AI数据库是基础设施重建 OceanBase：中国有机会定义下一代数据库

更新时间：2026-07-01 15:45:05

点击次数：

<article><section data-type="rtext">前言：从1986年“863***”提出算起，到2026年正好四十年。这是中国基础软件从无到有、从追赶到追赶的整整四十年。彼时，中国在高端芯片、操作系统、数据库等核心领域几乎一片空白，跨国巨头垄断着从标准到市场的全链条。四十年来，国产数据库在夹缝中求生存，从高校实验室的原型起步，在金融、电信等关键行业逐步撕开口子，完成了从“有没有”到“好不好”的跨越——但始终是在别人划定的赛道里奔跑。如今，AI正在重写数据世界的底层逻辑。当数据库的使用者从人变成Agent、数据形态从结构化走向多模态，旧范式正在失效，新范式尚未固化。一个根本性的转变正在发生：中国基础软件第一次有机会从“规则追随者”变为“规则定义者”。【环球网科技报道 记者 李文瑶】过去三年，AI领域的焦点被算力和模型的竞赛所垄断。从GPT系列模型的能力跃迁，到英伟达GPU的一卡难求，技术的聚光灯始终打在算力集群与算法迭代之上。然而，一个现象也正在全球企业界蔓延：根据Gartner预测，到2026年，超过60%的AI项目将被放弃，投入产出比远不及预期。模型买了，算力部署了，价值为何无法兑现？“AI落地的‘最后一公里’，本质上是一道数据的难题。”OceanBase CEO杨冰在接受记者***访时给出了判断。在他看来，大模型之间的差距正在快速收敛，而应用与应用的差距，将越来越体现为“上下文质量”的差距。这一转移，将数据库从支撑业务的后台系统，推向了AI价值兑现的关键核心点。6月29日，OceanBase发布面向AI时代的湖库一体AI数据库。这不仅仅是一次产品更新，更是一次对数据库根本角色的重新定义。在OceanBase 方面看来：“AI数据库不是传统数据库的‘分支’，而是AI时代的基础设施重建。中国第一次有机会参与定义下一代数据库范式。”AI落地的“最后一公里”：从模型设置到数据难题近年来，大模型的进化速度令人目眩。Gartner预测，从2024年到2028年，全球企业在模型上的支出将从50亿美金飙升至390亿美金，算力投入更是高达数千亿美金。然而，巨额投入并未带来预期的价值兑现。Gartner的另一组数据显示，2026年超过60%的AI项目可能会被放弃。“在通用的模型和企业所需的智能之间，有一个宏大的业务上下文的鸿沟。”杨冰一针见血地指出了症结所在，“模型再聪明、聊天聊得好，如果说无法理解业务、参与决策、跑通流程，它就没法为企业创造价值。”这一判断正在成为行业共识。大模型之间的技术差距在快速收敛，AI竞争的天平正从“谁的模型参数更多”滑向“谁能让AI真正读懂一家企业的业务逻辑”。而这恰恰是纯模型厂商难以触及的深水区。“AI落地企业最后一公里应该是一道数据的难题。”杨冰总结道，“如何管理和使用好所有数据，给模型提供精准完整的上下文是最为核心的挑战。”两道根本性的力量，正将这一难题推向必须解决的临界点。第一道力量是数据的使用者正在发生变化。 过去，数据库的设计围绕人类工程师展开，逐条编写查询、按需调用、8小时工作制。而如今，AI Agent正在成为数据的主要消费者。Gartner预测，到2028年，超过三分之一的企业软件交付将由智能体完成。这些“硅基工程师”的行为模式与人类截然不同：高频数据调用、大规模并行执行、7×24小时不间断运行。这对数据底座的弹性、隔离性和成本模型提出了前所未有的要求。第二道力量是数据的形态正在发生结构性崩塌与重构。 全球超过80%的数据是非结构化的——文本、图像、音频、***。过去，这些数据因机器无法深度理解而长期沉睡，仅用于存档和事后审计，是纯粹的成本中心。AI大模型的到来改变了这一切，它第一次让非结构化数据变得“可计算”。“这些非结构化数据从企业的边角料变成真正的核心资产。”杨冰指出。要释放这笔资产的真正价值，它必须与企业的结构化经营数据在同一底座上被统一管理、治理和调用，否则Agent仍将“盲人摸象”。两股力量叠加，传统数据库架构开始剧烈承压。杨冰打了个形象的比方：“过去，就像‘双十一’推动原生分布式架构的升级。这两个变化的叠加，也会带来数据底座更大的变革。”而这一变革，把数据库从支撑业务的“后台系统”推向了AI价值兑现的前台。规则重写：AI数据库的“两个需求”与“两条底线”面对上述剧变，需要关注的是AI数据库绝非“传统数据库加一个向量检索插件”的拼合。它需要从底层逻辑上重新回答一个根本问题——在一个由AI驱动的世界里，数据究竟应该如何被组织、被理解、被调用？通过对阿里、蚂蚁以及大量数据密集型客户的AI落地实践进行深度复盘，OceanBase将AI对数据库提出的新需求归纳为“两个需求”与“两条设计原则”。两个需求由AI时代的业务负载决定，是必答题：第一个需求是一体化。多模态数据、离线与在线的计算，必须统一在同一个强一致的底座上。“数据不再被切割、不必在多套系统之间反复搬运。”杨冰强调，只有这样，那个“越用越准”的数据飞轮才能真正转起来。如果在线数据库、离线数仓、模型训练彼此割裂，依赖ETL（数据抽取转换加载）进行漫长的数据搬运，今天的问题可能要几天以后才能被恢复，AI的实时性价值将被彻底消解。第二个需求是多模态。 结构化、半结构化和非结构化数据，必须在同一套体系中被统一管理和治理，通过标量、全文、向量等方式进行混合搜索。杨传辉说道：“今天的AI数据库跟原有关系数据库最大的区别在于混合搜索。原先的关系数据库只支持关系的查找，我们的AI数据库在同一张表里面能够完成关系、向量、全文、图计算与AI的计算。”两条设计原则是数据库面向AI时代应有的立场：首先是Agent友好。 Agent所需的记忆、上下文、隔离、分支、回滚与规模化运行能力，不应依赖外部系统拼装，而应成为数据底座的原生能力。例如，为解决Agent海量并行开发与评测的环境痛点，OceanBase构建了Fork Database 能力，可以通过像Git分支一样，为AI提供即用、即建、即抛的数据库沙箱，毫秒级创建、低成本开销，让AI的试错成本极大降低。其次是开放。企业的数据主权应牢牢握在自己手中。OceanBase坚持存储与计算中立和开放，***用存算分离架构，兼容S3对象存储与Iceberg开放表格式，除了原有的 SQL 计算，还可对接Spark、Ray等开放计算引擎，让客户做到“Infra自由、模型自由以及数据主权”。尽管AI改写了数据库的“用法”，杨冰却特别强调，数据库的“底线”在AI时代变得前所未有地重要。“一致性、扩展性、可靠性、实时性，这四条底线不可退让。”他解释道，当智能体从辅助工具走向“替人决策”——在风控审核、内容安全等环节，已经是智能体直接面对用户在拍板——背后数据的错一条、慢一拍，就不再是技术指标的小问题，而是真实的业务事故。金融级数据底座的核心能力，因此成为了AI生产级应用的“生命线”。“真正需要被重写的是架构，必须被坚守的是底线。”杨冰说。中国基础软件的历史性机遇：从“跟随者”到“共同定义者”如果从全球产业来看“两个需求”和“两条原则”，AI数据库正在成为基础软件赛道数十年未有的关键赛点。过去四十年，数据库的范式迭代路径清晰而固化。关系型数据库时代，甲骨文、IBM、微软等定义了企业数据管理的标准；互联网与海量数据时代，Hadoop生态、Snowflake、Databricks等新兴力量虽然实现了突破，但并未从根本上动摇OLTP（在线事务处理）领域的坚固壁垒；云数据库时代，AWS Aurora等产品虽革新了部署模式，但底层架构仍是“分布式SQL”的延续。然而，AI Agent的崛起正在从需求端颠覆这一逻辑。它在生产环境中的实时决策、多模态交互、高频试错和海量并发，使得基于ACID（原子性、一致性、隔离性、持久性）的传统数据库内核与基于MPP（大规模并行处理）的离线数仓系统，都显得力不从心。杨传辉在***访中对这种代际更替做了清晰的划分：“第一代数据基建就是Oracle这种，关系数据库做TP（事务处理）的。第二代数仓就出来了，第三代是大数据，第四代就是做AI的。每一代之间，它的数据需求都是靠场景驱动的。”关键的区别在于，在前三代范式的定义过程中，中国厂商几乎是缺席的。而到了AI数据库这一代，全球几乎站在同一条起跑线上，既有技术存量不再是不可逾越的壁垒。“过去，中国的数据库厂商更多是在证明‘我们也能做’，而不是‘我们认为应该怎么做’。”杨冰坦言:“核心原因在于，前几代数据库的标准形态已经在西方市场被定义成熟了，我们只能追赶。”AI数据库的不同在于，它不是一个“优化版”的数据库，而是一个“新物种”。它要处理的不再是纯结构化数据，而是结构化、半结构化、非结构化数据的混合体；它的使用者不再主要是人类工程师，而是Agent；它的负载不再主要是OLTP或OLAP的线性组合，而是包含向量检索、全文搜索、实时推理的混合工作负载。“当底层的使用者和数据形态都变了，架构必须被重写，标准也就有了重新定义的空间。”杨冰说。“这就像手机操作系统——PC时代Windows定义了标准，但移动时代iOS和Android重新定义了它。不是因为微软技术不行，而是交互方式和硬件形态变了。”这一判断在宏观产业层面也有具体的支撑。AI的竞争正在从“模型层”下沉到“数据层与算力层”。在模型能力快速收敛的当下，应用与应用的差距，越来越体现为“上下文质量”的差距。而谁能高效、实时、安全地为企业构建这一“上下文”，谁就掌握了下一代企业级软件的命脉。OceanBase的判断是，在这场定义权的竞争中，中国厂商具备独特的优势。杨传辉介绍：“数据类的基建核心是应用打磨出来的，不是想象的一个方向性。你能不能做成一个事实的标准，取决于你是不是在很多应用里面满足了这个需求。中国的AI落地快，所以甚至有可能中国的企业在里面起主要作用。”OceanBase的底气然而，参与定义下一代数据库标准的“门票”是极其昂贵的。它要求参与者不仅要有敏锐的洞察，更要有厚重的工程积累。OceanBase并非平地起高楼。这款中国自主研发的分布式数据库，内核完全自研，已经过了长达十五年的“炼狱级”场景打磨。它源于2010年“双十一”场景对集中式数据库的极限挑战，随后在金融这一对可靠性要求最为严苛的领域扎根——目前已服务超过400家金融机构，近七成万亿级资产规模的银行将核心系统运行在OceanBase之上；它连续两年在中国分布式数据库本地部署市场位居第一，也是迄今唯一同时在TPC-C（事务处理）和TPC-H（分析处理）两项国际权威基准测试中登顶的数据库。“数据不出错、系统不中断、故障毫秒恢复——AI时代所说的这些刚需，在金融级场景中早已锤炼成熟。”杨冰说。但更为关键的是，OceanBase拥有一个全世界任何数据库厂商都难以复制的“AI练兵场”——阿里与蚂蚁集团本身。从支付宝的AI支付、蚂蚁阿福（AI健康管家）、灵光（全模态AI助手），到淘宝AI购物助理、通义千问、高德地图，这些不仅是OceanBase的客户，更是其AI数据库能力的真实练兵场。“我们在过去这一年当中，非常***在阿里和蚂蚁在AI的方向上大力的投入，为我们创造了大量生产级AI的一些场景。”杨冰坦言，“我们在过程当中进行了大量的实践和落地，逐步找到了答案。”杨冰在***访中进一步阐述了这种“内测”的价值：“阿里巴巴也好、蚂蚁也好，在这个方向上属于投入最大的企业之一。它给我们一下子比我们的客户更快地带来了巨多的生产级场景。这个是我觉得比较***的。”据了解，蚂蚁训练了百灵基础大模型，并在医疗和金融场景做了垂直领域的数据增强，搭建了训推平台，并在阿福、蚂小财等业务中迭代出了新一代AI平台。在这些实际应用场景中获得的前沿认知和痛点，直接反哺了OceanBase AI数据库的设计。这使得OceanBase能够比竞争对手更早地触及AI落地中的真实痛点——无论是Agent上下文构建的准确性，还是海量小库的隔离与调度，亦或是多模态数据的一致性难题。再造一个“AI时代的OceanBase”在AI时代，中国市场的特殊性在于：企业数字化程度参差不齐，但AI接受度极高，且场景丰富度在全球领先。政务、金融、互联网、制造、能源、交通等行业对AI的需求几乎同步爆发，这为AI数据库提供了多行业、大规模的验证环境。OceanBase选择了一条独特的技术路线。杨传辉透露，业界对“湖库一体”有不同定义。“Databricks的优势在处理大规模数据，OceanBase做的更好的是偏在线一点。Agent最大的变化在于，原来跑批的报表系统到了Agent时代会变成实时决策。越来越多的场景会是毫秒级、几十毫秒、一秒级以内的实时处理，在这方面我们有优势。”“在美国，一个新技术出现后，通常先由科技公司验证，再向传统行业渗透。但在中国，金融、制造、政务几乎同步进入AI落地周期，这意味着我们可以在更短时间内获得更多样化的场景反馈。”杨冰说。 “这对于定义标准至关重要——标准不是凭空想出来的，是从实践中抽象出来的。”而OceanBase的发展考量不止于国产升级，还有全球增量市场。目前，OceanBase的业务已覆盖东南亚、日本、印度、拉美、中东等市场，但在北美和欧洲的市场份额有限。杨冰坦言：“北美市场的生态壁垒很高，企业选数据库不只看技术，还看生态、品牌、合规。这些需要长期投入，不是一年两年能解决的。”当然，挑战同样不容回避。尽管AI数据库发展前景广阔，OceanBase清醒地认识到，这是一场长时间的远征。数据库领域的生态构建，比技术突破更为漫长。同行业厂商用数十年建立的企业信任和开发者生态，不可能被任何一场产品发布会在一夜间颠覆。杨冰坦言，最大的挑战在于品牌、影响力和生态的构建。“一家企业真正愿意长期选一个数据库，真的不是一下子的事情。”此外，宏观的全球技术生态割裂风险，也是中国企业走向世界时必须面对的现实障碍。从产业经济学的角度看，数据库作为基础软件，天然具有“锁定效应”：一旦企业将核心系统运行在某款数据库上，迁移成本极高，因此市场格局一旦形成就非常稳定。甲骨文在关系数据库时代的不可撼动也正是源于此。在AI数据库这个新赛道上，谁先建立起足够的案例、生态和信任，谁就可能获得类似的锁定优势。OceanBase选择了一条独特的技术路线。杨传辉透露，业界对“湖库一体”有不同定义。“Databricks的优势在处理大规模数据，OceanBase做的更好的是偏在线一点。Agent最大的变化在于，原来跑批的报表系统到了Agent时代会变成实时决策。越来越多的场景会是毫秒级、几十毫秒、一秒级以内的实时处理，在这方面我们有优势。”从十五年前一行行代码应对“双十一”洪峰，到今天在AI最前沿的场景中持续打磨——OceanBase的进化路径始终是由真实的、极具挑战的业务场景倒逼驱动的。杨冰总结道：“过去十五年，商业的范式转变诞生了‘双十一’，从而倒逼了OceanBase原生分布式数据库的诞生。今天同样在这些场景下，正在倒逼下一代的AI数据库。这也是OceanBase独特的演进方式。下一个十年，OceanBase的目标就是再造一个AI时代的数据库。”</section><img src='/image/156864-0' alt='AI数据库是基础设施重建 OceanBase：中国有机会定义下一代数据库'> 
 </div>
 </div>
 </div>
 <div class="NyPrevNext">
 <ul>

<li> <a href="/detail/43911.html"> 如何看待 Rust 写的 PNG 解码器比 C 实现更快？</a></li>
 <li> <a href="/detail/43286.html"> 伊以的对轰证明伊朗似乎没那么菜！美国会下场吗？</a> </li>

</ul>
 </div>
</div>
<footer>
 <div class="w1400">
 <div class="footup">
 <ul>
 <li>
 超级喜欢穿短裙正常吗?
 <a href="/detail/43591.html">超级喜欢穿短裙正常吗?</a> <a href="/detail/43591.html">超级喜欢穿短裙正常吗?</a> <a href="/detail/43591.html">超级喜欢穿短裙正常吗?</a> </li>
 <li>
 墨脱水电站建设有什么进展？
 <a href="/detail/43661.html">墨脱水电站建设有什么进展？</a> <a href="/detail/43661.html">墨脱水电站建设有什么进展？</a> <a href="/detail/43661.html">墨脱水电站建设有什么进展？</a> </li>
 <li>
 有个亲妹妹是什么感觉?
 <a href="/detail/43444.html">有个亲妹妹是什么感觉?</a> <a href="/detail/43444.html">有个亲妹妹是什么感觉?</a> <a href="/detail/43444.html">有个亲妹妹是什么感觉?</a> </li>
 </ul>
 <div class="footewm">
 <div class="ewmjpg"></div>
 扫一扫，添加微信
 </div>
 <div class="clear"></div>
 </div>
 </div>
 <div class="foot_copy">
 <div class="foot_copy_main w1400">
 Copyright © 2012-2023 某某博客 版权所有 网站备案号：<a href="https://beian.miit.gov.cn/" rel="nofollow" target="_blank">粤IP*******</a>
 <a href="/sitemap.xml" target="_blank">网站地图</a>
 <div class="clear"></div>
 </div>
 </div>
</footer>
<div class="kfView4 hidden-sm hidden-md hidden-xs">
 <div><a class="kefu-lx"></a></div>
 <ul class="list-unstyled">
 <li>在线客服</li>
 <li><a href="javascript:scroll(0,0)" class="kefu_top" title="回网页顶部"></a></li>
 <li><a href="tel:400-123-4567" class="kefu-tel">电话咨询</a>
 服务热线： 
 400-123-4567
 </li>
 <li><a class="online-contact-btn kefu-qq" href="https://aifanfan.baidu.com/">在线咨询</a></li>
 <li><a class="kefu-wx">微信咨询</a>
 
 </li>
 <li><a href="javascript:scroll(0,4000)" class="kefu_bottom"></a></li>
 </ul>
</div>
<script language="javascript" type="text/javascript" src="/template/moban163/static/js/customer.js"></script>

</html>
</body>