圖丨達夢技術副總經理李莊莊現場演講
AI時代數據庫的挑戰和機遇
近些年，文本、圖像、音視頻、時序等多模態數據海量增長，報告顯示，企業里80%以上的數據都是這些非結構化數據，但是長期以來，這些非結構化數據難以被企業有效利用起來。AI的發展為數據釋放價值帶來了更廣泛的新應用場景，也對數據底座提出了新的要求。
比如，AI模型訓練對這些非結構化數據的依賴日益加深，需要能夠高效處理這些多模態數據。而隨著AI技術深入應用，在如今的后訓練時代，AI應用場景中推理過程的高并發、低延遲需求，也對數據庫也提出了極致的要求，數據庫作為一項歷經多年發展的“老技術”，在AI時代被賦予了新的使命。
“通常來看，多模數據處理、實時高吞吐處理和智能化原生適配是AI時代數據庫的核心能力要求。”李莊莊說。
李莊莊認為，對AI時代的數據庫來說，挑戰和機遇并存。對于傳統數據庫企業而言，AI 時代帶來了兩重挑戰。一方面，海量多模態數據的處理需要突破大數據量下的性能瓶頸，這要求企業在新型硬件適配和底層內核優化上實現技術突破;另一方面，數據庫的管理運維復雜度居高不下，傳統依賴人工的方式難以滿足AI場景的高效需求，提升數據庫的智能化程度成為當務之急。
圖丨達夢技術副總經理李莊莊(右) IT168數據庫頻道主編任朝陽(左)
挑戰背后，是行業發展的廣闊機遇。AI時代催生了對數據庫的更加多元化的需求，尤其是時序、向量、圖等新型數據庫的需求激增，極大地拓展了市場空間。更為重要的是，AI對數據庫核心能力的要求，倒逼企業進行核心架構創新，這為堅持自主研發的數據庫企業提供了“彎道超車”的機會，達夢數據作為深耕數據庫領域的企業，便將此視為技術突破與快速發展的重要契機。
遙想產業互聯網變革之時，曾經出現了“互聯網+產業”還是“產業+互聯網”的討論和爭議，在AI時代，如何把握機遇?也有不少人爭論是“數據庫+AI”還是“AI+數據庫”?
李莊莊在演講和采訪中強調，AI和數據庫是“雙向賦能、互相融合”的關系，數據庫自身可以用AI提升自身的能力，同時數據庫也能為AI場景應用提供更高效的底層支撐。
比如，“數據庫+AI”以數據庫為核心，將 AI技術作為增強手段，提升數據庫的性能、易用性與自動化水平。“AI+數據庫”則以AI場景為核心，數據庫作為AI的基礎設施，提供數據存儲、特征計算、模型部署等支撐。沒有AI的加持，數據庫難以應對復雜場景的挑戰，沒有數據庫對數據的高效管理，AI模型就是“無米之炊”。
在AI時代，數據庫廠商可以采取以下策略把握機遇。首先，從架構層面進行升級，通過存算分離、云原生、極致彈性等提升數據存儲處理能力，同時集成向量、圖、時序等多模數據處理能力;其次，通過AI提升數據庫自動化管理能力，比如智能SQL生成、智能調優、故障預測、根因分析等;最后，在生態層面，需要充分開放，和AI工具鏈進行深度適配，簡化AI訓練中的工作復雜度。
圖丨達夢技術副總經理李莊莊現場演講
早有布局的達夢如何抓住智能化機遇？
達夢數據一直堅持自主開發的技術路線，作為全棧數據產品和解決方案提供商，在AI與數據庫融合發展領域早已提前布局，2014年左右就開始了智能化方面的探索。
隨著AI大模型技術的發展，技術迭代更快，達夢數據在核心技術、架構方面進行優化升級，更好地適應AI時代的要求，自此，其智能化發展也步入了快車道，如今達夢數據在AI領域獲得了不錯的發展：
在AI4DB方面，以達夢啟云數據庫和達夢數據庫一體機為載體，推出了智能參數調優、SQL智能生成、數據智能探查、慢SQL根因分析/診斷、智能測試樣例生成、達夢數字服務專家等AI新特性，大大提升了數據庫的智能化程度和便利性，同時保障了數據庫的高可靠和高性能。
在DB4AI方面，基于自主研發的技術路線，陸續推出了圖數據庫、時序數據庫、緩存數據庫、向量數據庫以及多模數據庫等能夠支撐AI訓練的多引擎數據庫產品，可以為AI場景應用提供國產內生安全的底座支撐。
據悉，智能化發展已經帶來了非常大的實際業務價值。以數據庫智能參數調優為例，DM8有幾百項參數，每個數據庫在具體生產應用中面臨的場景需求千變萬化，參數的組合幾乎是個天文數字，在以往的實際生產中，參數調優嚴重依賴DBA的個人經驗。
在引進智能參數調優后，依賴人工的問題得到了明顯改善。比如在啟云數據庫中在線發放一個數據庫服務，可以根據數據庫的規格、初始化參數和基本場景需求對參數進行智能推薦，同時在數據庫運行中收集日志數據進行處理和訓練，隨時提供與數據庫應用場景相匹配的參數組合。實際測試和生產應用表明，智能參數調優的效果高于DBA人工調優，而且可以節省大量的運維人力，對于數據庫的使用者、建設方都有極大的降本增效價值。
圖丨達夢技術副總經理李莊莊現場演講
展望未來，李莊莊認為數據與AI的融合發展將大有可為，他指出了以下幾個重點的數據庫智能化發展趨勢：
一是，智能化自治的程度會越來越高，像自主感知、動態調整架構、自動優化性能、硬件故障自修復等技術一定會快速發展，最終的目標肯定是“無人工干預”，就像真正意義上的智能駕駛一樣。
二是，數據庫和AI大模型的融合會越來越深，我中有你，你中有我，AI4DB成為標配，DB4AI成為默認。
三是，數據庫和數據的使用技術門檻會顯著降低，比如一鍵部署模型、SQL智能生成、智能數據分析等，AI讓技術更加普惠。
李莊莊也強調，AI時代的變革才剛剛開始，AI的產品鏈生態鏈較之以往更長、更復雜，需要數據庫廠商更加重視產學研用的“協同創新”。
小結：AI時代取勝的關鍵是什么？
AI為數據庫的發展帶來了更多可能性，同時也帶來了更多變數。如今數據庫百花齊放，競爭也格外激烈，想要脫穎而出并不容易。李莊莊指出，在信息領域有兩個取勝的關鍵因素：
一是技術硬實力，沒有核心技術的廠商是沒有生命力的，達夢這么多年堅持自主創新，包括AI時代持續加大研發投入，就是出于該因素考慮，只有持續創新，才能擁有在市場上競爭的底氣。
二是良好的落地價值，純粹靠技術也較難勝利，如果沒有將技術轉化為 “開箱即用” 的解決方案，最終所有的技術都會成為空中樓閣，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，帶來實際落地價值方面，這是核心，是達夢數據做全棧數據解決方案的原因所在。
AI時代，風高浪急，更需要自主創新帶來的技術硬實力和持續在產業中的良好落地價值，如此才能乘風破浪，海闊天空。
文章內容僅供閱讀，不構成投資建議，請謹慎對待。投資者據此操作，風險自擔。
海報生成中...
海藝AI的模型系統在國際市場上廣受好評，目前站內累計模型數超過80萬個，涵蓋寫實、二次元、插畫、設計、攝影、風格化圖像等多類型應用場景，基本覆蓋所有主流創作風格。
IDC今日發布的《全球智能家居清潔機器人設備市場季度跟蹤報告，2025年第二季度》顯示，上半年全球智能家居清潔機器人市場出貨1,2萬臺，同比增長33%，顯示出品類強勁的市場需求。
京公網安備 11010502041587號