福布斯中國最佳CEO

對話欄目

達夢數據馮裕才

用40年的“錯誤答案”寫就中國數據庫逆襲史

時代既塑造著個體命運的“河床”，又持續的通過“地質”變遷考驗其結構的穩定性。馮裕才出生于1944年12月，只比任正非小2個月。而這一年也恰巧是中國第一代傳奇民營企業家們呱呱落地的大年，中微公司尹志饒、聯想柳傳志、萬向集團魯冠球等都出生于1944年。

在同輩人中，馮裕才絕對是最大器晚成的那一位。他生平最討厭的一個詞或許叫做“時代的特殊性”，按照他的話來說，“我大半輩子的選擇，都是所謂的不合時宜。”事實上，如果以他經歷的時代中大多數人的選擇為參照系，“特殊的”反而成了他自己。

比如在大學里人人發論文、出國訪問的年紀，他偏偏要帶著學生做產品。80年代，他也曾有過不少機會可以出國讀博，甚至創業，但他又放棄了那些海外拋來的橄欖枝。

再到后來做公司，馮裕才的選擇在當時看來也是“非主流”的。比如達夢最早商業化的數據庫產品DM2就嚴格采用了分布式數據庫構架，這使得公司剛進入市場就顯得有些格格不入。到2000年初，當全球數據庫行業跪拜于開源浪潮時，達夢數據卻頂著巨大的壓力繼續死磕全自研架構，又一次與時代主流相悖。而近幾年，不少互聯網巨頭都開始強調分布式數據庫技術的偉大愿景時，馮裕才卻再次成為了那個不合時宜的人。

他認為：“長遠來看用戶無須關注集中式與分布式架構差異，重點是如何將兩類架構在底層統一，從而簡化開發和運維成本?！瘪T裕才一直以來堅持市場永遠需要不同的聲音，這才可能產生創新的成果。

如果說“時代”這個抽象的詞匯只是大多數人思想和行為的總結，那么有時候，一個人或許就代表了一種潮水流動的方向。過去若干年，他和達夢就像大眾和商界視野外一處不知名的河流，一直朝著自己認為對的方向前進。

馮裕才身上也有著新中國第一代民營企業家才有的特殊共性，比如“極端”的危機意識。與任正非相似，從創業第一天起，掌握“核心技術”就像是寫進馮裕才信仰里面的東西。這與其早年工作經驗密切相關，1978年，他興致勃勃地與20多位老師一同到武漢鋼鐵參加技術學習，但最終卻以一場鬧劇收場。當時武鋼熱軋車間花費巨資從日本引進了一套無人值守管理系統。為防止技術泄密，日本技術人員在調試安裝完設備后，把足足三卡車的技術資料就地銷毀。

馮裕才對福布斯中國稱：“這件事對我刺激很大——日本對中國的技術封鎖態度非常明顯，連小問題都要從日本派專家來解決，成本極高。這讓我清醒地認識到：一個國家不掌握核心技術，就像一個人沒有脊梁；一個企業不掌握核心技術，就像沒有靈魂的軀殼?！?/p>

四十年過去了，時間讓一個剛接觸計算機就喜歡上的年輕人，變成了一個頭發花白的老舵手。但時間卻沒有改變太多馮裕才的技術價值觀。時至今日，他仍然認為開源對于企業經營而言只是一種有效的市場手段，目的是為了降低用戶和開發者了解一項新技術的成本。因此，多年來馮裕才對于公司同事或學生的要求是：面對開源產品的競爭，你得先吃透它，然后忘掉它，最后按照自己的想法做真正創新的東西。

這些要求也成為了達夢在日后應對苛刻市場環境，成功打入不同行業的關鍵。

2008年北京奧運會期間，一場網絡安全攻堅戰悄然打響一首都電網系統遭遇8,939次外部攻擊。

這場數字化攻防戰暴露出不少關鍵隱患，其中最重要的一點就是：當時支撐全國電網調度的Oracle數據庫系統雖性能穩定，但若按傳統方案建設備用系統，僅數據庫采購成本就將飆升至20億元（按國家電網工程師測算8,000套x數十萬/套估算），這還不包括后期運維的巨額投入。

國家電網的破局需求也極具挑戰：既要實現數據庫國產化，又必須確保原應用“零代碼修改”的系統兼容性，更要求供應商在14天測評期限內完成全部遷移適配。面對這道橫亙在成本、效率、安全之間的三元方程，達夢數據依托自主研發的技術沉淀，不僅創紀錄地實現了50萬行PL/SQL代碼十天極速移植，更突破性完成對Oracle專用OCI接口的全兼容開發，最終成為這場“不可能完成”的考試中的唯一按時交付的解題者，也因此打開了能源電力行業的千億級市場大門。

同時，馮裕才堅持的創新方法論也一定程度幫助達夢數據打破了中國IT企業員工“35歲職場焦慮”的魔咒。他嘗試陳述一個事實，即這些與達夢一同成長起來的技術骨干很多已是人到中年，但他們編寫代碼的效率仍然可以比年輕人更高，這得益于在多年實踐中積累的經驗。按照馮裕才的理念，他致力于將公司打造成一個能夠積累人力資本的學習型組織，而不是將開發團隊當做競爭工具。

在《久久為功》這本介紹公司40年科技自立的傳記中，達夢數據首席科學家、總架構師韓朱忠也傾向于認為，即使歷史上幾次生死存亡、破釜沉舟式的產品研發，馮裕才也并沒有像大多數互聯網公司一樣為團隊設置嚴格的周期性績效指標，以促成單位的最大化產出。他們認為，這樣的方式看似有利于提高短期績效，卻不利于高難度的技術積累和創新攻堅。

馮裕才80歲了，如果用一句話來概括他近40年的工作，那就是這位中國最資深的“極客”在本不應該存在中國公司的領域，摸索出了一套頑強的生存哲學，并最終帶領公司突破行業壁壘。

最近幾年，伴隨著人工智能的興起，達夢數據全面調整了戰略定位，馮裕才意識到他們苦等多年的機會可能真的到了。

五月中旬，他在接受福布斯中國采訪時稱：“在數字化轉型的大背景下，雖然關系型數據庫仍將保持主導地位，預計至少占60%以上的市場份額。但同時，我們也看到特種數據庫的崛起趨勢。為此，我們布局了全棧產品戰略：在上海研發基地繼續深耕關系型數據庫，在武漢、北京、蘇州、成都、重慶等研發基地則重點研發數據庫一體機、特種數據庫，如圖數據庫、緩存數據庫、文檔數據庫、時序數據庫等新型產品。特別是在多模態數據庫領域，我們將探索融合關系模型和圖模型的新產品，這可能會帶來突破性的性能優化。”

以下為福布斯中國與馮裕才對話節選：

福布斯中國：我們先從近期的變化談起，2020年公司進行戰略定位重塑，提出要成為全棧數據產品與解決方案供應商。當時您是如何下定決心選擇這條發展路徑的?

馮裕才：

這與行業整體發展趨勢密切相關。當前已進入云計算、大數據與人工智能深度融合的時代，這種技術浪潮正在重塑各個領域，數據庫行業也不例外。即使是甲骨文這樣的國際頂尖企業，也在中美市場遭遇裁員收縮與業績下滑，其根源在于云計算帶來的商業模式變革——從傳統買斷式授權轉向服務租賃模式，這種收費方式的轉變顯著降低了企業成本。

事實上國內市場的反應更為敏銳，早在2020年之前我們就已開始相關布局。需要特別說明的是，我們在大數據技術領域的積累可以追溯到 2006年，那時云計算和大數據概念尚未在國內普及。但到2020年節點，我們清晰感知到人工智能與大數據帶來的需求劇變——傳統關系數據庫主要處理結構化數據，而新時代需要融合處理文本、圖像、音頻等非結構化數據，同時還要滿足圖數據、緩存數據等多元化需求。

正是基于這些行業變革，我們判斷單一產品體系將難以應對未來的復合型挑戰，這種危機意識最終促使我們確立了全棧式發展路線。

福布斯中國：從近兩年的市場表現來看，在行業整體面臨沖擊的情況下，達夢反而實現了逆勢增長。您如何看待這一現象?

馮裕才：

達夢確實可以稱為受益者，但需要客觀看待。目前我們的云數據庫、數據庫一體機等新產品雖然已經開始貢獻營收，但從財務報表來看，傳統數據庫產品仍是主要收入來源。我們認為，在數字化轉型的大背景下，關系型數據庫仍將保持主導地位，預計至少占60%以上的市場份額。

但同時，我們也看到特種數據庫的崛起趨勢。為此我們布局了全棧產品戰略：在上海研發基地繼續深耕關系型數據庫，在武漢、北京、蘇州、成都、重慶等研發基地則重點研發數據庫一體機、特種數據庫，如圖數據庫、緩存數據庫、文檔數據庫、時序數據庫等新型產品。特別是在多模態數據庫領域，我們即將推出融合關系模型和圖模型的新產品，這可能會帶來突破性的性能優化。

我們的優勢在于45年來始終堅持底層技術自主研發，這與很多依賴開源技術的同行形成鮮明對比。當前行業正在加速整合，國際市場上只剩下三家主要商業數據庫廠商而國內近300家企業中，自24年6月達夢數據上市以來就有20余家企業主動尋求與我們開展業務合作或者進行并購整合。這印證了我們的判斷：在大數據、云計算和人工智能時代，單一產品路線的企業將面臨巨大挑戰，而擁有全棧產品能力的企業將更具競爭耐力。

福布斯中國：很多TOB公司仍在虧損，他們對達夢有價值嗎？在中國被并購標的的產品有可能與并購方產品進行交叉銷售嗎?

馮裕才：

我們目前的篩選標準是這樣的，首先不能盲目收購，必須有所選擇。我們的選擇標準主要有兩點：第一是要對達夢的財務指標有貢獻；第二是要對達夢的業務發展有幫助，我們愿意為此投入成本。比如說我們正在與一家專注存儲技術的企業合作，目前我們正在聯合攻關，但具體細節現在還不便透露。

總的來說，達夢已經做好了充分準備。針對前一個問題，我們推出全棧產品就是為了應對這種情況。我們的定位很明確：我們不只是銷售關系數據庫，而是為客戶提供各類數據解決方案。這里要特別說明的是，我們的數據解決方案與一般的解決方案不同，是專注于數據領域的完整產品生態鏈。具體來說，我們向上不做應用開發，向下不做硬件生產，這就是我們的業務邊界。

福布斯中國：很多業內人士認為，中國在這方面并購似乎缺乏相關經驗。您怎么看?

馮裕才：

2012年我帶隊訪問Oracle總部時，發現他們不僅在技術和市場上很成功，在商業并購方面也做得很好。據他們介紹，夸張地說每三天就會并購一家企業，而且主要收購的是生態鏈上的行業龍頭企業，而不是直接競爭對手，就像你提到的，他們通過這種方式實現了產品的交叉銷售。

我們現在也在考慮類似的策略。達夢數據剛進入資本市場，基于對財務收益以及行業影響力的考量，我們希望通過合作將我們的產品與他們的產品打包成行業解決方案來推廣。這樣一方面可以在特定行業擴大影響力，另一方面也能帶來財務收益。這種縱向整合的成功率相對較高風險也較小。

相比之下，橫向并購需要更加謹慎，如果操作不當反而可能拖累自身發展。

福布斯中國：據我所知，中國PE機構前幾年投資的軟件企業似乎都沒有獲得預期回報？

馮裕才：

確實如此。因此我們始終保持審慎態度。雖然目前有20余家企業主動尋求合作，我們都表示歡迎，但在合作方式上會嚴格把控——無論是控股比例還是戰略投資規模等細節都會謹慎評估。預計可能會選擇1-2家進行業務整合。但要達到預期的整合效果，我們前期還有大量的工作需要去完成。

福布斯中國：在團隊建設方面，達夢經歷了不少波折。作為技術型企業家，您是如何選拔人才和搭建人才梯隊的？

馮裕才：

我們在《久久為功》這本書里總結過，曾經走過不少彎路。早期認為空降人才見效快，但實際成功案例很少。我最近讀《基業長青》這本書，企業歷史上成功的外部引進人才不到5%，大部分都需要內部培養。特別是像達夢這樣的高科技企業。

在技術人才方面，達夢的技術路線本身就是很好的培養平臺。從底層開發做起，員工可以深入思考和持續創新這種環境很有利于培養技術骨干，所以我們的人才隊伍很穩定。

在管理人才方面，我現在的要求與老一輩有所不同：必須懂技術。比如負責品牌的劉總就是技術出身，我們的銷售骨干也大多有技術背景。現任董秘曾是我的研究生。我認為高科技企業的管理和銷售人才最好具備技術背景。甲骨文也是這樣，他們的銷售人員如果沒有技術背景，基本不會被考慮。

福布斯中國：在當前AI時代，數據庫和數據解決方案的需求變得更加多元化和復雜。面對市場需求與產品研發之間的時間差，達夢如何快速響應市場變化？

馮裕才：

這個問題確實存在，即使是國外產品也面臨同樣挑戰。我們將用戶需求分為幾類來處理。

第一類是個性化需求。對于這類需求，只要在我們能力范圍內，我們會為用戶單獨解決，但不會納入標準產品功能，否則產品會變得過于龐雜。

第二類是共性需求。如果某個需求具有行業普遍性，我們會在下一個版本中加入相應功能。由于我們擁有自主知識產權，功能迭代速度可以很快，當然大規模功能更新可能需要更長時間。

第三類是大客戶的定制開發需求。比如國家電網，我們曾為其做過兩次定制開發，效果很好。這種合作不僅增強了客戶黏性，也展示了達夢的研發實力。我們與國家電網的合作已持續17年，這種長期合作關系始于2008年，從2010年開始正式采購，至今已有15年。有些同行因為成本考量不愿承接這類定制項目，但我們通過這類合作贏得了客戶深度信任。

福布斯中國：您第一次打敗甲骨文是在哪個項目？是國家電網項目嗎？

馮裕才：

嚴格來說不能稱之為“打敗”，因為從整體營收來看甲骨文仍然領先。

如果說是單個項目的話，最早可以追溯到公司成立前的1997年。當時我們的第二代產品DM2剛剛研發完成，這是一個功能完備的分布式數據庫管理系統。我們為華中電力財務公司建設分布式應用系統時，在與Sybase和Oracle 的競爭中勝出。這個案例后來被記錄在《久久為功》的“家門口的國際戰爭”這章里。

國家電網確實是更具代表性的案例。他們最初選擇國產數據庫并非因為信創要求,而是源于實際的安全需求——2008年奧運會期間他們的網站遭遇了數萬次攻擊。我們憑借研發實力和服務能力，在國家電網的供應商競爭中脫穎而出?，F在國網調度系統中達夢數據的產品占比有80%。如果使用Oracle，成本至少是我們的三倍，這為國家節省了大量開支。

福布斯中國：剛才我們已經討論過數據庫行業的未來發展趨勢，以及AI崛起對行業現狀的影響。能否請您具體談談，在AI發展過程中,您認為最具前景或利潤最豐厚的產品或領域是什么?

馮裕才：

AI與數據庫的關系確實非常緊密。我們常說兩者是雙向賦能：AI For DB和 DB For AI。DB For AI是指數據庫如何為人工智能服務。AI需要的數據不僅體量龐大，而且是真正意義上的多模態大數據，這對傳統數據庫提出了挑戰。早期AI知識庫采用抽樣數據，現在則需要全量數據支撐。這正是我們開發全能數據處理產品的原因——要兼容結構化、非結構化數據以及文本、圖像、視頻等各種類型以滿足AI的全方位需求。

另一方面，AI For DB 領域我們已經實踐了三年，今年在運維方面取得了實質性成果：首先是參數優化。以往數據庫系統需要用戶配置六七百個參數，但真正掌握這些參數的數據管理員非常稀缺。通過AI技術，我們成功將參數數量大幅精簡，顯著降低了用戶使用門檻。其次是人力成本節約，原本需要 7-8人的運維團隊，現在只需2-3人即可勝任，這為用戶和我們自身都帶來了立竿見影的成本效益。

我們還上線了智能問答系統。過去需要技術人員解答的用戶咨詢，現在通過DeepSeek人工智能知識庫可以解決60%以上的問題(目前準確率仍在持續提升)。隨著數據積累，系統的回答準確度會越來越高?？梢哉f，AI與數據庫已經形成密不可分的共生關系，在這方面我們與國際同行處于同等水平。

我們正在推進的另一項重要工作是數據庫內核優化。傳統優化依賴人工設計的算法，比如數據查詢路徑選擇——實際上存在無數種可能路徑。人工設計的算法顯然不如機器學習的效果，但這需要強大的知識庫支撐。達夢原有的知識庫體系正在升級，目標是將機器學習優化深度集成到數據庫系統中。如果說之前的AI應用是“體系外”的運維優化，這個項目則是要提升系統的“自動駕駛”能力。就像汽車從手動擋進化到自動擋，再到無人駕駛——如果數據庫優化能部分實現AI自主決策,那將是重大突破。因此：AI與數據庫必將持續深度融合。

福布斯中國：從您早期的經歷來看，我覺得您不太像傳統意義上的老師，反而更像一位極客。您在學校里做了一些當時大多數人不會選擇去做的事情。在那個年代，為什么您會堅持要在數據庫領域掌握核心技術？當時應該已經有很多成熟的解決方案了。

馮裕才：

我其實不是計算機科班出身，但一直對計算機充滿熱情。當年我從長沙國防科大調到華中工學院（現華中科技大學），一個重要目的就是為了從事計算機研究。當時國內普遍推行國產化，美國產品尚未進入市場，連操作系統都沒有。所以我最初開發了一個編譯系統，隨后又為行業開發了一套全國產的操作系統——雖然規模不大，但功能完整。到80年代我開始轉向數據庫研究。

你問我為什么選擇數據庫？主要有兩個原因：

第一，我看到一份英文資料指出：計算機雖然始于計算，但其最主要的應用領域是管理，占比高達80%，而計算只占5%，控制占15%。這份資料讓我確信，數據庫未來的社會需求會非常巨大。

第二，核心技術自主化的決心。當時武鋼引進日本熱軋系統，那個三公里長的無人管理系統完全由日方掌控。我們華中科大20多位老師想去學習，但日方最終銷毀了所有資料。這件事對我刺激很大——日本人當時對中國的技術封鎖態度很明顯，連小問題都要從日本派專家來解決成本極高。這讓我深刻認識到:一個國家不掌握核心技術就像一個人沒有脊梁；一個企業不掌握核心技術，就像沒有靈魂的軀殼。這個觀點我堅持至今——如果不掌握數據的核心技術，面對世界變化就會無所適從。

40多年來，我們逐步掌握了數據庫、操作系統、編譯系統這三大計算機軟件核心技術。從校園到創業，我認為這些實踐經歷十分寶貴?，F在部分學生懂高級語言和應用卻不夠了解底層原理。從機器語言、匯編語言到C語言、Java，再到如今可能“不需要編程”的AI時代，計算機的底層邏輯都是人為設計的。

這正是DeepSeek的出現給我們的啟示：不能總是在別人的基礎上做應用開發。國內成千上萬人在OpenAI上做二次開發，這種“拿來主義”就像在別人的地基上蓋房子——地基一抽，全盤皆空。我對開源的態度是“三步走”：先看懂，再扔掉，最后自主創新。

我們團隊堅持核心技術自主研發：每一行代碼都是自己寫的，每一項核心技術都有創新。比如在多模態處理上我們獨創性地將圖數據和關系數據這兩種看似不相關的數據類型結合起來，這與同行普遍采用開源方案的做法完全不同。只有原創才能產生顛覆性成果——2003年當同行都轉向PostgreSQL 時，我們通過7個月的努力使性能參數反超三倍。這就是掌握核心技術的價值：它讓真正的創新成為可能。DeepSeek的成功也是源于其對原始創新的堅持。

我們團隊踐行著創新的五大要素：核心技術、精英團隊、市場需求、必要經費和產業生態。比如在做圖數據庫時雖然團隊成員最初也研究過開源方案，但我要求他們最終必須走自主創新之路。這就是我們堅持的道路——只有掌握核心技術，才能創造出真正滿足社會需求的創新成果。

福布斯中國：您現在會懷念當老師的時候嗎?

馮裕才：

其實沒什么可懷念的。我覺得從80年代確定做數據庫開始，這就是我一輩子最熱愛的事業。無論是當助教講師、副教授、教授、博導，還是后來創辦企業，我始終在做同一件事——數據庫研究。這讓我和其他老師很不一樣。比如清華有位老師寫了20多本書，涉及不同領域；我們計算機系已故的劉教授也出版了很多著作，包括人工智能和圖像識別方面的。而我所有的學術成果——論文、專著科研項目、獲獎成果——全都聚焦在數據庫領域。

一個人的精力、資源和時間都是有限的。如果什么都想做，最后可能像“萬金油”醫生一樣，什么都會一點但都不夠專業。我選擇成為某個領域的專家，就像?？漆t生一樣專注。創辦達夢后，我們依然堅持這個原則——專注數據庫領域。即便公司上市后資金充裕，我們也不會盲目擴張到上下游全產業鏈。中國很多企業喜歡“軟硬通吃”這種文化很不好。你看美國的航天項目，比如登月計劃都是全球采購專業部件。達夢堅持“專精特新”的發展道路，即使上市后有了更多資源，我們仍然會深耕數據庫領域把它做到極致、做出突破性創新。只有這樣，才能真正創造價值。

福布斯中國獨家稿件，未經許可，請勿轉載

精彩資訊永不錯過

長按圖片掃碼下載福布斯中文版APP