過去三年，大模型能力快速躍升，算力持續突破，但企業AI落地卻並未迎來預期中的價值釋放。越來越多行業開始形成共識:AI競爭的焦點，正在從模型轉向數據。

6月29日，OceanBase發佈面向AI時代的湖庫一體AI數據庫，提出以湖庫一體爲核心架構，將數據湖的開放與海量存儲能力、數據庫的事務處理與分析能力，以及多模態數據處理能力統一到一套強一致的數據底座上，幫助Agent（智能體）一次獲取完整業務上下文，讓AI真正“讀懂”企業。

圍繞這一能力，OceanBase AI數據庫 同步形成覆蓋數據引擎、數據治理與業務入口的產品體系，包括Lakebase、DataStudio、DataPilot等，並已在螞蟻阿福、靈光等AI場景完成業務驗證。

業內普遍認爲，隨着Agent成爲數據庫新的使用者，數據庫正從“記錄事實”走向“參與決策”，AI數據庫也因此成爲AI時代新的基礎設施形態。

image.png

AI落地瓶頸在數據，“湖庫一體”成爲最佳路徑

過去，大模型解決的是“會不會思考”的問題;今天，真正的瓶頸變成了“是否理解業務”。模型能力在快速收斂，業務差異正在向數據層轉移。

隨着Agent進入系統執行層、企業數據走向多模態化，傳統多系統協同的架構越來越難以滿足AI對“統一上下文”的要求。AI正在改變數據的管理範式，Agent進入生產帶來的“規模、上下文和進化”等三個關鍵挑戰愈發顯著，把AI對數據庫的影響拆解來看，數據形態、數據流動、數據交互都在變，但數據庫本身的一致性、擴展性、可靠性、實時性這四條底線不可退讓。

真正需要被重寫的是架構，必須被堅守的是底線——指向的正是湖庫一體:讓多模態數據在統一引擎中被管理、計算與服務，從架構層消除多系統割裂。

圍繞湖庫一體，OceanBase 打造了AI時代的全新產品體系:

OceanBase Lakebase作爲底層引擎，讓結構化數據、非結構化數據和向量數據在統一架構中被管理、加工、檢索和調用，解決AI時代的數據底座問題;

OceanBase DataStudio運行在Lakebase之上，覆蓋數據接入、加工、編排、語義建模到Agent協作等環節，把分散的數據資產轉化爲可調用的數據服務，解決數據治理與服務化問題;

OceanBase DataPilot則作爲統一的企業業務智能入口，讓業務人員通過自然語言完成分析報告、數據看板和可信答案生成，解決業務人員如何直接使用數據智能的問題。

據介紹，相較傳統多系統方案，OceanBase AI數據庫可降低整體TCO（Total Cost of Ownership，總體擁有成本）約30%-50%。目前該能力已在螞蟻阿福、靈光等場景完成驗證，其中靈光累計生成數千萬個“閃應用”，驗證了湖庫一體架構在千萬級Agent場景下的可行性。

OceanBase CTO楊傳輝表示:“真正的一體化，必須發生在架構層。湖庫一體不是數據庫和數據湖的簡單拼接，而是在同一套引擎中統一管理多模態數據，打通在線與離線處理。”

重新定義AI數據庫，國產廠商迎來新的窗口期

AI數據庫正在成爲全球基礎軟件的新賽道，但技術路徑尚未收斂:有的從數據湖延展能力邊界，有的強化搜索與語義理解能力，也有廠商從數據庫內核出發，嘗試重構整體數據體系。

差異的本質，不在組件選擇，而在對“AI如何使用數據”的不同理解。在這一輪變化中，AI數據庫不再是傳統數據庫的能力擴展，而是在重新定義數據如何被AI組織、調用與決策。

image.png

OceanBase再造AI時代的湖庫一體數據庫

OceanBase選擇從數據庫內核出發，將長期在金融核心系統中驗證的事務一致性、高可用與彈性能力，延伸至湖與多模態數據體系之上，使其具備統一支撐AI負載的能力——這是從底層出發的重構，而非在舊架構上的疊加修補。

公開資料顯示，OceanBase是中國自主研發的數據庫，起源於2010年“雙十一”場景。十五年來，它經歷了金融行業最嚴苛的錘鍊——已服務超400家金融機構，連續二年位居中國分佈式數據庫本地部署市場第一，也是迄今唯一同時登頂TPC-C和TPC-H兩項國際權威測試的數據庫，業務覆蓋全球多個國家和地區。

這套在金融級場景中錘鍊出的能力——數據不出錯、系統不中斷、故障毫秒恢復——正是AI時代的剛需。將其從“庫”延伸到“湖”，是OceanBase站在十五年地基之上的自然一步，也使其具備了參與AI數據庫範式重構競爭的基礎。

長期以來，基礎軟件的標準主要由國際廠商定義，而AI數據庫正進入一個規則尚未固化的階段。這意味着競爭不再只是追趕已有體系，而是參與新體系的形成過程。

OceanBase CEO楊冰表示:“我們有機會從‘跟隨者’走向‘共同定義者’，參與AI數據庫範式的形成。這既是中國的機遇，也是OceanBase的機遇。”