OceanBase发布AI数据库：一套引擎融合湖库与多模态数据

背景

过去三年，尽管大模型能力快速跃升且算力持续突破，但企业级 AI 落地并未迎来预期中的价值释放。行业共识逐渐形成：AI 竞争的焦点正从“模型”转向“数据”。随着 Agent（智能体）进入系统执行层，企业数据走向多模态化，传统多系统协同的架构难以满足 AI 对“统一上下文”的要求。

在此背景下，AI 正在改变数据的管理范式。Agent 的引入带来了“规模、上下文和进化”三大关键挑战，导致数据形态、流动和交互方式发生巨变。然而，数据库在一致性、扩展性、可靠性和实时性方面的底线不可退让。因此，重写架构成为必然，而“湖库一体”被视为解决这一矛盾的最佳路径。

核心内容

6月29日，OceanBase 正式发布面向 AI 时代的湖库一体 AI 数据库。该方案提出以湖库一体为核心架构，将数据湖的开放与海量存储能力、数据库的事务处理与分析能力，以及多模态数据处理能力，统一到底层强一致的数据底座上。其核心目标是帮助 Agent 一次获取完整的业务上下文，让 AI 真正“读懂”企业。

围绕这一核心能力，OceanBase 构建了覆盖数据引擎、数据治理与业务入口的完整产品体系：

1. OceanBase Lakebase：作为底层引擎，负责在统一架构中管理、加工、检索和调用结构化数据、非结构化数据和向量数据，解决 AI 时代的数据底座问题。
2. OceanBase DataStudio：运行在 Lakebase 之上，覆盖数据接入、加工、编排、语义建模到 Agent 协作等环节，旨在将分散的数据资产转化为可调用的数据服务，解决数据治理与服务化问题。
3. OceanBase DataPilot：作为统一的企业业务智能入口，允许业务人员通过自然语言完成分析报告、数据看板和可信答案生成，解决业务人员直接使用数据智能的问题。

据 OceanBase 介绍，相较传统多系统方案，该 AI 数据库可降低整体 TCO（Total Cost of Ownership，总体拥有成本）约 30%-50%。目前，该能力已在蚂蚁集团内部的“阿福”及外部“灵光”等 AI 场景完成业务验证。其中，“灵光”累计生成数千万个“闪应用”，验证了湖库一体架构在千万级 Agent 场景下的可行性。

OceanBase CTO 杨传辉强调，真正的一体化必须发生在架构层，而非简单的拼接。OceanBase 选择从数据库内核出发，将长期在金融核心系统中验证的事务一致性、高可用与弹性能力，延伸至湖与多模态数据体系之上，实现从底层出发的重构。

关键要点

• 架构革新：采用湖库一体架构，在同一套引擎中统一管理多模态数据，打通在线与离线处理，消除多系统割裂。
• 产品矩阵：形成由 Lakebase（数据引擎）、DataStudio（数据治理与服务化）、DataPilot（业务智能入口）组成的全栈产品体系。
• 成本优势：相比传统多系统方案，整体 TCO 降低 30%-50%。
• 实战验证：已在蚂蚁“阿福”和“灵光”场景落地，灵光累计生成数千万个“闪应用”，验证了千万级 Agent 场景下的可行性。
• 技术路径：从数据库内核出发，而非在旧架构上叠加修补。依托 OceanBase 在金融级场景中锤炼出的数据不出错、系统不中断、故障毫秒恢复能力，支撑 AI 负载。
• 市场地位：OceanBase 是中国自主研发的数据库，已服务超 400 家金融机构，连续两年位居中国分布式数据库本地部署市场第一，也是迄今唯一同时登顶 TPC-C 和 TPC-H 两项国际权威测试的数据库。

意义与影响

AI 数据库正在成为全球基础软件的新赛道，但技术路径尚未收敛。OceanBase 的发布标志着国产厂商在 AI 数据库范式重构中迎来了新的窗口期。

1. 从“记录事实”到“参与决策”：随着 Agent 成为数据库的新使用者，数据库的角色正在发生根本性转变，从被动记录转向主动参与决策，成为 AI 时代新的基础设施形态。
2. 重新定义数据范式：AI 数据库不再仅仅是传统数据库的能力扩展，而是重新定义了数据如何被 AI 组织、调用与决策。差异的本质在于对“AI 如何使用数据”的不同理解。
3. 参与规则制定：长期以来，基础软件标准主要由国际厂商定义。在 AI 数据库规则尚未固化的阶段，OceanBase 有机会从“跟随者”走向“共同定义者”，参与新体系的形成。这不仅是 OceanBase 的机遇，也是中国基础软件产业参与全球竞争的重要契机。