过去三年,大模型能力快速跃升,算力持续突破,但企业AI落地却并未迎来预期中的价值释放。越来越多行业开始形成共识:AI竞争的焦点,正在从模型转向数据。
6月29日,OceanBase发布面向AI时代的湖库一体AI数据库,提出以湖库一体为核心架构,将数据湖的开放与海量存储能力、数据库的事务处理与分析能力,以及多模态数据处理能力统一到一套强一致的数据底座上,帮助Agent(智能体)一次获取完整业务上下文,让AI真正“读懂”企业。
围绕这一能力,OceanBase AI数据库 同步形成覆盖数据引擎、数据治理与业务入口的产品体系,包括Lakebase、DataStudio、DataPilot等,并已在蚂蚁阿福、灵光等AI场景完成业务验证。
业内普遍认为,随着Agent成为数据库新的使用者,数据库正从“记录事实”走向“参与决策”,AI数据库也因此成为AI时代新的基础设施形态。
(图说:OceanBase发布湖库一体的AI数据库)
AI落地瓶颈在数据,“湖库一体”成为最佳路径
过去,大模型解决的是“会不会思考”的问题;今天,真正的瓶颈变成了“是否理解业务”。模型能力在快速收敛,业务差异正在向数据层转移。
随着Agent进入系统执行层、企业数据走向多模态化,传统多系统协同的架构越来越难以满足AI对“统一上下文”的要求。AI正在改变数据的管理范式,Agent进入生产带来的“规模、上下文和进化”等三个关键挑战愈发显著,把AI对数据库的影响拆解来看,数据形态、数据流动、数据交互都在变,但数据库本身的一致性、扩展性、可靠性、实时性这四条底线不可退让。
真正需要被重写的是架构,必须被坚守的是底线——指向的正是湖库一体:让多模态数据在统一引擎中被管理、计算与服务,从架构层消除多系统割裂。
(图说: OceanBase 发布面向AI时代的全新产品体系)
围绕湖库一体,OceanBase 打造了AI时代的全新产品体系:
OceanBase Lakebase作为底层引擎,让结构化数据、非结构化数据和向量数据在统一架构中被管理、加工、检索和调用,解决AI时代的数据底座问题;
OceanBase DataStudio运行在Lakebase之上,覆盖数据接入、加工、编排、语义建模到Agent协作等环节,把分散的数据资产转化为可调用的数据服务,解决数据治理与服务化问题;
OceanBase DataPilot则作为统一的企业业务智能入口,让业务人员通过自然语言完成分析报告、数据看板和可信答案生成,解决业务人员如何直接使用数据智能的问题。
据介绍,相较传统多系统方案,OceanBase AI数据库可降低整体TCO(Total Cost of Ownership,总体拥有成本)约30%-50%。目前该能力已在蚂蚁阿福、灵光等场景完成验证,其中灵光累计生成数千万个“闪应用”,验证了湖库一体架构在千万级Agent场景下的可行性。
OceanBase CTO杨传辉表示:“真正的一体化,必须发生在架构层。湖库一体不是数据库和数据湖的简单拼接,而是在同一套引擎中统一管理多模态数据,打通在线与离线处理。”
重新定义AI数据库,国产厂商迎来新的窗口期
AI数据库正在成为全球基础软件的新赛道,但技术路径尚未收敛:有的从数据湖延展能力边界,有的强化搜索与语义理解能力,也有厂商从数据库内核出发,尝试重构整体数据体系。
差异的本质,不在组件选择,而在对“AI如何使用数据”的不同理解。在这一轮变化中,AI数据库不再是传统数据库的能力扩展,而是在重新定义数据如何被AI组织、调用与决策。
(图说: OceanBase再造AI时代的湖库一体数据库)
OceanBase选择从数据库内核出发,将长期在金融核心系统中验证的事务一致性、高可用与弹性能力,延伸至湖与多模态数据体系之上,使其具备统一支撑AI负载的能力——这是从底层出发的重构,而非在旧架构上的叠加修补。
公开资料显示,OceanBase是中国自主研发的数据库,起源于2010年“双十一”场景。十五年来,它经历了金融行业最严苛的锤炼——已服务超400家金融机构,连续二年位居中国分布式数据库本地部署市场第一,也是迄今唯一同时登顶TPC-C和TPC-H两项国际权威测试的数据库,业务覆盖全球多个国家和地区。
这套在金融级场景中锤炼出的能力——数据不出错、系统不中断、故障毫秒恢复——正是AI时代的刚需。将其从“库”延伸到“湖”,是OceanBase站在十五年地基之上的自然一步,也使其具备了参与AI数据库范式重构竞争的基础。
长期以来,基础软件的标准主要由国际厂商定义,而AI数据库正进入一个规则尚未固化的阶段。这意味着竞争不再只是追赶已有体系,而是参与新体系的形成过程。
OceanBase CEO杨冰表示:“我们有机会从‘跟随者’走向‘共同定义者’,参与AI数据库范式的形成。这既是中国的机遇,也是OceanBase的机遇。”
红包分享
钱包管理

