面對新基建驅動而即將造成的數據量井噴現象，當下的數據庫模式將不能夠足以支撐，尤其考慮到 AI 正逐步落地的情況。

依據 Raconteur 統計的數據，到 2025 年，全球每天預計有 463 EB 數據產生，相當于每天產出約 2.1 億張 DVD 碟；IDC 發布的《數據時代 2025》報告中也預測，全球每年產生的數據從 2018 年的 33 ZB 增長到 175 ZB（1 ZB=1024 EB），以 25 MB/ 秒的網速進行下載，需要的時間為 18 億年。

隨著數據量的暴增，問題逐漸暴露。

數據規模大、類型多，一站式服務需求激增

截至目前，針對海量數據的處理，業內既有的數據產品多只能解決某一類問題，譬如 Hive 應用于結構化數據、面向數據存儲的文檔數據庫 MongDB、專注于復雜搜索需求的 ElasticSearch 以及圖數據庫 Neo4J 等等。

與此同時，圍繞多種數據類型的存儲與處理需求，業內也搭建了一種混合架構，涉及多種不同的數據庫技術，以解決不同的數據問題。

只不過，我們也可以注意到，各個數據庫各自為政，這也使得客戶在需要使用多種數據庫產品時，需要自己重新架設一層，以解決需求被滿足時所產生的附加問題，包括數據如何在不同數據庫之間導進導出、數據在不同庫中的一致性保持、整體運維等等。

僅從文字的描述來看，就可以知道，數據庫的單一獨立使用和混合使用各有優劣，前者操作簡單但供給不足以滿足實際應用場景的多樣化需求，后者雖然能夠滿足客戶圍繞數據產生的多樣化需求，但是操作不便、運維復雜等問題也是不可忽視的。

就當下而言，混合架構或許尚能夠應對來自產業內的多樣化數據需求，但是長久以往下去并不是一個辦法，尤其是隨著新基建的到來，于國內數據庫的發展也帶來了極大的挑戰。

針對這個問題，騰訊云數據庫副總經理王義成指出了三點：

1、數據量出現全面井噴，如何滿足相應運算與分析的實時進行？

2、業務融合多樣化發出挑戰，數據庫是否能夠接受在不同的業務中心、數據中心、基礎設施之間去做相應的部署和融合？

3、老齡化逐步演進，數據庫人才缺口可能更大，數據庫供應商如何為用戶提供多種自動化服務，以及能否為用戶的多種服務需求提供自動運維服務，實現整個數據的自動化治理？

圖 | 騰訊云數據庫副總經理王義成

從這些挑戰來看，鑒于數據庫與數據庫之間的不兼容，為了避免復雜操作性、實現成本有效降低等目的，一個面向數據層面的一站式服務平臺顯然成為一個剛需。

簡單來講，在這個一站式數據服務平臺或數據庫中，用戶希望能夠以簡單的操作方式調用多數據庫的資源，并處理多種數據模型等等。

數據庫未來趨勢？提名“多模數據庫”

在提及數據庫在新基建背景下將面臨的挑戰時，他也指出了這一產品的兩點趨勢，一點關乎數據庫分配模式，“在數據量再擴幾倍的情況下，還能保持 TP 與 AP 的整體穩定性和性能，這是一個大趨勢，大家也會在這個點上繼續去深耕。”

第二點上，王義成則表示隨著 5G 的到來，可能會有更多模式的數據庫會出來，包括圖數據庫或是更為稀奇的數據模式。

“數據庫的下一個模式會向多模方向發展。數據庫的存儲模式是不同的，但真正對于應用訪問來說，或者對于應用處理來說，需要一個更加經典化、更加統一的標準接口讓上層應用能夠去訪問。”王義成表示，“我認為，應對 5G 帶來的應用爆發、數據爆發，多模可能是一個大的趨勢點。”

多模數據庫究竟是怎樣的？與現有的混合架構模式而言，它的優勢體現在哪里？

簡單來講，多模數據庫最終體現的是一種數據模式的統一，主要形式有兩種：

一種是數據存儲為統一模式，可以在這一層面暴露多種協議接口類型，比如一套數據存儲，可以暴露 Mongo 的訪問模式，暴露 MySQL 的訪問模式；

另一種則是集中存儲，將不同類型的數據庫存儲到一個整體通用的數據平臺，再用一個 up 層，或者用一個接口層去兼容多種協議，讓所有的應用都能夠更為方便的集中于自身的數據處理跟統一。

相較于混合架構而言，多模數據庫在進行統一整合、將操作極簡化的同時，也降低了數據在不同庫之間來回遷移的成本和風險等。“多模數據庫有可能是未來中長期相對比較的趨勢。”王義成說到。

多模數據庫驅動下，助力 AI 逼近“人類智能”

從前面行業內人士的講解來看，在數據庫賽道中，利好多多的多模數據庫已然成為被看好的下一個趨勢。當前，在多模數據庫賽道中，包括騰訊在內，華為、阿里等大型云服務商也已經推出或即將推出有關產品。

在一些行業賽道中，尤其是那些傳統行業，他們的數據多是分散在各個業務系統中，這也為他們的數據化、智能化變革道路中增添了難度。如果一個產品能夠幫助他們更快地整合數據，并能夠提供抽象化的應用接口，這必然是利好的。

用王義成的話來說，使用多模數據庫的目的之一，是解決用戶不同調用的使用習慣，助力用戶使用。而當談及落地，“多模數據庫”于 AI 的智能提升而言可謂一大助力。

眾所周知，AI 與人類智能差距之一就是“多模態信息的智能化理解”，這其中包括視覺、聲音、符號語言、嗅覺和觸覺等信息。如果能夠像人類利用多模態數據學習知識一樣，讓 AI 也擁有多模態數據的學習能力，AI 的智能程度必然將大大獲得提升。

然而，就目前而言，多模態 AI 還存在不少技術難點，其中就涉及到多模態數據的融合。

具體來看，一個軟件或算法模型的進步是較為容易的，但當多個算法疊加在一起，難度的升級將會是成倍的，尤其在面對圖像、語音、觸感等非文本數據時。

就這一點來看，多模數據庫與 AI 可以看作是相輔相成的：利用 AI 算法，數據庫將能夠在現有基礎上獲得進一步的優化；反過來，正是因為能夠調用多個數據庫，以及兼具的統一性，多模數據庫將能夠為 AI 算法模型提供訓練平臺，以及融合數據處理平臺，讓 AI 系統的決策更為全面和智能。
責任編輯:pj