在AI技術(shù)迅猛發(fā)展的今天，作為數(shù)據(jù)存儲(chǔ)與處理核心載體的數(shù)據(jù)庫(kù)，正經(jīng)歷一場(chǎng)深刻的變革，傳統(tǒng)數(shù)據(jù)庫(kù)與AI技術(shù)的碰撞融合，帶來了新的發(fā)展機(jī)遇，也在重塑行業(yè)的發(fā)展格局。

如何因應(yīng)AI時(shí)代的變革？怎么把握機(jī)遇？達(dá)夢(mèng)數(shù)據(jù)作為國(guó)內(nèi)數(shù)據(jù)庫(kù)領(lǐng)域的重要參與者，其在這一變革浪潮中的探索與實(shí)踐，為我們呈現(xiàn)了數(shù)據(jù)庫(kù)廠商應(yīng)對(duì)時(shí)代挑戰(zhàn)的鮮活樣本。在DTCC2025中國(guó)數(shù)據(jù)庫(kù)技術(shù)大會(huì)上，武漢達(dá)夢(mèng)數(shù)據(jù)技術(shù)有限公司副總經(jīng)理李莊莊向我們分享了他的觀察思考與實(shí)踐。

AI時(shí)代數(shù)據(jù)庫(kù)的挑戰(zhàn)和機(jī)遇

近些年，文本、圖像、音視頻、時(shí)序等多模態(tài)數(shù)據(jù)海量增長(zhǎng)，報(bào)告顯示，企業(yè)里80%以上的數(shù)據(jù)都是這些非結(jié)構(gòu)化數(shù)據(jù)，但是長(zhǎng)期以來，這些非結(jié)構(gòu)化數(shù)據(jù)難以被企業(yè)有效利用起來。AI的發(fā)展為數(shù)據(jù)釋放價(jià)值帶來了更廣泛的新應(yīng)用場(chǎng)景，也對(duì)數(shù)據(jù)底座提出了新的要求。

比如，AI模型訓(xùn)練對(duì)這些非結(jié)構(gòu)化數(shù)據(jù)的依賴日益加深，需要能夠高效處理這些多模態(tài)數(shù)據(jù)。而隨著AI技術(shù)深入應(yīng)用，在如今的后訓(xùn)練時(shí)代，AI應(yīng)用場(chǎng)景中推理過程的高并發(fā)、低延遲需求，也對(duì)數(shù)據(jù)庫(kù)也提出了極致的要求，數(shù)據(jù)庫(kù)作為一項(xiàng)歷經(jīng)多年發(fā)展的“老技術(shù)”，在AI時(shí)代被賦予了新的使命。

“通常來看，多模數(shù)據(jù)處理、實(shí)時(shí)高吞吐處理和智能化原生適配是AI時(shí)代數(shù)據(jù)庫(kù)的核心能力要求。”李莊莊說。

李莊莊認(rèn)為，對(duì)AI時(shí)代的數(shù)據(jù)庫(kù)來說，挑戰(zhàn)和機(jī)遇并存。對(duì)于傳統(tǒng)數(shù)據(jù)庫(kù)企業(yè)而言，AI 時(shí)代帶來了兩重挑戰(zhàn)。一方面，海量多模態(tài)數(shù)據(jù)的處理需要突破大數(shù)據(jù)量下的性能瓶頸，這要求企業(yè)在新型硬件適配和底層內(nèi)核優(yōu)化上實(shí)現(xiàn)技術(shù)突破；另一方面，數(shù)據(jù)庫(kù)的管理運(yùn)維復(fù)雜度居高不下，傳統(tǒng)依賴人工的方式難以滿足AI場(chǎng)景的高效需求，提升數(shù)據(jù)庫(kù)的智能化程度成為當(dāng)務(wù)之急。

挑戰(zhàn)背后，是行業(yè)發(fā)展的廣闊機(jī)遇。AI時(shí)代催生了對(duì)數(shù)據(jù)庫(kù)的更加多元化的需求，尤其是時(shí)序、向量、圖等新型數(shù)據(jù)庫(kù)的需求激增，極大地拓展了市場(chǎng)空間。更為重要的是，AI對(duì)數(shù)據(jù)庫(kù)核心能力的要求，倒逼企業(yè)進(jìn)行核心架構(gòu)創(chuàng)新，這為堅(jiān)持自主研發(fā)的數(shù)據(jù)庫(kù)企業(yè)提供了“彎道超車”的機(jī)會(huì)，達(dá)夢(mèng)數(shù)據(jù)作為深耕數(shù)據(jù)庫(kù)領(lǐng)域的企業(yè)，便將此視為技術(shù)突破與快速發(fā)展的重要契機(jī)。

遙想產(chǎn)業(yè)互聯(lián)網(wǎng)變革之時(shí)，曾經(jīng)出現(xiàn)了“互聯(lián)網(wǎng)+產(chǎn)業(yè)”還是“產(chǎn)業(yè)+互聯(lián)網(wǎng)”的討論和爭(zhēng)議，在AI時(shí)代，如何把握機(jī)遇？也有不少人爭(zhēng)論是“數(shù)據(jù)庫(kù)+AI”還是“AI+數(shù)據(jù)庫(kù)”？

李莊莊在演講和采訪中強(qiáng)調(diào)，AI和數(shù)據(jù)庫(kù)是“雙向賦能、互相融合”的關(guān)系，數(shù)據(jù)庫(kù)自身可以用AI提升自身的能力，同時(shí)數(shù)據(jù)庫(kù)也能為AI場(chǎng)景應(yīng)用提供更高效的底層支撐。

比如，“數(shù)據(jù)庫(kù)+AI”以數(shù)據(jù)庫(kù)為核心，將 AI技術(shù)作為增強(qiáng)手段，提升數(shù)據(jù)庫(kù)的性能、易用性與自動(dòng)化水平。“AI+數(shù)據(jù)庫(kù)”則以AI場(chǎng)景為核心，數(shù)據(jù)庫(kù)作為AI的基礎(chǔ)設(shè)施，提供數(shù)據(jù)存儲(chǔ)、特征計(jì)算、模型部署等支撐。沒有AI的加持，數(shù)據(jù)庫(kù)難以應(yīng)對(duì)復(fù)雜場(chǎng)景的挑戰(zhàn)，沒有數(shù)據(jù)庫(kù)對(duì)數(shù)據(jù)的高效管理，AI模型就是“無米之炊”。

在AI時(shí)代，數(shù)據(jù)庫(kù)廠商可以采取以下策略把握機(jī)遇。首先，從架構(gòu)層面進(jìn)行升級(jí)，通過存算分離、云原生、極致彈性等提升數(shù)據(jù)存儲(chǔ)處理能力，同時(shí)集成向量、圖、時(shí)序等多模數(shù)據(jù)處理能力；其次，通過AI提升數(shù)據(jù)庫(kù)自動(dòng)化管理能力，比如智能SQL生成、智能調(diào)優(yōu)、故障預(yù)測(cè)、根因分析等；最后，在生態(tài)層面，需要充分開放，和AI工具鏈進(jìn)行深度適配，簡(jiǎn)化AI訓(xùn)練中的工作復(fù)雜度。

早有布局的達(dá)夢(mèng)如何抓住智能化機(jī)遇？

達(dá)夢(mèng)數(shù)據(jù)一直堅(jiān)持自主開發(fā)的技術(shù)路線，作為全棧數(shù)據(jù)產(chǎn)品和解決方案提供商，在AI與數(shù)據(jù)庫(kù)融合發(fā)展領(lǐng)域早已提前布局，2014年左右就開始了智能化方面的探索。

隨著AI大模型技術(shù)的發(fā)展，技術(shù)迭代更快，達(dá)夢(mèng)數(shù)據(jù)在核心技術(shù)、架構(gòu)方面進(jìn)行優(yōu)化升級(jí)，更好地適應(yīng)AI時(shí)代的要求，自此，其智能化發(fā)展也步入了快車道，如今達(dá)夢(mèng)數(shù)據(jù)在AI領(lǐng)域獲得了不錯(cuò)的發(fā)展：

在AI4DB方面，以達(dá)夢(mèng)啟云數(shù)據(jù)庫(kù)和達(dá)夢(mèng)數(shù)據(jù)庫(kù)一體機(jī)為載體，推出了智能參數(shù)調(diào)優(yōu)、SQL智能生成、數(shù)據(jù)智能探查、慢SQL根因分析/診斷、智能測(cè)試樣例生成、達(dá)夢(mèng)數(shù)字服務(wù)專家等AI新特性，大大提升了數(shù)據(jù)庫(kù)的智能化程度和便利性，同時(shí)保障了數(shù)據(jù)庫(kù)的高可靠和高性能。

在DB4AI方面，基于自主研發(fā)的技術(shù)路線，陸續(xù)推出了圖數(shù)據(jù)庫(kù)、時(shí)序數(shù)據(jù)庫(kù)、緩存數(shù)據(jù)庫(kù)、向量數(shù)據(jù)庫(kù)以及多模數(shù)據(jù)庫(kù)等能夠支撐AI訓(xùn)練的多引擎數(shù)據(jù)庫(kù)產(chǎn)品，可以為AI場(chǎng)景應(yīng)用提供國(guó)產(chǎn)內(nèi)生安全的底座支撐。

據(jù)悉，智能化發(fā)展已經(jīng)帶來了非常大的實(shí)際業(yè)務(wù)價(jià)值。以數(shù)據(jù)庫(kù)智能參數(shù)調(diào)優(yōu)為例，DM8有幾百項(xiàng)參數(shù)，每個(gè)數(shù)據(jù)庫(kù)在具體生產(chǎn)應(yīng)用中面臨的場(chǎng)景需求千變?nèi)f化，參數(shù)的組合幾乎是個(gè)天文數(shù)字，在以往的實(shí)際生產(chǎn)中，參數(shù)調(diào)優(yōu)嚴(yán)重依賴DBA的個(gè)人經(jīng)驗(yàn)。

在引進(jìn)智能參數(shù)調(diào)優(yōu)后，依賴人工的問題得到了明顯改善。比如在啟云數(shù)據(jù)庫(kù)中在線發(fā)放一個(gè)數(shù)據(jù)庫(kù)服務(wù)，可以根據(jù)數(shù)據(jù)庫(kù)的規(guī)格、初始化參數(shù)和基本場(chǎng)景需求對(duì)參數(shù)進(jìn)行智能推薦，同時(shí)在數(shù)據(jù)庫(kù)運(yùn)行中收集日志數(shù)據(jù)進(jìn)行處理和訓(xùn)練，隨時(shí)提供與數(shù)據(jù)庫(kù)應(yīng)用場(chǎng)景相匹配的參數(shù)組合。實(shí)際測(cè)試和生產(chǎn)應(yīng)用表明，智能參數(shù)調(diào)優(yōu)的效果高于DBA人工調(diào)優(yōu)，而且可以節(jié)省大量的運(yùn)維人力，對(duì)于數(shù)據(jù)庫(kù)的使用者、建設(shè)方都有極大的降本增效價(jià)值。

展望未來，李莊莊認(rèn)為數(shù)據(jù)與AI的融合發(fā)展將大有可為，他指出了以下幾個(gè)重點(diǎn)的數(shù)據(jù)庫(kù)智能化發(fā)展趨勢(shì)：

一是，智能化自治的程度會(huì)越來越高，像自主感知、動(dòng)態(tài)調(diào)整架構(gòu)、自動(dòng)優(yōu)化性能、硬件故障自修復(fù)等技術(shù)一定會(huì)快速發(fā)展，最終的目標(biāo)肯定是“無人工干預(yù)”，就像真正意義上的智能駕駛一樣。

二是，數(shù)據(jù)庫(kù)和AI大模型的融合會(huì)越來越深，我中有你，你中有我，AI4DB成為標(biāo)配，DB4AI成為默認(rèn)。

三是，數(shù)據(jù)庫(kù)和數(shù)據(jù)的使用技術(shù)門檻會(huì)顯著降低，比如一鍵部署模型、SQL智能生成、智能數(shù)據(jù)分析等，AI讓技術(shù)更加普惠。

李莊莊也強(qiáng)調(diào)，AI時(shí)代的變革才剛剛開始，AI的產(chǎn)品鏈生態(tài)鏈較之以往更長(zhǎng)、更復(fù)雜，需要數(shù)據(jù)庫(kù)廠商更加重視產(chǎn)學(xué)研用的“協(xié)同創(chuàng)新”。

小結(jié)：AI時(shí)代取勝的關(guān)鍵是什么？

AI為數(shù)據(jù)庫(kù)的發(fā)展帶來了更多可能性，同時(shí)也帶來了更多變數(shù)。如今數(shù)據(jù)庫(kù)百花齊放，競(jìng)爭(zhēng)也格外激烈，想要脫穎而出并不容易。李莊莊指出，在信息領(lǐng)域有兩個(gè)取勝的關(guān)鍵因素：

一是技術(shù)硬實(shí)力，沒有核心技術(shù)的廠商是沒有生命力的，達(dá)夢(mèng)這么多年堅(jiān)持自主創(chuàng)新，包括AI時(shí)代持續(xù)加大研發(fā)投入，就是出于該因素考慮，只有持續(xù)創(chuàng)新，才能擁有在市場(chǎng)上競(jìng)爭(zhēng)的底氣。

二是良好的落地價(jià)值，純粹靠技術(shù)也較難勝利，如果沒有將技術(shù)轉(zhuǎn)化為 “開箱即用” 的解決方案，最終所有的技術(shù)都會(huì)成為空中樓閣，水中月鏡中花，好看但是沒用，所有成功都是建立在解決了客戶問題，帶來實(shí)際落地價(jià)值方面，這是核心，是達(dá)夢(mèng)數(shù)據(jù)做全棧數(shù)據(jù)解決方案的原因所在。

AI時(shí)代，風(fēng)高浪急，更需要自主創(chuàng)新帶來的技術(shù)硬實(shí)力和持續(xù)在產(chǎn)業(yè)中的良好落地價(jià)值，如此才能乘風(fēng)破浪，海闊天空。

審核編輯 黃宇