“AI原生數(shù)據(jù)庫”是偽概念？對話甲骨文副總裁：企業(yè)AI落地只看結果

智東西
作者 陳駿達
編輯 云鵬

智東西8月5日報道，今天，美國數(shù)據(jù)庫軟件巨頭甲骨文（Oracle）召開了季度媒體溝通會，甲骨文公司副總裁及中國區(qū)董事總經(jīng)理吳承楊、甲骨文公司高級總監(jiān)及中國區(qū)技術工程部總經(jīng)理嵇小峰以及甲骨文公司高級總監(jiān)及中國區(qū)云工程部總經(jīng)理竇杰，圍繞企業(yè)級AI落地、AI數(shù)據(jù)庫、多云戰(zhàn)略等話題與智東西等媒體進行了交流。

吳承楊認為，正如蒸汽機之于工業(yè)革命，AI帶來的不是某個單一應用，而是根本性的能力變化。衡量這種能力的標準只有一個詞——Outcome（實際產(chǎn)出）。“原來需要100人的工作現(xiàn)在80人能完成，這叫Outcome；準確率從95%提高到96%，這叫Outcome。數(shù)不出來的，不叫Outcome。”

他強調，甲骨文在AI時代的優(yōu)勢在于全棧，從應用、架構、數(shù)據(jù)到模型全部打通。而甲骨文在中國的策略與全球在方法論上完全一致：“中美之間，對AI的看法沒有區(qū)別，產(chǎn)品可能有區(qū)別，但方法論是一樣的。”

吳承楊還給出了他對當前行業(yè)熱詞——“AI原生數(shù)據(jù)庫”的看法。他直言，自己并未在全球范圍內聽到過“AI原生數(shù)據(jù)庫”的說法，僅在國內有人討論。他還補充道，純粹在AI時代炒概念是沒有意義的，核心問題是數(shù)據(jù)庫到底能給用戶帶來什么效果。

溝通會上，智東西就甲骨文數(shù)據(jù)中心保交付問題向竇杰提問。竇杰從四個維度闡述了OCI的保交付策略：首先是在項目早期就鎖定電力和數(shù)據(jù)中心空間，避免“有卡無電”的行業(yè)困局；其次是與客戶共建資金安排以分擔供應鏈風險；第三是采用高度標準化的模塊和基礎設施設計，確保電力與GPU就緒后能夠迅速交付；最后是通過精細化的技術手段提升資源利用率，消化客戶退租等產(chǎn)生的空閑資源。

一、企業(yè)級AI呈現(xiàn)三大特征，安全可控成重點

在與企業(yè)高層的溝通中，吳承楊發(fā)現(xiàn)他們問得最多的問題就是“企業(yè)怎么用AI”。吳承楊的判斷是，AI已經(jīng)進入企業(yè)級階段，必須是云原生的，且底層是數(shù)據(jù)。過去企業(yè)的信息化系統(tǒng)，比如ERP、MES、CRM等是逐步引進的，但AI時代，企業(yè)需要把這些系統(tǒng)融合在一起，建立語義層，讓智能體（Agent）真正理解底層，才能產(chǎn)生實際產(chǎn)出。

在推動落地的過程中，嵇小峰觀察到如今企業(yè)級AI呈現(xiàn)3個明顯特征：可衡量的業(yè)務效果、融入業(yè)務核心流程、企業(yè)級規(guī)模下的安全可控治理。

為此，甲骨文構建了一套從下至上的技術棧：底層是Oracle AI Database 26ai多模數(shù)據(jù)庫構成的統(tǒng)一數(shù)據(jù)底座，向上依次是參考架構、AI平臺、Agent編排工具和項目交付機制。

產(chǎn)品層面包括面向Agent記憶的Agent Memory、無代碼開發(fā)平臺Private Agent Factory、支持用SQL直接構建智能體的Select AI Agent，并全面支持MCP協(xié)議，相關技能已在GitHub開源。

安全被提到前所未有的高度。嵇小峰坦言，隨著大模型能力增強，模型被用于軟件逆向、挖掘漏洞、橫向復制攻擊的風險上升。

甲骨文的對策包括：用大模型檢測自家軟件漏洞；推出將應用層最終用戶與數(shù)據(jù)庫權限打通的Deep Data Security，實現(xiàn)行列級細粒度管控；按SQL模式規(guī)則攔截可疑訪問的庫內防火墻；安全補丁節(jié)奏從每季度加快到每月；以及零數(shù)據(jù)丟失的韌性方案。

二、免出向流量費，甲骨文要做“多云Hub”

多云戰(zhàn)略是本次溝通會的另一重頭戲。竇杰介紹，OCI自2019年6月開通與微軟Azure的跨云連接，2024年6月與谷歌GCP打通，今年4月又宣布與AWS互聯(lián)，該服務已于上周正式GA。

技術上這是一條跨云專線，但甲骨文把自己定位在“多云Hub”上，因為沒有任何一家云可以覆蓋所有服務，OCI希望讓客戶串聯(lián)起所有云廠商最有價值的部分。

如今，跨云連接已變成OCI云上一項即開即用的服務，無需再找電信運營商多頭簽約，甲骨文提供端到端SLA。

更關鍵的一點是進出流量免費。竇杰直言：“（業(yè)界）進云的流量都是免費的，因為廠商希望大家都上來；但出向流量費某種程度上是鎖定客戶的手段。”O(jiān)CI與GCP、AWS談下的合作，出向流量費都被免除，實現(xiàn)了無綁定的多云解決方案。

吳承楊補充稱，多云互聯(lián)后客戶得到的是一個“超集”，1+1大于2，不僅是功能，還包括價格，這是中國客戶最敏感的地方。

針對最優(yōu)路徑如何實現(xiàn)的追問，竇杰稱這并非自動路由，而是與客戶共創(chuàng)：基于TCO成本分析和架構優(yōu)化評估，按每個客戶的業(yè)務實際定制。

三、AIBS：中國市場“卷”出來的方法論

值得一提的是，溝通會上反復出現(xiàn)了一個名為AIBS（AI Business Success）的方法論。吳承楊稱，這是甲骨文中國區(qū)自創(chuàng)的方法論，由于中國市場很“卷”，客戶更希望看到真實的結果。

這套已推行約一年半的方法論有兩個基本要求：項目必須進入真實生產(chǎn)環(huán)節(jié)，必須產(chǎn)生業(yè)務結果。甲骨文幫客戶完成從0到1，證明方法論成立；從1到N則交給客戶自己、合作伙伴與生態(tài)，形成飛輪。

FDE（Forward Deployed Engineering，前置交付工程師）模式也與此呼應。甲骨文的工程師會直接駐場了解業(yè)務，按“效果可衡量、能力可復用、基礎數(shù)據(jù)可得、周期可控”4個原則選定高價值場景，在30到45個工作日完成交付。

針對“AI原生數(shù)據(jù)庫”的行業(yè)爭論，吳承楊的態(tài)度比較務實：“不要自己創(chuàng)名詞，…，是騾子是馬，拉出來遛遛。”

在他看來，好的AI數(shù)據(jù)庫只需回答幾個問題：能否快速建立語義層，也就是讓智能體讀懂數(shù)據(jù)；能否支撐“通用模型+本地模型”混合趨勢下的數(shù)據(jù)分類與安全管控。而語義層的前提是統(tǒng)一的多模數(shù)據(jù)底座，“分庫分表一大串，繞六個月也繞不出語義層來”。

結語：智能體時代要用結果說話

談到AI落地階段，吳承楊斷言智能體時代已經(jīng)沒有什么爭議：“今天如果企業(yè)還不是通過Agent去做，說明它和全球發(fā)展趨勢有一定的距離。”

至于中國客戶的投入意愿，他觀察到不少企業(yè)熱衷買GPU、建算力中心、訓垂類模型，而他的建議是，先做一個高價值、快落地的場景看看效果。