对话OceanBase AI战略一号位杨传辉：大模型时代的数据库重构 | 涛滔不绝

从蚂蚁集团独立一年后，分布式数据库的标杆OceanBase正在全力拥抱AI。

不久前，OceanBase CEO（首席执行官）杨冰发布全员信，宣布OceanBase将全面进入AI时代，打造“Data×AI”核心能力，建设AI时代的数据底座。

为此，OceanBase启动人才和组织体系升级，任命CTO杨传辉（日照）担任AI战略一号位，并成立AI平台与应用部、AI引擎组等新部门。通过组织和人才的全方位保障，实现从一体化存储到一体化计算的全方位布局，推进“Data × AI”平台的搭建，聚焦打造RAG、AI平台、知识库等能力。

公开信息显示，杨传辉是OceanBase数据库的创始成员之一。2010年加入OceanBase团队，主导了历次架构设计和技术研发，从无到有实现了OceanBase在蚂蚁集团的全面落地。同时，还主导了两次OceanBase TPC-C测试，并打破世界纪录，见证了OceanBase的崛起。

在5月17日的第三届开发者大会上，OceanBase发布面向AI的应用产品PowerRAG，该产品提供开箱即用的RAG应用开发能力，是其面向AI时代的探索之一。杨传辉也首次公开阐释了OceanBase的Data×AI战略，他表示，OceanBase正致力于构建Data×AI能力，面向AI时代推动一体化数据库向一体化数据底座的战略演进。

本期《涛滔不绝》，CSDN创始人&董事长蒋涛与OceanBase CTO、 AI战略一号位杨传辉就数据库迈向AI战略的必要性谈起，从数据库与AI的技术融合实践到数据库与AI的未来洞见，为我们揭开了数据库拥抱AI的深层逻辑。

AI浪潮下，数据库如何承接AI？

伴随着DeepSeek的崛起，今天，我们已经从大数据时代迈入大AI时代。同时，这也意味着数据在应用层的拓展和数据量将大幅增加，对数据处理的多模态和扩展性能力要求更高。

蒋涛：从你的角度来看，AI大模型对数据基础设施有什么新的要求和变化？

杨传辉：一方面，AI时代的数据从结构化交易记录延伸至文本、图像、向量等多模态形态，例如金融风控需分析用户行为向量，医疗场景则需要处理影像数据特征等多模态数据。此外，据IDC预测，2025年全球数据量将达到175ZB，其中，80%以上的为非结构化数据，这也就意味着非结构化数据的存储和处理将成为核心挑战，传统单一的存储架构难以承载如此庞大的数据需求。

另一方面，大模型在通用领域的“幻觉”问题，可能导致数据分析和决策失误，尤其在金融、医疗等关键领域，可能演变为“准确率危机”，影响业务稳定性和安全性。核心问题就在于企业如何处理数据，如何处理好数据与AI的关系。

从本质上来看，几乎所有数据企业都是AI企业，数据与AI分不开。

也就是说，AI时代，企业需深刻理解数据与AI的共生关系，数据与AI本身密不可分。数据库的价值显然已经从单一工具转变为AI赋能的基础设施，成为连接数据与智能的桥梁。而这也正是OceanBase AI战略的核心所在。

OceanBase 的 Data×AI：重新定义数据库边界

在这样的背景下，数据库的角色已不再局限于数据存储，而是演进为支撑AI应用的底座。其不仅要高效处理多模态数据，还需具备智能化数据分析能力，以应对复杂场景下的决策需求。

蒋涛：OceanBase 提出的Data×AI如何理解？

杨传辉：首先，Data×AI并不是简单的技术叠加，更多是数据库的延展。而OceanBase的发展路径恰好与之相契合。OceanBase的产品从早期的OLTP数据库，逐步扩展到OLAP分析处理，再到向量、搜索、JSON和多模态处理，形成了一体化的数据库架构，完美契合Data×AI的需求。 

尽管Data xAI处于起步阶段，但OceanBase的优势在于其是交易出身，对于分析、多模态处理有着天然的优势。不同研发小组专注于各自模块，但最终集成于分布式引擎之上，确保一体化方案的协同高效，避免了传统数据库的割裂问题，实现数据处理的连贯性与高效性。

蒋涛：和外挂式数据库厂商的主要差距表现在哪里？比如性能方面？

杨传辉：我觉得主要差别体现在两方面。其一在于体验上的本质差异。混合搜索功能需同时查询交易数据和多模态向量，若分属多系统，技术栈分散，难以统一，导致检索效果不佳。其二，分布式数据库底座能全面处理结构化和非结构化数据，确保高效准确，这是外挂式难以比拟的。

蒋涛：混合检索对于数据库厂商而言，是一种新的能力吗？

杨传辉：我认为是的。随着AI和多模态需求的兴起，数据库厂商纷纷转向混合负载和混合检索，这在没有AI和多模态之前是不常见的。可以说，混合检索对于数据库而言是一个比较新的趋势。

蒋涛：OceanBase的向量性能现在是什么样的水平？

杨传辉：依托蚂蚁集团在向量索引技术上的深厚积累，结合OceanBase在数据库领域的优势，尤其在分布式架构、扩展性和稳定性方面，双方的优势能力深度融合，目前已达到开源数据库业内一流水平。从性能维度来看，在同等召回率下，检索性能较开源向量数据库更快；从成本维度来看，针对向量数据量不大的情况，引入BQ量化算法，通过直接量化或简单内存量化，我们节省了95%的内存，对于向量数据量庞大的情况，存储至磁盘后，OceanBase的优势更为显著，确保高效处理的同时，大幅降低成本。

AI重塑数据库：从“被动存储”到“主动赋能” 

大模型的崛起，暴露了企业数据应用的深层矛盾：即公网数据训练的模型难以理解行业私有数据，而数据隐私与安全又限制了“数据喂给大模型”的路径。此时，数据库的角色从“数据仓库”升级为“AI桥梁”——它既要存储和管理数据，更要主动处理数据，让大模型“看得懂”企业私有知识。 RAG（检索增强生成）技术则成为突破口之一。

蒋涛：企业如何将私有数据与大模型集合是关键，数据库能做什么？

杨传辉：我们希望从两个维度切入：一是通过RAG（检索增强生成），将企业查询相关数据提取后作为提示（类似数据库中的hint）输入大模型，以生成更精准的结果；二是未来通过微调，针对企业特定场景数据对模型进行优化，使其更贴合实际业务需求。

今天，我们也在开发者大会上发布了RAG工具，未来还将支持微调等工具，持续专注于数据处理能力拓展，覆盖多模态数据场景。

目前，OceanBase一体化数据底座中的向量数据库与混合检索能力已在客户中落地，例如联通软研院用其构建 DBA知识库，in银泰商业通过混合检索实现智能问数功能，这些实践均体现了业界对OceanBase相关能力的认可。

蒋涛：如何用好OceanBase的PowerRAG方案？

杨传辉：传统RAG需要开发者自行搭建数据处理、向量索引、提示词优化等复杂流程，而OceanBase的Power RAG将这些流程封装为标准化服务：用户只需上传文档，即可通过自然语言查询私有知识，底层自动完成文档解析、段落切割、向量检索与大模型交互。这种“低代码甚至无代码”的能力，让AI应用门槛大幅降低——即使是中小企业，也能借助数据库工具快速构建专属智能服务，如客服知识库、智能报表生成等。 

当然，这其中更深层的变革在于数据处理逻辑的重构。数据库开始融合AI算法，通过向量索引优化检索效率，利用大模型生成SQL语句或优化查询计划。例如，OceanBase的ODC工具，已能通过对话式交互辅助开发者编写SQL，准确率显著提升。这进一步验证了“数据库+AI”将重新定义开发者的工作方式，让数据处理从“技术活儿”变为“自然语言对话”。

蒋涛：MCP会被作为数据衔接的工具吗？

杨传辉：从AI生态视角出发，我们目前已实现对MCP协议的支持，满足大模型调用数据库及其他工具的需求，且我们的管控工具也已完成MCP协议适配。

力争成为新一代MySQL

数据库的竞争，本质是生态的竞争。在传统数据库时代，MySQL、PostgreSQL等凭借开源生态占据统治地位。而在AI时代，新的生态格局正在形成。 

蒋涛：OceanBase 对出海怎么看？如何构建数据库生态？

杨传辉：在海外拓展业务期间，我们接触了众多客户，他们普遍对OceanBase的产品赞不绝口，尤其认可其领先的扩展性、性价比以及独特的一体化能力，这些优势在传统数据库产品中实属罕见。但也面临一些挑战：比如海外部分客户的程序员群体技术迁移能力较弱，难以适应新的技术框架，且对额外的开发任务接受度较低，这本质上是生态建设层面的难题。

不过，AI时代的到来为OceanBase创造了破局机遇。随着多模态数据处理需求的爆发，市场急需一体化数据底座。当前开源生态中，PostgreSQL 通过插件形式积极扩展对事务处理（TP）、分析处理（AP）及向量数据的支持，生态发展迅猛；而 MySQL 因被收购，在AI时代的生态迭代近乎停滞。OceanBase作为完全兼容MySQL的开源产品，不仅能无缝承接MySQL用户，更凭借一体化架构在性能与成本上实现超越 —— 既能满足传统交易场景需求，又能原生支持向量检索、混合负载等AI能力，成为MySQL生态向AI时代转型的方案之一。

同时，OceanBase的另一核心优势源于蚂蚁集团的深度赋能。顶级应用场景是驱动数据库创新的核心动力。正如移动互联网时代的双11成就了OceanBase的分布式技术领先地位，AI时代的前沿应用正推动OceanBase的智能化升级。蚂蚁集团在金融、风控、营销、医疗等全场景的AI实践，为OceanBase提供了独一无二的“练兵场”—— 从内部业务中提炼的向量检索、智能风控等能力，经实战打磨成熟后再输出给外部企业，使 OceanBase 的AI功能在落地效率与成熟度上能够超出行业平均水平。这种“内部孵化 - 外部验证” 的模式，正是OceanBase技术快速迭代的核心密码。

生态构建的另一维度是全球化。东南亚、欧洲、拉美等地区正成为新战场，AI时代的混合负载需求让中国数据库的技术优势得以凸显，正如新能源车凭借技术迭代打破传统车企优势，中国数据库也有望借助AI浪潮实现“换道超车”。 

蒋涛：对开发者有哪些建议？

杨传辉：AI时代的到来，对所有开发者而言既是机遇也是挑战。“学AI用AI，学OB用OB”是应对这一变革的核心路径。OceanBase作为深耕数据库领域15年的产品，未来仍将持续投入迭代，不断进化。如今，OceanBase在分布式技术领域已处于世界领先地位，但要成为数据库生态中最受欢迎的产品，仍需长期耕耘。

但生态的繁荣无法仅凭一家企业完成，需要携手所有用户与开发者共同成长。在此过程中，OceanBase将始终保持专注——依托蚂蚁集团的强大支持，持续加大技术投入，优化产品能力。我们期待与开发者并肩，在AI时代共同构建更具生命力的技术生态。对于开发者而言，拥抱AI浪潮、掌握OceanBase技术，正是把握未来机遇的关键所在。

蒋涛：OceanBase在未来的5~10年有什么技术蓝图规划？

杨传辉：数据库是需要沉淀的基础设施，打造世界级数据底座需以20-30年为周期。未来 5-10年，OceanBase将聚焦两大战略方向：

其一，深化一体化数据底座建设，成为新一代MySQL。

当前OceanBase用户已覆盖全球2000多家企业，但要成为全球流行的技术栈，需从 “万级用户” 迈向 “百万级、千万级”。AI时代的核心目标是让OceanBase成为企业AI应用的标配底座，支撑从交易、分析到向量检索的全场景需求。这不仅需要持续优化分布式架构的性能与稳定性，更要通过开源生态建设降低使用门槛，例如兼容MySQL生态以吸引传统开发者转型。

其二，破解“Data ×AI” 深度融合的技术命题。

数据与AI的结合面临算法优化、成本控制、模型适配等多重挑战。OceanBase的技术团队正重点突破两大方向：

• 降低AI推理成本：通过向量索引优化、内存量化等技术，提升数据处理效率的同时降低资源消耗。

• 动态适配大模型进化：建立与大模型厂商的协同机制，快速响应模型迭代（如上下文长度扩展、多模态输入支持），避免因模型升级导致的技术滞后。

未来十年，数据库的终极形态可能是“Data x AI”的深度融合体：它既是数据存储与处理的中心，也是AI应用的运行平台，甚至能通过自主学习优化数据管理策略。

做数据底座需要20年、30年的长期投入，我们正站在新的起点上。

结语

当 DeepSeek 等大模型重新定义 “智能上限” 时，数据库正在定义 “智能的边界”—— 它决定了企业能在多大程度上利用数据释放 AI 价值。OceanBase的探索表明，数据库的AI觉醒不是技术叠加，而是从底层架构到场景落地的全面革新。

正如蒋涛所说：中国拥有全球领先的应用场景和技术人才储备，这为国产数据库的崛起提供了沃土。我们有理由相信AI时代的 “Data x AI” 融合趋势为国产数据库提供新的机遇，OceanBase的一体化数据底座探索可以说为数据库厂商做了标杆，同时期待更多开发者加入生态，共同把握AI时代的 “大航海” 机遇，开启软件产业大变革。