“像設計芯片一樣設計流計算。

初冬的黃浦江畔寒意料峭，但在“第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇”的現(xiàn)場，關于“AI Infra”的討論卻熱度驚人。這并非一場普通的行業(yè)聚會，在大數(shù)據(jù)國家戰(zhàn)略落地十周年的節(jié)點上，技術圈的焦慮與興奮并存：當大模型狂飆突進兩年之后，企業(yè)界赫然發(fā)現(xiàn)，那個被寄予厚望的“Data Agent”，正被陳舊的數(shù)據(jù)基礎設施卡住了脖子。

“在數(shù)字孿生的世界里，你的最終用戶不一定是人，它可能是一個Agent?！?/strong>

站在聚光燈下的程訓燾語速極快，透著技術專家的干練。作為浙江智臾科技DolphinDB的首席架構師，他在當天的演講《實時決策時代：AI與低延時計算如何重塑數(shù)字孿生》中，拋出了一個讓在場眾多CIO（首席信息官）深思的命題：當數(shù)據(jù)庫的“甲方”從秒級反應的人類，變成了微秒級反應的AI智能體，我們的基礎設施該如何重構？

當用戶不再是“人”

“過去十年，我們所有的軟件界面、查詢速度、交互邏輯，本質上都是為人設計的。”程訓燾在演講開篇便直擊痛點。

人類是感性的，也是遲緩的。在傳統(tǒng)的商業(yè)智能場景中，一個SQL查詢如果能在3秒內返回報表，分析師就會覺得“很快”。然而，這種“快”在AI Agent眼中，無異于慢動作回放。

程訓燾打了個比方：“人不可能像機器一樣以微秒級的速度去對一個事件作出響應。但是進入了智能時代，Agent不知疲倦，它可能在短短一小時內，代表幾百萬個消費者對你的廣告策略進行了一輪又一輪的模擬反饋。在這個過程中，它對底層數(shù)據(jù)的吞吐量和延遲要求，是人類用戶的成千上萬倍。”

這種用戶主體的變更，正在倒逼底層架構發(fā)生地質層級的斷裂。

在程訓燾看來，傳統(tǒng)的以“存儲+事后分析”為主的數(shù)據(jù)庫模式，已經(jīng)無法支撐Agent的需求。Agent需要的是“感知-決策-行動”的實時閉環(huán)。他描繪了一個典型的金融場景：在瞬息萬變的A股市場，當某只股票的價格觸發(fā)了特定指標，人類交易員可能需要5秒鐘來反應、確認、下單，而這5秒鐘，“市場已經(jīng)變了”。但對于一個裝備了高性能計算底座的Agent來說，從捕捉信號到完成風控計算再到發(fā)出指令，只需要“幾微秒”。

“這不僅僅是速度的提升，這是維度的跨越?！背逃枲c強調，“當計算延時被壓縮到微秒級，量變就引發(fā)了質變。我們不再是看著后視鏡開車，而是讓AI坐在駕駛位上，實時規(guī)避路面上的每一顆石子?！?/p>

為了應對這種變革，DolphinDB在2025年密集推出了被稱為“深海艦隊”的新產(chǎn)品矩陣，包括CPU-GPU異構計算平臺Shark、極速嵌入式引擎Swordfish以及企業(yè)級流計算平臺Orca。這些產(chǎn)品的命名本身就帶有強烈的攻擊性與速度感，似乎在暗示DolphinDB正如海豚一般，在數(shù)據(jù)的深海中構建起敏捷而龐大的生態(tài)系統(tǒng)。

超越物理的“邏輯孿生”

演講過程中，程訓燾對當下火熱的“數(shù)字孿生”概念進行了祛魅與重構。

“以前大家談數(shù)字孿生，想到的就是GIS或者BIM。我們要把物理世界1:1地復刻進電腦里，每一根水管、每一面墻都要對得上?！背逃枲c認為，這種基于物理復刻的孿生雖然在無人機導航、城市規(guī)劃中價值巨大，但它有一個致命弱點，“你在這個模型里跑一次仿真，可能需要幾個小時?！?/p>

DolphinDB眼中的新一代數(shù)字孿生，是“邏輯孿生”。

“數(shù)字世界沒有必要跟物理世界長得一模一樣，”程訓燾指出，“它不需要遵守物理定律，它只需要遵守業(yè)務邏輯?！?/p>

他舉了電商的例子，企業(yè)不需要在數(shù)字世界里復刻商場的物理貨架，而是需要復刻幾百萬消費者的購買行為邏輯。當企業(yè)向市場推出新化妝品時，Agent可以模擬海量用戶的點擊、瀏覽、下單行為。這種仿真不依賴物理空間的坐標，而是依賴海量事件流的實時計算。

“這才是流計算真正的戰(zhàn)場?！背逃枲c表示，無論是工業(yè)物聯(lián)網(wǎng)中對發(fā)電機組震動的實時監(jiān)控，還是金融市場中對千只股票的毫秒級盯盤，本質上都是在對“邏輯世界”進行實時推演。

然而，要支撐這種“邏輯孿生”，現(xiàn)有的技術棧顯得捉襟見肘。傳統(tǒng)的SQL數(shù)據(jù)庫只能處理靜態(tài)的關系數(shù)據(jù)，無法表達復雜的流式邏輯；而專業(yè)的流計算框架對于普通業(yè)務開發(fā)者來說，門檻又太高。

“你很難想象一個業(yè)務專家去手寫幾千行代碼來管理流計算的狀態(tài)水位線，”程訓燾搖了搖頭，“這就像讓建筑師去親手燒磚一樣荒謬?！?/p>

像設計芯片一樣設計流計算

如何解決“好用”與“高性能”的矛盾？程訓燾給出的答案是聲明式流計算。

“以前設計芯片，工程師不可能手動去擺放每一個加法器和乘法器，也不可能手動布線，因為約束條件太多，人腦處理不過來。EDA軟件解決了這個問題，它讓工程師只關注邏輯，軟件自動完成布局布線。”

程訓燾透露，DolphinDB正在做的事情，就是構建流計算領域的“EDA”。

“我們希望用戶只需要聲明他的意圖：‘我要監(jiān)控這1000個傳感器，如果過去5分鐘的平均溫度超過標準值的20%，就給我報警’。至于這個數(shù)據(jù)流怎么拆分、中間狀態(tài)怎么存儲、是在內存里算還是落盤算，用戶不需要關心?！背逃枲c解釋道，“系統(tǒng)會自動推導依賴關系，自動生成底層的計算圖，自動部署分布式引擎。”

這種“聲明式”的變革，不僅解放了人類開發(fā)者，更重要的是，它對AI Agent極度友好。

“讓Agent去寫復雜的C++代碼是不現(xiàn)實的，但讓Agent用自然語言描述一個業(yè)務規(guī)則，然后轉化為聲明式的腳本，這是目前大模型最擅長的事情?！背逃枲c興奮地表示。

在DolphinDB的架構圖中，存在著獨特的“流數(shù)據(jù)表”設計。程訓燾將其比作“河流上的碼頭”。數(shù)據(jù)像河流一樣奔涌而下，流數(shù)據(jù)表就是沿途的碼頭。數(shù)據(jù)可以在碼頭暫存、清洗，或者直接流向下個碼頭。用戶可以根據(jù)業(yè)務拓撲，自由定義這些“碼頭”的功能，是作為短期記憶的緩存，還是作為長期記憶的倉庫。

誰為Agent提供“海馬體”？

隨著演講的深入，話題不可避免地觸及了AI落地的深水區(qū)，記憶與隱私。

在程訓燾提出的“智能化底座三層架構”中，“認知記憶管理”被擺在核心位置。他認為，當前的大模型雖然智商很高，但普遍患有“健忘癥”，上下文窗口有限，且難以利用企業(yè)私有的行業(yè)知識。

“如果把大模型比作大腦的皮層，那DolphinDB正在試圖成為它的海馬體（負責記憶）和神經(jīng)末梢（負責感知）?！?/p>

程訓燾詳細拆解了這個“認知記憶系統(tǒng)”：最前端是感知層，處理傳感器和市場的原始流數(shù)據(jù)，這需要極高的寫入吞吐量；中間是短期記憶層，為Agent提供當下的工作上下文?！斑@部分數(shù)據(jù)必須駐留在內存中，哪怕DRAM價格再貴，為了微秒級的響應，這個成本是必須付出的。”

后端是長期記憶層，存儲企業(yè)沉淀下來的規(guī)則、預案和歷史數(shù)據(jù)?！氨热珉娋W(wǎng)公司在臺風天氣的應急預案，或者資深醫(yī)生的診療路徑。這些數(shù)據(jù)是企業(yè)的核心資產(chǎn)，絕不能上傳到公有云去訓練大模型?！?/p>

為了打通這三層記憶，DolphinDB研發(fā)了跨模態(tài)聯(lián)合索引技術。以醫(yī)療場景為例，一個病人在醫(yī)院的活動，會產(chǎn)生血液檢測的浮點數(shù)、CT掃描的圖像數(shù)據(jù)、醫(yī)生診斷的文本數(shù)據(jù)。傳統(tǒng)的數(shù)據(jù)庫是將這些數(shù)據(jù)割裂存儲的，浮點數(shù)存時序庫，圖像存文件系統(tǒng)，文本存搜索引摯。

“但這在邏輯上是同一個病人。”程訓燾強調，“我們的底座必須有能力打破這些數(shù)據(jù)的‘次元壁’，將不同模態(tài)的數(shù)據(jù)關聯(lián)到同一個自然實體上。只有這樣，Agent才能像一個經(jīng)驗豐富的主任醫(yī)師一樣，綜合所有信息做出精準判斷?！?/p>

突圍：從金融腹地到工業(yè)藍海

作為技術驅動型公司，智臾科技的發(fā)展路徑帶有鮮明的“硬科技”色彩。

自2016年成立以來，DolphinDB選了全棧自研這條最艱難的道路。在那個開源數(shù)據(jù)庫大行其道的年代，他們堅持不基于任何開源項目二次開發(fā)，從底層存儲引擎到計算引擎一行行代碼寫起。官方數(shù)據(jù)顯示，其核心代碼自研率超過95%。

這種“笨功夫”在初期不僅研發(fā)周期長，還面臨著商業(yè)化的巨大壓力。但程訓燾堅信，只有掌握底層代碼，才能在性能優(yōu)化上做到極致。

事實證明，這條路走通了。DolphinDB首先攻下的，是對性能要求最苛刻的量化金融領域。國泰海通證券、華泰證券、華夏基金等頭部機構紛紛成為其客戶。在金融這個“練兵場”里，DolphinDB經(jīng)過了高并發(fā)、低延遲的極限壓測，練就一身“金鐘罩”。

“如果你能處理好每秒百萬筆的股票交易數(shù)據(jù)，那你去處理工廠里的傳感器數(shù)據(jù)，就是降維打擊?！?/p>

隨著工業(yè)4.0的推進，DolphinDB正在快速將金融級的能力復制到工業(yè)物聯(lián)網(wǎng)領域。長江電力的發(fā)電機組監(jiān)測、比亞迪的智能制造、甚至新能源車的電池熱失控預警，都開始出現(xiàn)DolphinDB的身影。在DB-Engines的全球排名中，DolphinDB已穩(wěn)居國產(chǎn)時序數(shù)據(jù)庫第一名，并在全球榜單中躋身前列。

資本市場也敏銳地嗅到這股技術紅利。雖然程訓燾在采訪中對融資細節(jié)保持低調，但公開資料顯示，智臾科技已完成了由方廣資本領投的億元級B輪融資，投資方名單中不乏朗瑪峰創(chuàng)投等硬科技推手。

演講臨近結束時，程訓燾談到了對未來的展望。

他坦言，數(shù)據(jù)主權與技術共享之間存在著天然的張力。企業(yè)既想利用最先進的AI能力，又恐懼核心數(shù)據(jù)資產(chǎn)的流失。對此，他提出了“開源數(shù)據(jù)標準+商業(yè)化計算引擎”的解題思路。

“數(shù)據(jù)的格式應該是開源的，比如Parquet、Arrow，這樣用戶的數(shù)據(jù)不會被鎖定。但處理數(shù)據(jù)的引擎，應該是商業(yè)化的、私有的?！背逃枲c總結道，“就像電網(wǎng)是通用的，但你家里的電器可以是高端定制的。企業(yè)可以用DolphinDB這樣的商業(yè)引擎在本地安全地處理標準數(shù)據(jù)，既享受了極致性能，又守住了數(shù)據(jù)安全?！?/p>