首页 > 教程攻略 > ai资讯 >OceanBase发布AI数据库三件套,TOC最高降50%,蚂蚁阿福、灵光都在用

OceanBase发布AI数据库三件套,TOC最高降50%,蚂蚁阿福、灵光都在用

来源:互联网 时间:2026-06-30 08:13:43

6月29日,在OceanBase的一场发布会上,一条新的产品线浮出水面——

湖库一体AI数据库产品OceanBase Lakebase

。简单说,这是一套面向Agent应用、原生支持

多模态数据管理

的数据库方案。

数据湖,大家不陌生,它能存结构化、半结构化、非结构化的各种数据。OceanBase Lakebase干的事情,就是把数据湖的"开放"和数据库的"功能性"揉到一起——结构化数据、非结构化数据、向量数据,全部塞进

统一架构

里统一管理、加工、检索、调用。

基于这个底座,OceanBase还同时端出了两个产品:数据生产、治理和服务工作台

OceanBase DataStudio

,以及面向经营分析和业务决策的数据智能Agent

OceanBase DataPilot

OceanBase DataStudio

覆盖了从数据接入、加工、任务编排、语义建模、数据治理到Agent协作的整条链路。它的目标是帮企业把散落的数据资产变成可管理、可理解、可调用的服务。

OceanBase DataPilot

则更像是面向业务人员的"智能副驾驶"。业务人员直接用自然语言就能生成分析报告、数据看板、可信答案,把过去必须找数据团队才能做的分析流程,变成可交互、可追问、可复用的决策能力。

发布会后,OceanBase CEO杨冰、CTO杨传辉与媒体做了面对面交流。杨冰的判断很直白:AI正在改变数据的管理方式,数据使用者和数据形态都在变。使用者这边,VibeCoding催生了海量Agent应用,Agent开始干生产任务了,还得保证长期运行的正确性和自我进化。数据形态那边,非结构化数据成了可计算资产,数据必须主动流转,还要能理解任务。两股力量叠加,OceanBase给出的结论是:

在AI时代,数据库必须湖库一体

OceanBase内部也在转。杨冰透露,内核团队已经拆成"一体化数据库"和"AI"两个大部,独立团队在研发AI引擎——这被视作面向未来的第二增长曲线。

至于全球竞争格局,杨传辉觉得,在AI数据库领域中美起步点差不太多,中国在场景丰富度和工程化落地上甚至可能跑得更快。

一、五大技术特点,一套系统代替交易库+数仓+向量库+数据湖

OceanBase Lakebase的技术架构,可以拆成五个关键点来看:

第一,湖库一体。

这套架构把数据湖的开放格式和海量存储能力,跟数据库的结构化管理与在线服务能力统一到一起。结构化、半结构化、非结构化数据,全纳入同一套元数据、权限、事务和生命周期管理体系。数据可以直接支撑在线服务、实时分析、AI应用的运行。

第二,多模表与AI列。

多模表让结构化字段、文本、图片、音视频、JSON、LOB、向量等数据形态,能放进同一张表的语义框架里。AI列则基于原始数据自动生成摘要、标签、向量等语义结果——相当于把模型的"理解能力"以列的形式嵌入数据库。

第三,Agent友好。

杨传辉提到一个关键点:Agent和人最大的不同是实时性。实时性会成为AI数据库的第一需求。Lakebase原生支持面向Agent的实时上下文工程,能统一存储和检索Agent的记忆、上下文、状态、行动记录,并通过向量、全文、结构化数据的混合搜索,给Agent提供更准确的上下文供给。同时,它还通过数据分支、逻辑库、资源隔离、快速回滚,为Agent应用创建独立安全的数据环境。

第四,开放生态。

AI时代的数据处理不会只发生在一套引擎里。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、Iceberg开放表格式,还能对接Spark、Ray等计算引擎。

第五,一体化设计。

这套方案从架构层面减少数据冗余、缩短处理链路、统一治理口径,并降低开发与运维复杂度。用户在一个系统中就能同时承载事务处理、实时分析、AI工作负载——企业不必再为交易库、数仓、搜索引擎、向量库、数据湖各维护一套链路。

部署上,Lakebase提供两种模式:独立部署,或者作为智能叠加层部署。

二、TCO降低30%-50%,已在蚂蚁阿福、灵光落地验证

Data Studio是构建在LakeBase之上的统一数据开发治理平台。它的核心任务是让LakeBase的数据能力能顺畅地交付给上层应用,降低复杂数据开发和治理的门槛。覆盖从数据集成到资产化的全生命周期,依托底层统一存储和多模态处理能力,加速数据服务化和AI应用落地。

Data Pilot则是面向更广业务分析场景的数据智能Agent,帮企业在已有数据集上快速构建面向业务团队的分析能力。它的技术优势包括自动化语义网络生成、自然语言驱动的下钻与关联分析。业务分析师能更快理解业务变化,决策也更及时。

在智驾场景中,OceanBase Lakebase的通义多模态数据底座,把海量智驾数据转化为可管理、搜索、分析、复用的数据资产,数据处理效率和精准率提升明显。

在证券行业,OceanBase AI数据库统一移动数据源并进行多模态智能解析,可以分析行研报告,对监管制度、合规文件分类、提取摘要等。

杨传辉分享了一个关键数据:在相关场景中,OceanBase AI数据库可以让项目整体TCO降低

30%-50%

。目前,这套方案已经在蚂蚁阿福、灵光等场景完成业务验证。

结语:OceanBase具备落地验证和技术优势

三款产品合在一起,其实勾勒出OceanBase对AI时代数据基础设施的演进路径:数据不只是被存储,更要能被理解、被调用、被Agent自主使用。而OceanBase的AI数据库,天生就带着落地优势——支付宝AI支付、蚂蚁阿福、灵光,以及通义千问、高德、飞猪等阿里生态业务,全都给它提供了真实、大规模的业务实践场景。可以说,这次AI数据库的推出,是OceanBase十五年技术演进水到渠成的结果。