OceanBase全面擁抱AI！首發PowerRAG產品，CTO楊傳輝詳解AI戰略

白交 2025-05-19 14:55:35 來源：量子位

允中 發自 凹非寺

量子位 | 公眾號 QbitAI

全面擁抱AI之后，OceanBase首次詳解了他們的戰略。

第三屆開發者大會上，OceanBase發布了面向AI的應用產品PowerRAG——

主打RAG開發能力開箱即用，打通應用開發數據層、平臺層、接口層與應用層的全流程。

它可以幫助用戶實現文檔知識庫、智能對話、圖像比對、數據分析等多種AI應用場景的快速開發。

作為他們AI應用層面探索的第一步，首次以AI戰略一號位現身大會的CTO楊傳輝進一步解釋了產品背后的戰略驅動：OceanBase正致力于構建Data×AI能力，面向AI時代推動一體化數據庫向一體化數據底座的戰略演進。

這是OceanBase戰略升級的第一個大動作，時間間隔不過一個月。

2025年4月27日，OceanBase CEO 楊冰發布全員信，宣布OceanBase將全面進入AI時代，并且為保障戰略推進，OceanBase啟動人才和組織體系升級，任命CTO楊傳輝擔任AI戰略一號位，并成立AI平臺與應用部、AI引擎組等新部門。

這樣的推進速度，不難看出OceanBase背后的AI決心和氣魄。而本次開發者大會呈現出他們對于數據與AI融合的思考，在大模型行業應用進入深水區的此刻，其實值得參考。

數據在AI時代的重塑：從挑戰到基礎設施革新

AI技術的爆發式發展正在重塑數據生態，已經成為行業共識。據IDC數據預測，受到生成式AI等技術驅動，新生成數據量規模將達到393.9ZB，其中企業數據規模和增速尤為凸顯，非結構化數據將是最主要的企業數據形式，占比將超80%。

海量數據的爆炸式增長，讓傳統數據基礎設施面臨前所未有的挑戰。數據存儲容量告急、存儲架構擴展形不足、數據管理效率低下，數據分析實時性滯后正在倒逼行業思考：如何構建AI時代的新型數據基礎設施？

AI從Task-specific到General的進化，給數據提出了更高維度的需求。螞蟻集團CTO何征宇在分享中指出，海量的互聯網數據成就了今天的大模型，但大模型幻覺問題的源頭也是數據問題。數據決定著大模型的能力上限，且依舊有很大挑戰：一是數據的獲取成本顯著增加，二是嚴謹的行業數據稀缺且流動困難，三是多模態數據需要更強的處理能力，四是數據的質量評估難。

無法數字化，就無法智能化。在傳統企業場景中，要想實現智能化，前提實現數字化，只有充分挖掘數據要素，才能通過AI來釋放它的價值。

能夠看到的是，AI與數據之間的關系遠比以往都更為緊密。數據驅動AI，而AI正在推動Data Infra 向 Data × AI Infra 演進。

數據基礎設施的革新方向已清晰可見，但是現有數據基礎設施可能無法跟上AI的需求。

企業大模型落地面臨著成本、準確性和數據安全三大挑戰。

數據孤島導致跨系統整合成本激增，企業需為分散的存儲、冗余計算（如多副本ETL）及數據庫人工運維支付高昂溢價；長尾場景下的一些碎片化數據難以為模型提供完整”知識圖譜”，往往導致數據準確性不足；當數據儲存在單機或者單片云時，是有可能因為外部故障而面臨數據泄露的風險，而用大模型做個智能應用本身開發周期就太長，整個風險的窗口期就拉長，這個過程成本也很高。

既然如此，行業該如何破局？承載著數據處理與分析的責任，數據庫廠商正在加速探索，以OceanBase為代表，15年持續深耕海量核心場景Know-how，它的系列動作或許值得關注。

一方面，OceanBase 堅持100%根自研，自 2010 開始投入研發，目前已支持支付寶全部核心賬務、核心支付系統，連續十余年穩定支撐雙 11，歷經流量洪峰和穩定性考驗。全球唯一接連打破“數據庫世界杯”TPC-C 和 TPC-H 測試紀錄，入選世界互聯網領先科技成果獎。

在商業化上，OceanBase已助力金融、政務、運營商、零售、互聯網等多個行業的2000多家客戶實現關鍵業務系統升級。

另一方面，它正在全力擁抱AI，積極布局戰略升級。他們會如何做，也能給正在等待AI轉型升級的企業一個參考。

CEO楊冰的全員信中，其實就已經透露他們接下來的發展目標：

我們將形成AI時代從一體化存儲（行存、列存、KV、文檔、向量、倒排）到一體化計算（OLTP、OLAP、NoSQL、向量數據庫、搜索、推理、RAG）的全方位布局，依托螞蟻的豐富應用場景將OceanBase的“Data × AI”能力打磨成為新的核心競爭力，并逐漸服務外部客戶，打造如分布式技術般的世界級AI數據底座。

而此次開發者大會，正是他們向外界展示的首次實踐。

OceanBase給出答案：一體化數據底座

面對行業的真實需求，OceanBase正在大膽探索。CTO楊傳輝表示，作為一體化分布式數據庫，OceanBase已經具備了一定的AI時代數據處理能力。

比如分布式有效應對海量數據的存儲計算、多模融合統一處理不同結構數據、TP/AP一體化實現混合事務和實時分析處理。

在支持AI應用落地的核心基礎設施——向量性能、混合檢索等層面，OceanBase也有新的突破。

大會現場，基于基準測試工具VectorDBBench，采用Performamce768D1M測試數據集，OceanBase與業內三款領先的開源向量數據庫進行性能跑分測試。結果顯示，OceanBase的向量性能已經達到開源向量數據庫業內的領先水平。

而面對AI時代的海量數據，OceanBase還引入BQ量化算法（HNSW+BQ），大幅降低向量場景的內存需求；引入針對JSON半結構化數據的壓縮能力，降低AI場景中的半結構化數據存儲成本。此外，OceanBase已具備面向多種數據模型的混合檢索能力。

再加上PowerRAG，一改傳統的開發模式（組件森林開發模式、RAG平臺模式等），主打開箱即用。

以上能力和產品，背后依托于OceanBase對于大模型落地價值的思考以及“一體化數據底座”的戰略思路。

他們認為大模型落地產生價值的核心在數據與模型的一體化融合。更形象地表述是，數據與AI的關系不再是簡單的Data+AI，應該是Data×AI。

基于Data×AI能力，OceanBase致力于從一體化數據庫朝著一體化數據底座演進。

在過去15年產品技術演進中，一體化早已注入了OceanBase的靈魂。甚至從架構設計的第一天就被視作自然而然的選擇：通過分布式架構底座將多個關鍵能力融合到一個引擎和一套數據庫。

從最初的工程一體化、多租戶、多兼容模式，演進到 HTAP 工作負載一體化(混合事務/分析處理)，再到單機分布式一體化、多模型、多數據接口，以及面向未來多云基礎設施的存算分離引擎，可以說一體化本身就是OceanBase產品迭代發展的核心。

當下更海量更復雜數據規模、混合負載的需求，一體化數據底座也成為廣泛的市場需求。它的底層需要實現單機分布式一體化和云上云下一體化，也就是單機分布式一體化架構和多云原生架構，對用戶來說它需要提供一套統一支持SQL、AP和AI的數據底座。

AI時代的數據底座

此次 OceanBase 所展現出來的數據底座探索和創新，對整個數據庫行業以及AI應用生態發展都可能帶來多維度推動作用。

首先，AI時代的數據基礎設施正在從“被動存儲”到“主動賦能”的范式轉換。以往數據基礎設施隱于技術之后，廠商更多是針對單一性能、單點需求進行優化和解決，沒有形成整體的整合與協同。

現在當AI賦能應用層，數據基礎設施面向 AI 提供開發 AI 創新應用的能力，如推理能力、向量能力、RAG 能力、混合檢索能力等，以滿足 AI 創新應用對數據基礎設施的全面需求。

這也就給其他廠商跟進優化自身的產品，朝著數據與模型一體化融合的方向研究和實踐提供一個參考。

其次，AI時代的數據底座，可能呈現出這幾個方面的特點。

多模態融合，支持結構化（SQL）、半結構化（JSON）、非結構化（向量/文本）數據的統一存儲與混合檢索能力。

混合負載處理能力，AI時代將工作負載的邊界模糊了。通過HTAP引擎實現OLTP（事務處理）與OLAP（實時分析）的融合，以適應復雜的處理需求。

此外，還包括成本與性能的極致平衡、AI原生功能集成等特點。

最后，在AI廣泛應用落地中，數據庫廠商是整個生態中關鍵一環。通過提供高效、易用的數據底座解決方案，降低企業開發 AI 應用門檻，從而實現AI的普惠。

從OceanBase Data x AI的全景圖可以看到，作為最底層的一體化數據底座，OceanBase需要和下層模型，以及上層的Agent平臺，AI應用做適配。比如當前在流行的MCP大模型生態。

也就意味著，AI場景價值落地，還是離不開生態合力，通過”數據-模型-應用“形成正向循環，促使全行業加速向多模態、低成本、易用性方向演進。

未來，隨著更多企業加入這一生態，AI技術將真正成為普惠生產力，而OceanBase的實踐無疑正在為這一未來筑牢“地基”。