編者按

11 月 18 日，2025 OceanBase 年度發(fā)布會在北京舉行?，F(xiàn)場發(fā)布并開源了 OceanBase 首款 AI 原生混合搜索數(shù)據(jù)庫 seekdb（簡稱 seekdb ）。作為 OceanBase “Data x AI”戰(zhàn)略的關(guān)鍵一環(huán)，OceanBase 4.4 一體化融合版本也正式發(fā)布。

在之后的分享中，OceanBase CTO 楊傳輝以“OceanBase：打造 AI 時代的一體化數(shù)據(jù)庫”為題，介紹了 OceanBase 在 AI 時代的產(chǎn)品革新和演進。他表示，在 AI 時代，一體化架構(gòu)所承載的核心技術(shù)能力，只會愈發(fā)重要。在他看來，向量搜索是 AI 數(shù)據(jù)庫的初級階段，而最終，所有向量搜索都會逐步演進為混合搜索 —— 能否支持混合搜索，正是衡量 AI 數(shù)據(jù)庫核心實力的關(guān)鍵分水嶺。

以下為演講實錄：

各位來賓、數(shù)據(jù)庫領(lǐng)域的新老朋友，大家上午好。剛剛我們正式發(fā)布并開源了 OceanBase 首款 AI 原生混合搜索數(shù)據(jù)庫 seekdb，也提到了混合搜索這一核心方向。今天我的分享，同樣圍繞 AI 展開，主題是 “打造 AI 時代的一體化數(shù)據(jù)庫”。

相信不少嘉賓在展區(qū)已經(jīng)感受到，這次發(fā)布會和以往有明顯不同 —— 我們帶來了大量 AI 相關(guān)的新產(chǎn)品。所以今天的分享，我不會聚焦 TP 或分析 AP，核心想和大家聊聊我們對 AI 時代、混合搜索與 seekdb 的思考，以及近期的開發(fā)進展。

AI時代一體化數(shù)據(jù)庫的變與不變

首先，我們不妨回顧一下數(shù)據(jù)庫技術(shù)范式的演進。數(shù)據(jù)庫技術(shù)奠基人之一 E.F.Codd 于 1970 年提出關(guān)系模型，當時這一模型主要面向交易場景；1993 年，他又提出了面向分析的 OLAP。而最近幾年，業(yè)界涌現(xiàn)的所有新數(shù)據(jù)庫產(chǎn)品，本質(zhì)上都是面向 AI 的 —— 既包括大家熟悉的各類向量數(shù)據(jù)庫，也涵蓋 Supabase等 熱門產(chǎn)品。不難發(fā)現(xiàn)，整個數(shù)據(jù)庫領(lǐng)域的技術(shù)范式，正從原本的支撐應用服務(wù)，逐步延伸到智能服務(wù)的全新階段。

我們注意到，Oracle、MongoDB 等業(yè)界主流數(shù)據(jù)庫，也正紛紛在自身引擎中新增搜索能力，以此適配 AI 原生場景的需求。在 AI 領(lǐng)域有個常見概念叫 AI Ready，而我們認為，AI Ready 必然會向 AI Native 逐步演進。所謂 AI Native，絕非僅做好數(shù)據(jù)準備那么簡單，核心是將模型能力深度集成到數(shù)據(jù)庫中，最終實現(xiàn)數(shù)據(jù)與模型在數(shù)據(jù)庫內(nèi)的原生融合。近期行業(yè)內(nèi)的多起收購事件也印證了這一趨勢 ——MongoDB 收購 Voyage AI、Elastic 收購 Jina AI，核心訴求都是推動數(shù)據(jù)與模型的融合，我們高度認同這一行業(yè)趨勢。

AI 時代的到來，既給數(shù)據(jù)庫領(lǐng)域帶來了巨大挑戰(zhàn)，更孕育著前所未有的發(fā)展機遇。

首先，AI 時代的數(shù)據(jù)庫，數(shù)據(jù)處理量會持續(xù)激增，用戶與租戶規(guī)模也將迎來量級式增長。與此同時，AI 還會給數(shù)據(jù)庫帶來全新的工作負載 —— 我們將其定義為“面向 Agent 的多路混合搜索”。

在 AI 時代，數(shù)據(jù)庫的處理范疇不再局限于結(jié)構(gòu)化數(shù)據(jù)與少量半結(jié)構(gòu)化數(shù)據(jù)，還需要承載更多半結(jié)構(gòu)化乃至無結(jié)構(gòu)化數(shù)據(jù)。這意味著，除了傳統(tǒng)關(guān)系模型，數(shù)據(jù)庫還需支持 JSON 處理半結(jié)構(gòu)化數(shù)據(jù)，并為無結(jié)構(gòu)化數(shù)據(jù)構(gòu)建各類語義索引，比如大家熟知的向量索引、圖索引、全文索引等。在此基礎(chǔ)上，我們更需要一套能覆蓋結(jié)構(gòu)化、半結(jié)構(gòu)化、無結(jié)構(gòu)化數(shù)據(jù)的混合搜索能力。

AI 還帶來了顯著的技術(shù)平權(quán)效應。過去，數(shù)據(jù)庫主要由專業(yè)人士通過開發(fā)應用程序來使用，而在今天的 AI 時代，即便沒有計算機相關(guān)背景，普通人也能借助大模型輕松開發(fā)自己的 Agent。這也意味著，未來數(shù)據(jù)庫的用戶量與租戶數(shù)量，必將實現(xiàn)倍數(shù)級的爆發(fā)式增長。

聊完了 AI 時代數(shù)據(jù)庫的變化，我們更要明確數(shù)據(jù)庫的變與不變。其中一點我堅信不疑：數(shù)據(jù)庫領(lǐng)域不僅不會被取代，在 AI 時代還會變得愈發(fā)重要。

無論 AI 如何迭代演進，數(shù)據(jù)庫的核心基礎(chǔ)能力始終不可或缺：我們?nèi)孕枰煽康臄?shù)據(jù)庫引擎，解決單機、分布式及多云平臺的各類問題；仍需要行存數(shù)據(jù)庫支撐交易場景，列存數(shù)據(jù)庫處理分析需求，更需要強大的 SQL 優(yōu)化器應對 HTAP 混合負載。同時，數(shù)據(jù)庫還需提供豐富的 SQL 功能，助力大家平滑完成從 MySQL、Oracle 等系統(tǒng)的升級。

混合搜索是 AI 數(shù)據(jù)庫的關(guān)鍵分水嶺

在 AI 時代，一體化架構(gòu)所承載的核心技術(shù)能力，只會愈發(fā)重要。一提到 AI 數(shù)據(jù)庫，很多人首先想到的是向量搜索，但在我看來，向量搜索只是 AI 數(shù)據(jù)庫的初級階段。最終，所有向量搜索都會逐步演進為混合搜索 —— 能否支持混合搜索，正是衡量 AI 數(shù)據(jù)庫核心實力的關(guān)鍵分水嶺。

大家都知道，大模型具備強大的計算能力，但缺乏長期記憶。這就需要數(shù)據(jù)庫為大模型提供支撐：存儲并管理其上下文信息，同時精準輸出大模型所需的上下文。這個過程，也被稱為 “上下文工程”。要做好“上下文工程”，首先需要通過向量搜索、向量嵌入解決 “找相似” 的問題。但 “找相似” 只是上下文工程的一部分，除此之外，還可能需要通過全文搜索實現(xiàn) “找相同”，或借助知識圖譜與圖索引，挖掘全局相關(guān)的信息。

“上下文工程”往往還涉及大量元數(shù)據(jù)管理，這就需要依托關(guān)系型數(shù)據(jù)庫的能力 —— 通過關(guān)系過濾、關(guān)系查找縮小檢索范圍。每一路檢索都會產(chǎn)出部分結(jié)果，最終要將各路結(jié)果融合，并經(jīng)過全局重排序(rerank)，才能為大模型輸出其真正需要的精準結(jié)果。這正是混合檢索的核心邏輯。

首先，高性能且功能完備的向量搜索，是多路混合搜索的核心基礎(chǔ)。目前，OceanBase 向量搜索性能已達到業(yè)界開源向量數(shù)據(jù)庫的最優(yōu)水平—— 無論是稠密向量還是稀疏向量，在向量數(shù)據(jù)庫領(lǐng)域主流 benchmark 測試中均表現(xiàn)突出。同時，我們的磁盤向量索引，在構(gòu)建時間與存儲占用兩方面，也實現(xiàn)了業(yè)界領(lǐng)先。

具備強大的向量搜索能力后，我們進一步實現(xiàn)了向量搜索與全文搜索的深度融合，通過多路搜索顯著提升召回效果。

左側(cè)圖示清晰呈現(xiàn)了不同搜索方式的召回表現(xiàn)：僅采用單一搜索路徑（無論全文搜索、稠密向量還是稀疏向量），都難以達到最優(yōu)召回效果；唯有將稀疏向量、稠密向量與全文搜索相結(jié)合，才能實現(xiàn)更優(yōu)的召回表現(xiàn)，達成 1+1 大于 2 的協(xié)同效應。

值得一提的是，OceanBase 不僅擁有上述高性能向量搜索能力，還已落地生產(chǎn)級全文搜索功能。更重要的是，這兩大能力均構(gòu)建于 OceanBase 數(shù)據(jù)庫原生架構(gòu)之上，天然繼承了分布式架構(gòu)的彈性擴展特性與對象存儲的高效適配能力。

在 AI 場景中，除了要開展多路搜索，還需妥善管理 AI 場景下的元數(shù)據(jù)。要做好 AI 數(shù)據(jù)庫的元數(shù)據(jù)管理，不僅需要支持元數(shù)據(jù)的實時寫入與事務(wù)一致性，還需實現(xiàn)元數(shù)據(jù)檢索結(jié)果與多路搜索結(jié)果的 SQL 級聯(lián)動。毫無疑問，支持 HTAP 的關(guān)系型數(shù)據(jù)庫是更優(yōu)選擇。通過將關(guān)系模型與向量、全文、JSON 能力深度融合，OceanBase 最終形成了全面的混合搜索能力。

下面我簡單分享幾個 OceanBase 混合檢索的客戶實踐案例：

貨拉拉基于 OceanBase 混合檢索，搭建了一站式企業(yè) AI 數(shù)據(jù)底座。貨拉拉的 AI 應用場景十分豐富，涵蓋知識庫、AI Coding、Agent 平臺、ChatBI 等。此前，他們曾使用多款不同產(chǎn)品，包括搜索產(chǎn)品 V search 及兩款不同的向量數(shù)據(jù)庫；升級至 OceanBase 后，實現(xiàn)了多產(chǎn)品合一，不僅解決了原有開源組件的穩(wěn)定性問題，還直接復用 OceanBase 的高可用能力，達成 RPO=0、RTO＜8 秒的高標準。

聯(lián)通也是借助 OceanBase 的混合搜索能力，構(gòu)建了公司級統(tǒng)一知識庫平臺，該場景此前采用 “關(guān)系數(shù)據(jù)庫 + 全文向量搜索數(shù)據(jù)庫” 的架構(gòu)。將兩者融合至 OceanBase 后，在 10 億級向量規(guī)模下，OceanBase 的處理效率達到原全文向量搜索數(shù)據(jù)庫的兩倍以上；同時通過融合關(guān)系查找與多路搜索，成功解決了知識庫的元數(shù)據(jù)管理難題，包括精細化權(quán)限管控及靈活的用戶間權(quán)限共享需求。

螞蟻百寶箱基于混合搜索實現(xiàn)了智能體在線搜索。此前他們曾使用向量數(shù)據(jù)庫、搜索產(chǎn)品及 OceanBase 本身分別管理不同數(shù)據(jù)，最終全部融合至一套 OceanBase 后，不僅幫助客戶統(tǒng)一了技術(shù)棧，還將業(yè)務(wù)層的多產(chǎn)品融合搜索能力下沉至數(shù)據(jù)庫層，極大簡化了數(shù)據(jù)架構(gòu)。

AI 時代需要怎樣的數(shù)據(jù)架構(gòu)？

實現(xiàn) AI 場景下的混合搜索，主要有兩種路徑：

第一種實現(xiàn)方式是從頭開始搭建一個混合搜索的數(shù)據(jù)庫；第二種方式是直接基于關(guān)系數(shù)據(jù)庫增加混合搜索的功能。

在我看來，第二種路徑更具優(yōu)勢，核心原因有兩點：1.關(guān)系型數(shù)據(jù)庫不管是在功能完備性、易用性還是生態(tài)成熟度上，均遠超其他非關(guān)系型數(shù)據(jù)庫；2.支撐 AI 場景，除了要有混合搜索能力，底層還需一套現(xiàn)代數(shù)據(jù)架構(gòu)。

以 OceanBase 為代表的關(guān)系型數(shù)據(jù)庫，已具備成熟的現(xiàn)代數(shù)據(jù)架構(gòu) —— 這種架構(gòu)技術(shù)壁壘高，也是 AI 時代數(shù)據(jù)庫的 Foundation。

那么什么是現(xiàn)代數(shù)據(jù)架構(gòu)？我認為核心包含三個點：

第一個點：現(xiàn)代數(shù)據(jù)架構(gòu)一定是非常好用的；

第二個點：現(xiàn)代數(shù)據(jù)架構(gòu)一定是非常靈活的；

第三個點：一定是面向未來能夠支撐 AI 的。

現(xiàn)代數(shù)據(jù)架構(gòu)的底層核心是一體化架構(gòu)，用戶想要什么功能，數(shù)據(jù)庫就提供相應的功能，無需根據(jù)功能的不同而選擇不同的存儲產(chǎn)品、學習不同的技術(shù)?！，F(xiàn)在的數(shù)據(jù)庫架構(gòu)非常靈活，在部署模式上，用戶可自由選擇上云、不上云或特定云平臺。

同時，現(xiàn)代數(shù)據(jù)架構(gòu)也需要能夠支持按需使用。數(shù)據(jù)量小時用小規(guī)格部署，數(shù)據(jù)量增長后無縫擴容，完美適配從初創(chuàng)到規(guī)?；娜A段需求。

更關(guān)鍵的是，現(xiàn)代數(shù)據(jù)架構(gòu)需原生支持 AI 場景。除了前文提到的混合搜索能力，原生多租戶能力也至關(guān)重要 —— 因為 AI 時代，數(shù)據(jù)庫的使用者早已不局限于 DBA 或計算機專業(yè)開發(fā)人員，每一個普通人都能通過大模型輕松構(gòu)建自己的 AI Agent。

一體化架構(gòu)的核心，我將其總結(jié)為 “三多”：多負載、多模態(tài)、混合多云。

• 多負載：一套數(shù)據(jù)庫引擎即可全面支持交易、分析、AI 等各類工作負載；

• 多模態(tài)：兼容多樣化數(shù)據(jù)類型與索引 —— 既涵蓋結(jié)構(gòu)化數(shù)據(jù)的關(guān)系模型、半結(jié)構(gòu)化數(shù)據(jù)的 JSON 格式，也支持無結(jié)構(gòu)化數(shù)據(jù)的各類語義索引，比如向量、全文、圖索引等；

• 混合多云：賦予用戶完全的部署自由，可自主選擇上云、不上云或特定云平臺。更關(guān)鍵的是，用戶只需使用一套產(chǎn)品，就能實現(xiàn)跨所有公有云、混合云平臺的自動升級，無需額外適配。

目前，OB Cloud 已成為業(yè)界支持公有云平臺最多的云數(shù)據(jù)庫產(chǎn)品，已兼容 7 朵主流云：國內(nèi)涵蓋阿里云、華為云、騰訊云、百度云四大平臺，海外覆蓋 AWS、Azure、GCP 三大平臺。我們的 OB Cloud 已落地 16 個國家和地區(qū)，覆蓋超 60 個地域、240 多個可用區(qū)，無論你身處全球哪個角落、哪個時區(qū)，都能便捷獲取 OB Cloud 一體化云數(shù)據(jù)庫。

同時，依托一體化架構(gòu)，我們實現(xiàn)了多云及混合云環(huán)境下的用戶體驗一致性，更支持跨云高可用能力。當用戶需要跨云升級時，OceanBase 可全程保障業(yè)務(wù)連續(xù)性，確保升級過程中業(yè)務(wù)不中斷。

AI 場景的工作負載具有極強的不確定性。AI Agent 這個生態(tài)雖然數(shù)量眾多，但多數(shù)都默默無聞，僅有少數(shù)會迎來爆發(fā)式流量，且這類流量往往具備突發(fā)特性。因此，我們必須提供支持彈性伸縮架構(gòu)的 Serverless 方案，以靈活應對流量波動。

此外，AI 場景需要管理海量數(shù)據(jù) —— 包含大量長上下文數(shù)據(jù)，既有文本類型，也有多模態(tài)類型。這些數(shù)據(jù)中，大部分屬于冷數(shù)據(jù)，僅近期高頻訪問、用戶重點關(guān)注的數(shù)據(jù)為熱數(shù)據(jù)?；诖?，我們通過支持對象存儲的冷熱分離方案，高效解決海量數(shù)據(jù)的存儲與管理難題。

螞蟻集團也正基于 OceanBase 開展大模型預訓練工作。為做好大模型預訓練，螞蟻需要將海量網(wǎng)頁內(nèi)容提取至內(nèi)部，再進行網(wǎng)頁的數(shù)據(jù)清洗與標注。這些網(wǎng)頁數(shù)據(jù)中，大部分屬于冷數(shù)據(jù)，但仍有部分網(wǎng)頁更新頻繁，因此我們通過基于對象存儲的冷熱分離方案，高效適配這一需求；同時，數(shù)據(jù)清洗與標注場景的流量具有明顯突發(fā)性 ，當一批網(wǎng)頁數(shù)據(jù)集中涌入時，需要動態(tài)調(diào)度計算資源實現(xiàn)彈性處理，而在這一過程中，就需要用到 OceanBase 的 Serverless 方案。

數(shù)模融合，一個正在被驗證的趨勢

我認為，數(shù)據(jù)與模型的深度融合，必將是未來的核心趨勢。在數(shù)據(jù)庫內(nèi)直接集成模型能力，能大幅降低模型開發(fā)與使用的復雜度。

以我們的混合搜索為例：當文檔進入數(shù)據(jù)庫內(nèi)部后，除了進行數(shù)據(jù)處理外，也需要對文檔做切片、解析、embedding，以及多路搜索。這一過程既用到數(shù)據(jù)處理能力，也集成了模型服務(wù)能力，包括 Parse 解析模型、embedding 模型、Rerank 模型等。

為此，OceanBase 支持了“Document in, Data out”，用戶只需將文檔寫入數(shù)據(jù)庫，通過混合搜索，就能一步獲取所需結(jié)果，真正實現(xiàn)開箱即用。相比傳統(tǒng)開發(fā)模式 —— 我們需自行尋找各類模型與組件，反復實驗拼湊，有了“Document in, Data out”，用戶真正能開箱即用，大幅降低了 AI 應用的開發(fā)復雜度。

當數(shù)據(jù)庫集成了模型服務(wù)之后，OceanBase 也同時提供了 MaaS 平臺。所謂的 MaaS 就是 Model As a Service，提供了后訓練到在線推理服務(wù)的全流程管理。MaaS 平臺支持微調(diào)等后訓練，我們也支持對模型做量化，也支持做推理的加速、模型的評測，以及各種算力的調(diào)度、模型的管理等。如今，OceanBase 的 MaaS 平臺已經(jīng)支持了業(yè)界不同場景主流的大語言模型，包括海外和國產(chǎn) GPU。

AI 原生數(shù)據(jù)庫的設(shè)計，必然要秉持開源、開放的核心理念。剛才我們已經(jīng)正式發(fā)布了 OceanBase 首款 AI 原生混合搜索數(shù)據(jù)庫 seekdb——基于 Apache2.0 協(xié)議的 AI 原生混合數(shù)據(jù)庫，主要有以下核心能力與優(yōu)勢如下：

首先，seekdb 支持多?；旌纤阉?，僅需一條查詢，就能同時檢索關(guān)系、JSON、向量、全文等多種類型的數(shù)據(jù)；其次，它內(nèi)置 AI Function 功能。因構(gòu)筑于 OceanBase 原生架構(gòu)之上，所以它也天然繼承了 OceanBase 原生的能力，包括 HTAP混合負載處理、MySQL 高度兼容等能力。

可能有朋友會問，seekdb 是不是 OceanBase 的輕量版？答案是，兩者并不同。它遠比輕量版更輕, 輕上加輕。此前 OceanBase 輕量版最低配置為 2C 8G，而 seekdb 首個版本已支持 1C2G ，未來還會把它的內(nèi)存需求進一步降低至 1G 甚至 500M。這意味著，seekdb 不僅能部署在臺式機、桌面端，未來更可適配各類嵌入式環(huán)境。

seekdb 是基于 Apache 2.0 協(xié)議的開源產(chǎn)品，我們希望與業(yè)界開發(fā)者共同探索，到底什么才是真正的 AI 原生數(shù)據(jù)庫。因為有了業(yè)界開發(fā)者的參與，我相信，seekdb 的迭代速度也必將大幅提升。同時， OceanBase在 AI 的能力上將會跟進 seekdb 能力演進，為大規(guī)模、超大型 AI 應用提供落地能力和支撐。歡迎大家訪問 OceanBase seekdb 的官方網(wǎng)站—— oceanbase.ai，也誠摯邀請現(xiàn)場及線上的開發(fā)者們加入 OceanBase seekdb 的開源社區(qū)共建開放生態(tài)。

OceanBase seekdb 是一款專為開發(fā)者打造的 AI 原生數(shù)據(jù)庫，只需三行代碼，就能快速構(gòu)建應用，實現(xiàn)關(guān)系、JSON、向量、全文的混合搜索。這里給大家舉一個簡單的例子：

第一步，創(chuàng)建一個集合；第二步，在集合中添加文檔，并且可靈活指定文檔的元數(shù)據(jù)；第三步，直接使用 OceanBase 的混合搜索接口，直接獲取最終結(jié)果。

今天，我們也正式開源了 OceanBase 的 PowerRAG 產(chǎn)品。PowerRAG 被認為是 OceanBase 基于混合搜索的最佳實踐。PowerRAG 在 RAGFlow 的框架之上構(gòu)建，有兩個特點。第一個特點，是基于混合搜索做的重新設(shè)計；第二個特點，該產(chǎn)品已在螞蟻集團內(nèi)部真實業(yè)務(wù)場景中落地應用，具備成熟的企業(yè)級能力。PowerRAG 文檔解析、處理能力，以及最終召回的效果，是具備企業(yè)級能力的，要好于業(yè)界已有的 RAG 解決方案。

同時，今天我們也正式發(fā)布并且開源 PowerMem 解決方案， PowerMem 和 PowerRAG 一樣，也是基于混合搜索的一個解決方案。它兼容 Mem0 接口，幫助開發(fā)者、用戶去管理大語言模型的上下文。同時，PowerMem 的性能在 LOCOMO Berchmark 里達到了業(yè)界開源 Memory 解決方案的 SOTA 水平（State of the Art），歡迎在座的朋友以及線上的開發(fā)者關(guān)注和加入 OceanBase 的 PowerRAG 以及 PowerMem 開源社區(qū)。

今天是 seekdb 是發(fā)布的第一天，我們已經(jīng)和業(yè)界產(chǎn)品進行了生態(tài)對接。這里面既包括全球知名的產(chǎn)品 Dify、Qoder，也包括 AI 領(lǐng)域的創(chuàng)業(yè)公司。當然，我相信這些創(chuàng)業(yè)公司在剛開始的時候就選擇 OceanBase 這樣一個能夠解決增長問題的產(chǎn)品，他們未來的增長也一定會有更多的可能。

未來，我相信所有數(shù)據(jù)類的產(chǎn)品都會用 AI 的方式重新改造一遍。ODC 是 OceanBase 面向開發(fā)者的工具，ODC 正式推出 DataPilot。對于 ODC 而言，大家都非常熟悉它的自然語言轉(zhuǎn)化為 SQL，Text2SQL 的功能。但是，如果采用業(yè)界經(jīng)典的 Text2SQL 的解決方案，會面臨一個很大的問題，那就是準確率永遠都沒有辦法滿足業(yè)務(wù)的需求。

Text2SQL 領(lǐng)域有個權(quán)威榜單 BIRD-bench，行業(yè)內(nèi)普遍認為，該榜單得分達到 80 分左右后，再想突破就十分困難。而 OceanBase 創(chuàng)新性地采用了 Text2Metrics 解決方案：我們先定義統(tǒng)一指標，對領(lǐng)域術(shù)語進行標準化規(guī)范，再通過這些指標約束大語言模型的生成范圍。通過這一方式，我們將自然語言到 SQL 的轉(zhuǎn)化準確率提升至 90 分以上 —— 目前已達到 92.2%，且在特定業(yè)務(wù)場景下，準確率仍有進一步提升空間。要知道，只有達到 90 分以上乃至更高的準確率，自然語言轉(zhuǎn) SQL 技術(shù)才能真正落地生產(chǎn)系統(tǒng)，具備實實在在的業(yè)務(wù)價值。

我們還采用 Agentic AI 理念，對診斷監(jiān)控產(chǎn)品 OAS 進行了全新設(shè)計。具體來說，我們采用 Agentic AI Multi-Agent 架構(gòu)，它有一個主 Agent 負責核心的任務(wù)拆解與分配，再將不同細分任務(wù)精準下發(fā)給對應的專項 Agent 執(zhí)行 —— 這個架構(gòu)相信很多在場嘉賓都非常熟悉。通過這一升級，OAS 實現(xiàn)了從查指標、找問題到對話即診斷的跨越。用戶只需通過自然對話，就能全程完成診斷流程，系統(tǒng)還會一步步呈現(xiàn)診斷過程中的詳細信息。這既方便開發(fā)者人工介入干預，也讓 OAS 真正具備了在生產(chǎn)系統(tǒng)中落地應用的實用價值。

今天我們也正式發(fā)布了OceanBase AI Stack 智能一體機。OceanBase 智能一體機最核心的組件是 OceanBase 的一體化架構(gòu)，支持多?；旌纤阉鞯臄?shù)據(jù)庫。數(shù)據(jù)庫之上，我們集成了 PowerRAG、Agent 開發(fā)平臺，以及 OceanBase 數(shù)據(jù)領(lǐng)域的 Agent —— 包括之前提到的 ODC DataPilot、基于 Agentic AI 改造的 OAS 等。數(shù)據(jù)庫之下則搭載了 MaaS 平臺，可靈活支持各類模型與算力部署。

OceanBase AI 智能一體機有兩大特點：第一是功能全面覆蓋，從底層的算力，海外或者國產(chǎn)算力支持，到模型、數(shù)據(jù)、RAG，到 Agent 開發(fā)，再到數(shù)據(jù)領(lǐng)域智能體，能完整覆蓋企業(yè)從數(shù)據(jù)底座搭建到 AI 應用開發(fā)的全生命周期需求；第二個特點，就是超高性價比，它定價親民，無需高昂成本，企業(yè)就能直接擁有 OceanBase 這套完善的端到端解決方案。

最后，我們還是回到 OceanBase 的內(nèi)核，我們看看這一次 OceanBase 的內(nèi)核，到底帶來哪些全新的能力？

OceanBase 4.4 版本是面向混合負載的 TP/AP 融合及向量增強 LTS 版本，它融合了 OceanBase 4.2.5 LTS 的 OLTP 能力與 OceanBase 4.3.5 LTS 的 AP 及向量能力，能夠同時兼顧核心系統(tǒng)以及多元化業(yè)務(wù)系統(tǒng)對數(shù)據(jù)庫的需求。

在 OLTP 的性能方面，OceanBase4.4 版本相比 4.2.5 有了進一步的提升，有大量主鍵沖突的場景，性能提升 15% 到 42%，回表場景的性能提升 5.7% 到 9.5%，PL 性能提升會更加明顯，對于 UDF 執(zhí)行的性能是提升了 2.3 倍，循環(huán)計算的性能提供了 4 倍，動態(tài)語句的處理性能提升了 3.6 倍，AP 的性能也提到了進一步的提升。相比 4.3.5 LTS，它的數(shù)據(jù)導入性能在 ClickBench 這個場景提升 37%，實時分析性能對于 ClickBench 提升 4%，TPC-H 提升 10%，TPC-DS 提升 13.7%，向量索引的性能也是得到進一步的提升。

向量索引總共有兩種索引方式，IVF 和 HNSW。IVF 的索引提升 15%，HNSW 的性能提升 4%-32%。同時在向量索引上，也針對 ARM 架構(gòu)進行大量的優(yōu)化，在 ARM 架構(gòu)，性能有倍數(shù)的提升。

OceanBase 4.4 版本的內(nèi)核能力也做進一步增強。它具備更強的安全能力以及 Oracle 的兼容能力。OceanBase 4.4 版本不僅支持全密態(tài)數(shù)據(jù)庫，還支持聯(lián)邦查詢和數(shù)據(jù)湖的融合，能夠幫助企業(yè)，尤其是金融與政企行業(yè)企業(yè)打通數(shù)據(jù)孤島。

OceanBase 4.4 版本同時支持存算一體架構(gòu)，以及公有云上的存儲計算分離部署模式，適配多樣化部署需求。更值得關(guān)注的是，該版本新增了一項核心能力 —— 實時增量物化視圖。這一功能大幅強化了 OceanBase 的 HTAP 實力：讓一套引擎既能穩(wěn)定支撐 OLTP 核心交易處理，又能通過動態(tài)實時的增量物化視圖，實現(xiàn)多維度的實時分析，實現(xiàn)真正的 HTAP。

結(jié)語

各位嘉賓、朋友，AI 時代的浪潮已然來臨。無論你是企業(yè)管理者，還是深耕技術(shù)的同行，大家都在思考：如何真正把 AI 用好、用深、用在業(yè)務(wù)里。在這樣的背景下，一個開放、靈活、具備多模與混合搜索能力的數(shù)據(jù)庫，正成為企業(yè)邁向 AI 的關(guān)鍵基礎(chǔ)。它能幫你高效管理企業(yè)數(shù)據(jù)，更能將數(shù)據(jù)能力與 AI 能力深度融入業(yè)務(wù)流程，讓 Data 與 AI 真正落地生根，為業(yè)務(wù)創(chuàng)造實實在在的價值。

這就是我的分享，感謝大家一直以來對 OceanBase 持續(xù)的支持。謝謝！

更多企業(yè)的應用實踐，大會中的精彩回放和資料