5.9
深览指数
科技智东西··AI 生成
OceanBase发布AI数据库三件套，TOC最高降50%，蚂蚁、灵光都在用
OceanBase 发布了湖库一体的 AI 数据库 Lakebase、数据开发治理平台 DataStudio 和数据智能 Agent DataPilot 三款产品。核心判断是 AI 时代数据库应该湖库一体，通过单一架构管理结构化、非结构化和向量数据，支持 Agent 应用的实时上下文工程。文章基于对 CEO 杨冰和 CTO 杨传辉的采访，指出 TCO 可降低 30%-50%，已在蚂蚁阿福、灵光等场景验证，并称中国在 AI 数据库场景丰富度和工程化落地上可能领先于美国。适合关注数据库架构演变、AI 基础设施落地、以及阿里/蚂蚁系技术路线的从业者阅读。原文 ↗
核心观点
- ▍在 AI 时代，数据库应该是湖库一体的，即融合数据湖的开放性与数据库的功能性，统一管理结构化、非结构化和向量数据。
- ▍OceanBase 认为 AI 数据库的第一需求是实时性，因为 Agent 应用强调实时上下文工程。
- 01发布的三个产品为：湖库一体 AI 数据库 OceanBase Lakebase、数据治理平台 OceanBase DataStudio、数据智能 Agent OceanBase DataPilot。
- 02OceanBase Lakebase 的五大技术特点：湖库一体、多模表与 AI 列、Agent 友好、开放生态（支持 S3 与 Iceberg 格式）、一体化设计。
- 03OceanBase 已将内核团队分为“一体化数据库”和“AI”两个大部，配备独立团队研发 AI 引擎，定位为第二增长曲线。
- 04CTO 杨传辉称，在智驾和证券等场景中，AI 数据库可使项目整体 TCO 降低 30%-50%。
- 05AI 数据库已在蚂蚁阿福、灵光等应用场景完成业务验证，并背靠支付宝、通义千问、高德、飞猪等阿里生态业务。
反方 / 局限
- — 文章未提及 Lakebase 与独立部署的向量数据库（如 Milvus、Pinecone）在性能上的直接对比，也未讨论若用户已有成熟数仓和向量库体系时的迁移成本与兼容性风险。
- — 杨传辉的“中国在场景丰富度和工程化落地上可能领先”是主观判断，缺乏与 Snowflake、Databricks 同类产品在具体场景中的横向数据支撑。
9 分钟 · 4 卡片 · 10 资料
读原文 →