众所周知,我本职工作是在公司做 AI 基建,所以大家会看到我写过很多算力、推理引擎、模型部署和评测相关的内容
刚看了 OceanBase AI 数据库的线上发布会,看过之后收获很大,回答了我的一个疑惑:当数据库的主要使用者慢慢从人变成 Agent,企业的数据底座到底该往哪儿长?
我现在越来越认同一个判断
企业 AI 往前走,卡点已经越来越少出在模型本身,更多会落到数据这一层
上下文够不够完整,非结构化数据能不能进治理,搜索结果准不准,Agent 试错会不会污染生产环境,这些问题如果压不住,AI 应用就很难真正跑进核心业务
过去我们聊数据库,最常说的是高并发、事务、容灾、成本、性能
到了 Agent 时代,问题突然多了几层:
- Agent 要理解业务上下文
- Agent 要处理文档、图片、语音、视频这些多模态数据
- Agent 要随时调用实时业务数据
- Agent 会试错,会改数据,会搞坏环境
- Agent 数量可能会从几十个扩到几百万、几千万个轻应用和小任务
这时候,数据库如果还只是人类点开后台查表的地方,就不太够了
OceanBase 这次给出的主口径是:
OceanBase AI 数据库 = 湖库一体 · 多模态 · AI 原生
OceanBase 想做的,是给企业 Agent 准备一套真正能进生产的数据底座
OceanBase 对 AI 数据库的定义,核心落在四个词上:一体化、多模态、Agent 友好、开放
为什么企业 AI 最后会卡在数据上
过去三年,企业 AI 的预算大多花在模型和算力上
买模型、接 API、建知识库、做智能客服、上 Copilot,这些都很热闹
但真正跑进业务流程之后,很多项目会发现一个很尴尬的问题:
大模型越来越强,业务价值却经常卡在数据上
因为大模型本身解决的是通用智能问题,企业要的是业务智能问题
通用智能会说话、会推理、会生成
业务智能还要知道:
- 这个客户是谁
- 这笔订单到哪一步了
- 这份合同有没有风险条款
- 这个规则现在还生不生效
- 这个用户过去几次交互留下了什么状态
- 这次操作能不能写回生产系统
这些答案都在企业数据里
所以 OceanBase 这次反复强调一个变化:数据库的使用者正在从人变成 Agent
人用数据库的时候,大多是明确查询
查一条订单看一张报表筛一批异常记录
Agent 用数据库的时候,动作要复杂得多
先理解上下文再混合检索再调用工具再写入状态再根据结果继续下一步失败之后还要回滚成功之后还要沉淀经验
这就把数据库从后台系统,推到了 Agent 工作流的正中央
OceanBase 这次真正想解决的三个问题
第一,企业的数据形态已经变了
过去数据库主要管结构化数据,表、行、列、字段
现在 Agent 要吃的上下文里,有合同 PDF、客服录音、会议纪要、体检报告、商品图片、行车视频、风控规则、知识库片段、对话记忆、向量、JSON
这些东西如果还散落在对象存储、文件系统、搜索引擎、向量库、业务库之间,Agent 每做一步都要跨系统拼上下文
拼一次,就多一次延迟
搬一次,就多一份冗余
同步一次,就多一个一致性风险
第二,企业的数据流动方式也变了
传统链路经常长这样:
交易库 → ETL → 数仓 / 数据湖 → 搜索引擎 / 向量库 → RAG / Agent
这条链路能跑,但它很慢,也很重
Agent 产生 bad case、用户反馈、执行轨迹之后,如果要等几天才被离线分析挖出来,再回到线上验证,这个飞轮就转不快
OceanBase 的说法是数据飞轮:Agent 产生数据,数据回流优化模型和知识,优化后的能力再服务业务
飞轮转得快,AI 才会越用越准
第三,Agent 会带来新的风险
人改生产数据之前会犹豫,Agent 很可能直接开干
尤其在企业里,Agent 会越来越多地执行生产任务,写数据、改流程、调工具、做评测
这时候数据库要给它准备安全边界
它可以试错,但不能污染生产
它可以并行,但不能互相踩脚
它可以失败,但失败之后要能快速丢弃、回滚、重来
这也是我觉得 OceanBase 这次最值得关注的地方:它把多模态、混合搜索、数据沙箱、海量逻辑表、开放计算放进一套架构里一起回答,避免把 AI 数据库收窄成向量检索
Lakebase:把湖和库放到同一张底座上
OceanBase Lakebase 是这次发布里的核心引擎
它面向湖库一体、多模态数据和 Agent 场景,目标是用一套底座统一管理结构化、半结构化、非结构化数据,同时承载 TP、AP 和 AI 工作负载
这句话听起来有点大,我理解:
企业不想再为了一个 AI 应用,同时维护交易库、数仓、对象存储、搜索引擎、向量库、权限系统、ETL 链路、RAG 服务一堆东西
Lakebase 要做的,是把关键数据底座和核心治理能力收敛起来
SQL 继续处理在线事务和查询
Spark 继续做批量加工
Ray / Daft 继续跑 AI 数据链路
对象存储、S3 兼容接口、Iceberg 开放表格式继续接入现有生态
这条路线我觉得比较现实
企业的数据平台不会一夜重建
真正可落地的路径,通常是先减少系统接缝、减少数据搬运、减少权限割裂,再慢慢把高价值场景收敛到统一底座上
多模态数据管理:让非结构化数据有正式身份
这次我最感觉最神奇的一个设计,是多模表和 AI 列
过去企业里的非结构化数据,很多时候只是附件
合同 PDF 放对象存储
图片视频放文件系统
文本摘要写业务库
向量塞进向…