huì)形成一個(gè)業(yè)務(wù)中臺(tái)。這個(gè)平臺(tái)需要包括Agent、RAG一體化數(shù)據(jù)庫(kù)等能力，提供給更多的業(yè)務(wù)人員或輕IT人員，實(shí)現(xiàn)短平快的AI創(chuàng)新開發(fā)。

“這就是我們一直說(shuō)要構(gòu)建10-100的階段，完成整個(gè)業(yè)務(wù)和IT的雙輪驅(qū)動(dòng)，最終從AI使能轉(zhuǎn)變?yōu)锳I原生。”戴濤說(shuō)道。

縱觀伯俊科技在AI時(shí)代的轉(zhuǎn)型，可以很明顯看到其整體AI業(yè)務(wù)落地，是從單一場(chǎng)景逐漸擴(kuò)展至業(yè)務(wù)中臺(tái)，從0到1，到10，再到100的過(guò)程。

在AI工具階段，伯俊科技主要做了AI通識(shí)小助手及AI數(shù)據(jù)實(shí)時(shí)分析、互動(dòng)等能力，針對(duì)單一的業(yè)務(wù)場(chǎng)景，去做AI的賦能。而在這一階段之后，伯俊科技開始將AI能力融合到自身核心業(yè)務(wù)場(chǎng)景中，其中一個(gè)關(guān)鍵抓手，就是AI導(dǎo)購(gòu)數(shù)字員工。

基于現(xiàn)有全國(guó)門店缺乏有專業(yè)能力導(dǎo)購(gòu)員等痛點(diǎn)，伯俊科技開發(fā)了會(huì)員成交大模型，該大模型融合了門店在核心商品庫(kù)、會(huì)員畫像及導(dǎo)購(gòu)與客戶溝通話術(shù)語(yǔ)料等數(shù)據(jù)，并最終以AI智能導(dǎo)購(gòu)員的形式，在線下門店場(chǎng)景中落地應(yīng)用。

未來(lái)，隨著越來(lái)越多數(shù)字員工在更多核心場(chǎng)景的落地，企業(yè)也勢(shì)必會(huì)面臨著多智能體協(xié)同管理的問(wèn)題。因此，“未來(lái)不管是企業(yè)有多少個(gè)智能體，我們都希望構(gòu)建一個(gè)智慧大腦，即AI的運(yùn)營(yíng)全托管，并希望借此打通組織間的壁壘。”李昊說(shuō)道。

但李昊也坦言，整個(gè)AI落地過(guò)程中，面臨最大的挑戰(zhàn)，就是數(shù)據(jù)的處理和應(yīng)用。“品牌數(shù)據(jù)已積累完成，但到底這些數(shù)據(jù)要怎么讓AI去用？哪些數(shù)據(jù)能用，哪些不能用？哪些數(shù)據(jù)需要重新來(lái)過(guò)？這個(gè)數(shù)據(jù)的處理過(guò)程相當(dāng)繁瑣。”

也正因此，一個(gè)好的數(shù)據(jù)底座，是能夠真正幫企業(yè)AI落地到核心業(yè)務(wù)中的。

在伯俊科技進(jìn)行企業(yè)AI落地過(guò)程中，OBCloud的一體化數(shù)據(jù)庫(kù)則提供了全流程的支持。

“不管是從一開始的業(yè)務(wù)適配性，還是業(yè)務(wù)的語(yǔ)義化、架構(gòu)的耦合度，以及最終能夠貫穿業(yè)務(wù)的上下游，OB其實(shí)都給予了我們大力支持。”李昊說(shuō)道，“這也就使得我們?cè)谡麄€(gè)知識(shí)庫(kù)搭建，及進(jìn)行大模型業(yè)務(wù)探索時(shí)，更加得心應(yīng)手。”

在OceanBase副總裁兼公有云事業(yè)部總經(jīng)理尹博學(xué)看來(lái)，OB Cloud的AI能力具有4點(diǎn)優(yōu)勢(shì)：

具備天然的一體化架構(gòu)，一套數(shù)據(jù)庫(kù)支持事務(wù)處理（TP）、實(shí)時(shí)分析(AP)、AI工作負(fù)載，用戶面向AI無(wú)需引入額外技術(shù)棧；

多模向量一體化，原生支持向量、標(biāo)量、空間、文本等多模數(shù)據(jù)的混合檢索，簡(jiǎn)化AI應(yīng)用復(fù)雜度；

提供開箱即用的RAG服務(wù)，0門檻構(gòu)建現(xiàn)代RAG應(yīng)用；

Bring AI to Data，一體化架構(gòu)實(shí)現(xiàn)數(shù)據(jù)的新鮮度與智能的實(shí)時(shí)性融合。

“我們也希望通過(guò)OBCloud的這4點(diǎn)能力，最終實(shí)現(xiàn)Bring AI To Data的目標(biāo)，即當(dāng)業(yè)務(wù)在前端產(chǎn)生的時(shí)候，就已經(jīng)為了我們的AI做好準(zhǔn)備。”李昊說(shuō)道。

而這個(gè)過(guò)程中，數(shù)據(jù)庫(kù)作為數(shù)據(jù)的存儲(chǔ)計(jì)算引擎，也正在飛速進(jìn)化。

尹博學(xué)認(rèn)為，“云數(shù)據(jù)庫(kù)與AI天然契合。”

一方面，云數(shù)據(jù)庫(kù)的彈性擴(kuò)展、成本優(yōu)化、高可用等特性，為AI工作負(fù)載提供堅(jiān)實(shí)底座；另一方面，AI對(duì)多模態(tài)數(shù)據(jù)的高效調(diào)用需求，推動(dòng)云數(shù)據(jù)庫(kù)強(qiáng)化向量檢索、多模融合等能力。

與此同時(shí)，隨著云數(shù)據(jù)庫(kù)走向一體化，其和AI的融合，將有助于重塑企業(yè)智能生產(chǎn)力。

作為云數(shù)據(jù)庫(kù)領(lǐng)域的創(chuàng)新者，OB Cloud不只是“可以支持AI”，更是已在多個(gè)真實(shí)業(yè)務(wù)場(chǎng)景中被企業(yè)使用，成為企業(yè)AI應(yīng)用從0到1的現(xiàn)代數(shù)據(jù)底座。也正是憑借著對(duì)AI場(chǎng)景的深度適配和多云原生能力，OB Cloud也正逐漸成為企業(yè)智能化升級(jí)的理想底座。