过去三年AI 的变化太快了确实太快了让大家对于 AI 的需求量和 token 消耗成指数级增长。我们一直陷入到 AI 带来的模型能力的跃迁中用 AI 做设计、做 PPT、写前端、写后端、写桌面端都没啥问题。编码能力大家都是有目共睹的。但我感觉整个过程中好像一直忽略了一个环节。我身边也有一些老板和互联网公司我看他们的日常包括我平常也会交流他们给我透露的一个事实是投入产出比远不及预期。新模型用了算力部署了但是相对应的价值没有实现很头疼也很焦虑。我也深有同感虽然模型定义了能力的边界但总感觉差点什么。直到最近我才确定了我们缺的是什么我们缺的是其实就俩字数据。大模型就像是一台超跑能力非常强但是如果你不给他加油它也跑不起来但如果你给他加了油它就像一台搭载 V8 发动机的性能巨兽。所以大家常说的 AI 最后一公里尤其是对企业而言数据才是核心。而承载业务数据的数据库才是一切的根本。大家可能会想数据库不是已经非常成熟了吗关系型数据库、非关系型数据库、向量数据库、搜索引擎、数仓、数据湖能选的东西这么多而且PostgreSQL 加个 pgvector 不也能做向量搜索吗还说数据库干啥这是一个很好的问题。以前我们理解数据库更多是把它当成一个存东西的地方。比如订单存在数据库里用户信息存在数据库里交易记录存在数据库里。人要用的时候就写 SQL、查数据、看报表。但 Agent 不一样Agent 不是偶尔查一次数据它会不停地找资料、写结果、改状态还会把前面发生过的事记下来。这时候数据库对它来说就不只是一个仓库了而是一块关于数据的实验场。所以我现在越来越觉得企业 AI 真要往深处做最后一定会回到数据库这件事上。模型很重要但模型只是大脑。数据才是支撑大脑运转的营养。据 Gartner 的数据表明到 2028 年大约三分之一的企业软件应用程序将包含 Agent而 2024 年这一比例还不到 1%更有夸大其词的分析师认为到了 2026 年底将有 40% 的应用程序集成 AI Agent。而且数据的形态变了过去企业的数据库很少存文本、图像、音视频之类的数据因为存了人类看不懂意义不大。但是现在不一样了Agent 会这些数据“可视化” 直接成为公司最核心的资产。所以在 AI 时代数据库已经不单单是存储数据的基座了而是会变成 Agent 的上下文会变成硅基生命的内存与磁盘这个意义就不一样了。而且我们正处于历史的关键时期近年来的信创、国产化替代让大家明白了卡脖子的事实。所以我基于这两个痛点研究了一圈最后把目光放在了OceanBase上。大家可能会问OceanBase OceanBase 不是传统的关系型数据库吗怎么和 AI 数据库挂上钩了。这里先得跟大家说下AI 数据库是啥。什么是 AI 数据库我之前没有好好理解 AI 数据库的概念我以为就是 AI 数据库外加一个检索插件如果你像我这么理解那恭喜你跟我一样跑偏了。AI 数据库需要重新回答一个问题在一个由 AI 驱动的世界里数据应当如何被组织、被理解、被调用这一点尤为关键。在传统的数据库组织形式中这个问题好回答当然是碳基生命 — 人。而在 AI 时代我觉得应该让 Agent 来回答这个问题。如果要由 Agent 来回答这个问题我觉得得从两条线上来讲。第一条线是属于 Agent 的三个概念。上下文上下文是 Agent 的记忆体是智能体的命门。智能体的每一次回答本质上都是一段上下文加一次模型调用。能不能把对的信息精准地组织成喂给模型的上下文直接决定它答得准不准。规模现在一个 AI 应用的成本在逐渐趋于 0 所以应用的数量级在指数级爆发。我看到一个消息蚂蚁灵光已经有了千万个应用而妙思在企业内部也支撑了上万个应用但平均每个应用仅有百余行数据。在大家的传统理念中规模意味着架构的复杂性和代码的量级但是在 AI 领域规模意味着不是单个数据量大而是库的数量多。其中 99% 的库处于沉睡极少数被唤醒时却要秒级响应。进化Agent 其实就像小孩子似的它会犯各种各样的错误但是你得让它试错Agent 需要不断试错才能成长。你需要为它搭建一个能反复试验的环境。如今 AI 写代码的成本已大幅下降但造出一个能让智能体安全跑起来的试验环境代价仍然很高。第二条线是数据的组织形式。企业过去积累的海量数据比如文档、邮件、产品手册、客服录音、视频。这些数据虽然很有用但是基本上都是非结构化的往往直接归档了因为这些数据无法组织起来所以价值没有完全释放出来。不过在 AI 时代这些非结构化的数据可以和结构化的数据一起在同一个底座上被统一管理、统一治理、统一调用来形成 Agent 可以调用的上下文。比如一个金融投研 Agent 看研报、公告、行情、交易数据、新闻舆情。一个智驾 Agent 看视频、图片、传感器、GPS、地图位置。一个健康 Agent 看用户对话、体检报告、PDF、历史问诊记录、偏好和风险规则。所以我理解的 AI 数据库核心不是数据库会调用模型。更准确地说它是把交易、分析和 AI 要用的数据放到同一个系统里让表格、文档、图片、音视频、向量这些东西能一起管理、一起查、一起用。为什么是 OceanBase6 月 29 日OceanBase 发布了面向 AI 时代的湖库一体 AI 数据库。大家可能不太知道啥叫湖库一体的 AI 数据库。湖库这两个字可以拆开来看。库指的是关系型数据库所擅长的事比如事务的 ACID 特性、实时查询、高可用适合跑核心业务系统。湖指的是数据湖擅长的事开放存储、海量数据、多种计算引擎多种 media 类型文本、图片、视频、日志、向量这类数据。湖库一体的 AI 数据库就是把这两类能力放进同一个系统里。它能够让一份数据既能用作实时分析也能服务于多种数据搜索还可以给 Agent 提供材料。理解了“湖”和“库”的概念后后面就好理解了。OceanBase 解决哪些问题面对 Agent、多模态数据带来的新需求OceanBase 给出的答案不是在传统数据库上增加若干 AI 功能而是以湖库一体为核心架构构建面向 AI 时代的数据基础设施。OceanBase 把数据湖的开放与海量存储能力数据库的事务、分析与实时处理能力以及 AI 所需的多模态理解、语义检索和模型调用能力统一到同一个强一致的数据底座之上了。这个数据底座最核心的就是OceanBase Lakebase底层引擎。我花了两天时间研究了一下 OceanBase 的 PPT。我发现 OceanBase 在一些领域上确实非常突出。首先方向一是多模态数据处理。OceanBase Lakebase 的一个核心设计是把结构化字段、文本、图片、音视频、JSON、LOB、向量放进同一张多模表里。注意这个不是说所有文件都粗暴塞进数据库行。小对象可以 InRow大对象可以 OutRow超大文件可以托管在对象存储里由引擎按对象大小和访问特征做自适应存储。用户和上层应用看到的仍然是一张统一的表。这里最关键的是 AI 列。很多企业做 RAG 或智能搜索都会把原始数据搬出去做摘要、打标签、生成 embedding再写回另一个系统。流程只要一长原始数据和 AI 处理的结果就很难保证一致性。AI Row 的思路是把摘要、标签、特征、向量这些 AI 处理结果变成表里的列。模型能力以列的形式进入数据库原始数据和处理结果可以放在一起管理。方向二是 Agent 友好的数据库。传统软件开发里我们有 Git 分支、测试环境、回滚机制。而 Agent 进入生产系统之后也需要类似的东西只不过对象从代码变成了数据、记忆、RAG、业务状态和执行轨迹。OceanBase 这次发布反复提到了 Fork Database、Diff/Merge、Copy-on-Write本质上就是给 Agent 一个数据沙箱。每个 Agent 可以从基线库 Fork 出独立环境在里面评测、实验、写数据、改策略。失败了直接丢弃成功了再合并。这个能力对 AI 应用迭代很友好。资料里还提到蚂蚁阿福这样的生产级健康应用核心竞争力来自持续发现 bad case、修复问题、重新评估。评测阶段里Agent 会改流程、改策略、改数据但这些操作不能污染线上数据。而且对企业来说这一点的价值不只在开发效率更是在生产级 Agent 能不能形成稳定迭代机制。方向三是湖库一体化。过去结构化数据通常放在数据库里文档、图片、音视频等非结构化数据放在对象存储或数据湖中两者依赖外部链路关联。到了 AI 时代Agent 需要的上下文天然跨越多种数据形态一笔交易、一段客服录音、一张发票图片、一份合同文本只有被放在一起理解才构成完整的业务事实。OceanBase Lakebase 通过湖库一体架构将数据湖的开放格式与海量存储能力、数据库的结构化管理与在线服务能力统一起来把结构化、半结构化和非结构化数据纳入同一套元数据、权限、事务和生命周期管理体系。因此数据不必在多个系统之间反复搬迁和复制就可以直接支撑在线服务、实时分析和 AI 应用运行。这里有几个现实的收益一个是省 Token。还有一个是实时性传统做法里数据加工是离线的加工完的结果还要搬回在线系统才能服务应用中间有 T1 甚至更长的延迟。湖库一体把离线加工和在线服务统一在同一份数据上Spark ETL 的产出SQL 引擎立即可查模型推理生成的向量混合搜索立即可用。不再有“加工完了还要等同步”的窗口期。实时性不是靠加速搬运实现的而是靠消除搬运实现的。因为数据不用搬来搬去向量检索可以直接在数据所在处进行减少了额外的存储和网络传输开销。OceanBase 的特点在此次发布中OceanBase 形成了完整的产品体系产品体系覆盖了从底层数据引擎、数据生产治理到业务智能入口的关键环节。完整的产品体系是由三个部分组成的Lakebase 解决了 AI 时代的数据底座问题OceanBase Lakebase 作为底层引擎承载湖库一体与多模态数据能力让结构化数据、非结构化数据和向量数据能够在统一架构中被管理、加工、检索和调用。DataStudio 解决了数据如何被生产、治理和服务化的问题OceanBase DataStudio 是运行在 Lakebase 之上的数据生产、治理与服务工作台覆盖数据接入、数据加工、任务编排、语义建模、数据治理到 Agent 协作等关键环节帮助企业把分散的数据资产转化为可管理、可理解、可调用的数据服务。DataPilot 解决了业务人员如何直接使用数据智能的问题。OceanBase DataPilot 是面向经营分析和业务决策的数据智能 Agent作为统一的企业业务智能入口让业务人员可以通过自然语言完成分析报告、数据看板和可信答案生成把过去依赖专业数据团队完成的分析流程转化为可交互、可追问、可复用的智能决策能力。所以最后我们可以针对 OceanBase 这次发布做个总结。OceanBase AI 数据库是以湖库一体为核心架构、面向 Agent 和多模态数据设计的现代数据基础设施。它将数据库的事务、一致性与实时处理能力与数据湖的开放、海量存储和多样化计算能力统一起来把结构化、半结构化、非结构化数据纳入统一管理体系打通在线服务与离线分析消除多系统拼装带来的数据割裂、链路冗余与工程复杂性。为现代 AI 应用提供可靠、实时、可扩展的数据底座。
