6 月 29 日OceanBase Hours 线上发布会举行OceanBase 面向湖库一体的 AI 数据库正式发布OceanBase Lakebase、DataStudio、DataPilot 等全新 AI 产品家族同步亮相。OceanBase CEO 杨冰OceanBase AI 数据库是以湖库一体为核心架构、面向 Agent 和多模态数据设计的现代数据基础设施。它将数据库的事务、一致性与实时处理能力与数据湖的开放、海量存储和多样化计算能力统一起来把结构化、半结构化、非结构化数据纳入统一管理体系打通在线服务与离线分析消除多系统拼装带来的数据割裂、链路冗余与工程复杂性为现代 AI 应用提供可靠、实时、可扩展的数据底座。左右滑动查看更多“这不是传统数据库的功能升级而是 OceanBase 面向 AI 时代的一次基础设施重建。” OceanBase CEO 杨冰表示Agent 正在成为数据库新的数据使用者AI 下一阶段决胜关键不仅在模型能力更在于让模型理解企业业务、在真实场景中创造价值。这道题的关键在数据。“AI 让非结构化数据第一次可以被数据库理解OceanBase AI 数据库让理解的结果能被治理、查询和实时使用。”每一次计算范式的跃迁都会推动底层基础设施重新演进。从原生分布式数据库到湖库一体的 AI 数据库这不是简单的产品能力升级而是 OceanBase 面向 AI 时代对数据基础设施演进方向作出的系统性判断。两组数字AI 时代数据库的新趋势分享一开始杨冰分享了一组正在改变数据基础设施格局的数字据 Gartner 预测到 2028 年三分之一的企业软件交互将由 Agent 完成。这意味着AI 正成为新的数据使用者而且是 7×24 小时全天候、持续调用数据的数据使用者。通用模型已经具备广泛的知识与推理能力但距离真正理解一家企业仍然缺少关键的一步。何为企业智能杨冰给出了答案从“通用聪明”到“懂企业业务”靠的不是更大的模型而是高质量、实时且可信的数据与上下文。“如果底层数据还是分散在多套彼此割裂的系统里Agent 就很难得到完整、一致的业务上下文。”杨冰表示结构化与非结构化数据的融合已不再是技术选项正在成为 Agent 进入企业生产系统的前提条件。Agent 成为新的数据使用者“规模”的定义也正在被重新改写。杨冰表示过去讨论数据库扩展性通常指“单一数据库能承载多大体量”但 AI 时代新的挑战来自应用数量和独立数据空间数量的快速增长。以蚂蚁灵光为例它承载了 3000 万个闪应用每个应用仅有数百行数据尽管其中 99% 处于休眠状态却需要随时实现秒级响应。这些 Agent 应用不能独享资源也不能简单共享数据杨冰表示这正是传统数据库从未面对过的新型负载海量 Agent 轻应用需要低成本共存、相互隔离并能够根据访问热度和业务规模按需调度资源。同时Agent 还在持续进化但失败路径不能污染生产数据更不能影响后续尝试。“数据基础设施需要像代码仓库一样,可以快速创建分支在隔离环境中试验验证通过后保留或合并失败则可以直接回滚或释放。”杨冰表示上下文、规模、进化——这三个 Agent 的关键需求指向同一个命题AI 数据库解决的不是“数据如何存储存”而是“Agent 如何安全、准确并持续地使用数据”。变化同样发生在数据本身这是杨冰展示的第二组数据到今天全球超 80% 的数据是非结构化数据。数据形态之变、数据流动之变、数据交互之变——这三股力量正同时涌来。客服录音、产品图像、会议记录、工程图纸——这些原本“不可计算”的非结构化数据在 AI 眼中正转化为最具竞争价值的战略资产它们需要和结构化数据一起在同一个底座上被统一管理、统一治理、统一调用。数据融合的挑战不只发生在数据形态上还发生在数据流动的方式上。过去的数据链路是线性的各环节相互割裂AI 应用的运转逻辑截然不同模型需要在线数据实时供给上下文模型的推理结果反哺数据库让数据越用越准。杨冰表示AI 时代数据必须形成闭环在线与离线就不能割裂在两套系统里。数据库与用户的交互方式也正在经历一场根本性的变革。过去数据库的交互方式是 SQL工程师写查询数据库返回结果。但现在自然语言正成为 Agent 与数据交互的全新入口。这意味着数据库不能再只做“存储和检索”——它需要真正具备语义层能够理解业务本体能够支撑 Agent 对业务逻辑的深度理解。“AI 数据库必须从‘记录事实’走向‘理解业务’。”杨冰表示这是 AI 数据库一个全新的角色定位也是传统数据库架构从未承担过的能力边界。15 年积累****重建底座的底气这正是 OceanBase 选择重建数据基础设施的根本原因。而支撑这次重建的最大底气来自 15 年的技术积累与真实场景锤炼。OceanBase 从分布式事务数据库起步在金融这一对可靠性要求最为严苛的领域经历了长达 15 年的大规模实战检验。 目前OceanBase 已服务超过 4000 家客户其中60%以上的客户将OceanBase作为核心系统支撑企业的关键业务负载连续三年在中国分布式数据库本地部署市场份额排名第一。在国际舞台上OceanBase是迄今唯一同时在 TPC-C、TPC-H 两项权威基准测试中登顶的数据库业务已覆盖全球多个国家和地区。数据不出错、系统不中断、故障毫秒恢复——这些 AI 时代被反复提及的“刚需”在金融级场景中早已锤炼成熟成为 OceanBase 的基本功。15 年的技术积累也让 OceanBase 在原有 TP 与 AP 能力基础上逐步构建起面向 AI 场景的数据能力体系——通过 AI 原生、一体化架构和多模态等关键能力支撑企业构建面向 AI 时代的数据底座。这一技术方向已获得行业权威认可。今年 5 月在世界智能产业博览会上OceanBase AI 数据库凭借前沿技术架构与创新应用价值斩获“硬核产品”前沿科技成果奖项。杨冰表示15 年来OceanBase 始终沿着一条技术路线持续演进从支撑交易到统一处理交易与分析从处理关系型数据到管理结构化、半结构化、非结构化数据从存算一体到存算分离与开放生态。每一次架构的演进都是在消除数据系统的工程复杂性让现代数据与工作负载能够在一体化架构血统中运行构建面向未来的现代数据基础设施。到今天湖库一体的 AI 数据库就是 OceanBase 交出的答卷。什么是湖库一体的 AI 数据库对于这一问题OceanBase CTO 杨传辉给出了清晰的回答其核心在于通过湖库一体架构将数据库的事务一致性、实时服务和分析能力与数据湖的开放存储、海量数据管理和多模态离在线处理能力连接起来。在此基础上进一步引入 AI 所需的语义检索、模型调用和多模态数据处理能力让不同数据形态与不同工作负载围绕统一的数据、元数据和治理体系协同运行。OceanBase CTO 杨传辉“这并不是简单地在传统数据库上叠加 AI 功能”杨传辉表示“而是以湖库一体为核心理念重新构建面向 AI 时代的数据基础设施。”“湖库一体的 AI 数据库可以从两个维度来理解。”发布会上杨冰划出两个重点从业务负载看它同时满足一体化与多模态两项核心需求。一体化意味着多模态数据、离线与在线的计算统一在同一个强一致的底座之上数据不再被切割不必在多套系统之间反复搬运多模态则意味着结构化、半结构化与非结构化数据能够在同一套体系中被统一管理与治理通过标量、全文、向量等方式实现混合搜索。智能体的记忆天生跨越模态沉睡的非结构化数据也由此被真正盘活。从设计理念看它坚持 Agent 友好与开放两条原则。Agent 友好意味着 Agent 所需的记忆、上下文、隔离、分支、回滚与规模化运行能力不依赖外部系统拼装堆砌而是作为数据底座的原生能力存在开放则意味着存储与计算始终保持开放不被锁入任何一家的专有系统——企业的数据主权与选择权始终握在自己手中。这两个需求、两条原则四者缺一不可。湖库一体 AI 数据库的四条工程底线理解了湖库一体 AI 数据库“有什么”还需要看清它“不丢的是什么”。杨冰提到OceanBase 湖库一体的 AI 数据库虽于今日正式发布但并不是将过去的一切推倒重来。“真正被重写的是架构与品类必须被坚守的是工程的底线。”而这四条底线被推到了前所未有的高度也成为 OceanBase 15 年技术积累在 AI 时代的延伸。一致性从“高标准”变成了“生死线”。 当前智能体已经从辅助工具走向“替人决策”。在风控审核、内容安全等环节已是智能体直接面向用户拍板——它背后的数据便具有了与核心交易系统同等的属性错一条、慢一拍不再是技术指标上的细微偏差而是真实发生的业务事故。OceanBase 的强一致能力让湖库一体的 AI 数据库得以扛起智能体的在线决策而这恰恰是只做检索的系统无法企及的边界。扩展性从“把一个库做大”变成了“让一百万个库低成本共存”。在过去OceanBase 扩展性的命题是如何把一个库做大、扛住更大的负载。AI 时代题目变了如何让一百万个 Agent 应用经济地共存——需要时能无限扩展、海量并发也扛得住闲置时又近乎不占成本像水电一样按需供给。OceanBase 的弹性架构正是为这一新型负载而生。可靠性从“有人兜底”变成了“智能体的生命线”。 智能体全天候运转身边没有运维人员时刻值守。OceanBase 15 年金融级高可用积累沉淀下来的能力过去为核心交易系统兜底如今成为每一个智能体稳定运行的根基——它保障的是业务的连续与体验的连续。实时性在线、实时地服务智能体的决策而不是隔夜跑批。智能体的判断发生在毫秒之间数据底座必须跟得上这个节奏。OceanBase 的实时处理能力确保每一次 Agent 调用都能得到及时、准确的数据支撑。这就是 OceanBase 湖库一体的 AI 数据库——“库”擅长一致与实时“湖”擅长规模与开放AI 时代两者合而为一。“AI 时代的数据库就是湖库一体的。”杨冰表示。此次 OceanBase 并非只发布了湖库一体的 AI 数据库这单一引擎而是一套完整的产品体系。发布会上OceanBase 产品总经理韩富晟正式发布 OceanBase AI 数据库产品家族。OceanBase 产品总经理韩富晟OceanBase Lakebase 作为底层引擎承载湖库一体与多模态数据能力让结构化数据、非结构化数据和向量数据能够在统一架构中被管理、加工、检索和调用。OceanBase DataStudio 是运行在 Lakebase 之上的数据生产、治理与服务工作台覆盖数据接入、数据加工、任务编排、语义建模、数据治理到 Agent 协作等关键环节帮助企业把分散的数据资产转化为可管理、可理解、可调用的数据服务。OceanBase DataPilot 是面向经营分析和业务决策的数据智能 Agent作为统一的企业业务智能入口让业务人员可以通过自然语言完成分析报告、数据看板和可信答案生成把过去依赖专业数据团队完成的分析流程转化为可交互、可追问、可复用的智能决策能力。“Lakebase 解决了 AI 时代的数据底座问题DataStudio 解决了数据如何生产与治理的问题而 DataPilot 则解决了业务人员如何直接使用数据智能的问题。” 韩富晟表示这三者构成了从底层数据引擎、数据生产治理到业务智能入口的闭环。在这套体系中OceanBase Lakebase 是 OceanBase AI 数据库的核心引擎。韩富晟表示它解决的不是单点能力问题而是 AI 时代数据底座的系统性问题通过融合湖的开放灵活与数据库的高性能能力为 AI 原生应用提供多模态、对 Agent 友好的新一代数据底座。它原生支持结构化、半结构化、非结构化及多模态数据的存储与处理统一管理文本、图像、音频、视频等多种数据类型让数据不必在多个系统之间反复搬迁和复制就可以直接支撑在线服务、实时分析和 AI 应用运行。此外OceanBase Lakebase 的多模表让不同数据形态进入同一张表的语义之下用户看到的仍是一张表但表背后可以承载更丰富的数据资产并在同一套治理体系中被检索、计算和调用。在多模表之上OceanBase Lakebase的 AI 列进一步把模型能力引入数据处理链路。它可以基于原始数据生成摘要、标签、特征、向量或其他语义结果让模型理解能力以“列”的形式进入数据库。这意味着非结构化数据不再只是“被存下来的文件”而成为可搜索、可计算、可治理、可被 Agent 安全调用的数据资产。同时OceanBase Lakebase 原生支持面向 Agent 的实时上下文工程通过数据分支、逻辑库、资源隔离和快速回滚为海量 Agent 应用快速创建独立、安全的数据环境。这让 AI 应用能够从验证阶段走向规模化生产运行。AI 时代的数据处理不会只发生在一种引擎里。OceanBase Lakebase 基于开放式存储格式与可扩展计算架构支持 S3 兼容对象存储与 Iceberg 开放表格式并可对接 Spark、Ray 等计算引擎。这带来的价值是让企业的数据架构保持开放和可演进未来新的计算引擎也可以在同一数据基础上扩展。Agent 友好是 OceanBase Lakebase 的又一特性。它能提供标准化 API / MCP 接口与丰富工具集降低集成门槛助力 Agent 快速构建与高效协同。技术架构的价值最终要在真实业务中得到验证。发布会上蚂蚁集团平台技术事业群总架构师黄挺分享了 AI Agent 时代蚂蚁集团对数据底座的思考与实践。OceanBase 打磨 AI 数据库的环境是阿里巴巴、蚂蚁集团最前沿、最复杂、也最核心的真实 AI 场景——支付宝的 AI 支付、蚂蚁阿福、灵光、淘宝 AI 购物助理以及通义千问、高德、飞猪等。其中蚂蚁阿福面向行业复杂智能体开发灵光则面向大众提供“一句话生成应用”能力目前已承载超过 3000 万个闪应用。灵光 3000 万个闪应用背后是极为苛刻的挑战海量应用需要各自独立的数据空间Schema 动态变化同时还需要完整的 SQL 计算能力。对此OceanBase AI 数据库通过面向海量 Agent 与轻应用的逻辑表将每个闪应用的 Schema 与数据映射为可查询、可计算的逻辑表从根本上避免了“一应用一物理表”所带来的元数据膨胀与资源开销。每一个 AI 生成的应用都可以用标准 SQL 完成过滤、聚合、Join 等计算大量闪应用则可以在统一数据库基础设施上低成本、安全地运行.灵光的实践揭示了 AI 时代新的规模问题未来的海量不只是单张表拥有更多数据也可能是数千万个应用分别拥有独立的小型数据空间。灵光之外OceanBase Lakebase 的落地实践还延伸至智慧驾驶与证券等更多行业场景。在智慧驾驶领域自动驾驶模型的持续迭代依赖视频、图像、传感器数据和结构化标签等多种数据。OceanBase Lakebase 通过多模态数据管理与离在线协同处理连接数据存储、加工、检索与模型使用链路为模型训练和能力迭代提供数据基础。在证券行业数据来源分散、格式异构权限与合规要求复杂。OceanBase Lakebase 可以作为多模态数据处理与服务中枢统一连接异构数据源解析研报、制度文件等非结构化内容并通过 API 与 MCP 向上层 Agent 提供服务支撑智能研报、合规管理和业务分析等应用。这些场景覆盖了不同的数据形态和业务需求但共同指向同一个问题如何让企业数据以更低的工程复杂度进入 AI 应用并在生产环境中持续、可靠地运行。这也体现了 OceanBase AI 数据库的设计目标不是面向某一个单点场景提供定制能力而是构建一套能够在真实业务复杂度中持续演进的数据基础设施。蚂蚁集团平台技术事业群总架构师黄挺在相关场景中相较于多系统组合方案OceanBase AI 数据库可通过减少数据冗余、重复计算和系统数量使整体 TCO 降低 30%—50%。这一收益并不只是来自少部署几套系统更来自数据、元数据、权限和工作负载在统一架构中的协同。当企业不再需要依赖多套系统构建复杂的数据链路AI 应用才更容易从试点验证走向规模化生产。从 15 年前“双十一”的一行行代码到今天在 AI 最前沿的场景中持续打磨——OceanBase 始终把行业发展中的数据难题当作自己的使命。当下数据库正经历一次根本性的角色转变——从单纯的“存放数据”升级为“承载智能”。杨冰表示站在这场变革的节点上下一个十年OceanBase 的目标只有一个——再造一个 AI 时代的 OceanBase。立即试用 OceanBase 企业版体验国产数据库能力立即试用 OceanBase 企业版体验国产数据库能力