引言

人工智能技术的快速发展催生了许多新挑战，其中一个核心问题是如何让大模型真正落地到企业的生产场景。OceanBase CTO杨传辉在2026年世界人工智能大会（WAIC）上提出，当前AI产业化落地的关键在于数据库的变革。传统数据库是为人类操作设计的，而未来的数据库必须从“人类友好”进化为“Agent友好”，成为支持AI应用的智能底座。这一观点不仅揭示了数据库在AI时代的转型方向，也为企业如何构建现代数据架构提供了新的思路。

AI时代数据库的三大变化

杨传辉总结了AI时代数据管理的三个根本性变化：

1. 使用者从人和传统应用扩展到Agent
   随着人工智能逐渐成为生产力工具，数据库的主要使用者不再是人类，而是各种智能Agent。这意味着数据库不仅要能处理用户输入的SQL语句，还需要支持Agent通过自然语言或语义搜索直接获取数据。

2. 数据形态从结构化变成多模态
   传统数据库主要处理结构化数据，比如行、列和字段。然而在AI场景下，数据形态更加复杂，包括文本、图像、音频、视频等非结构化数据。数据库需要具备统一管理多模态数据的能力，打破数据孤岛。

3. 交互方式从SQL变成自然语言
   在传统数据库中，用户需要通过SQL语句查询数据，而未来的交互将更多依赖自然语言和语义理解。这种变化对数据库的解析能力和实时响应能力提出了更高要求。

杨传辉指出，如果数据库无法适应这些变化，大模型再强的算力也难以发挥价值。

湖库一体：OceanBase的AI数据库解决方案

为应对这些挑战，OceanBase提出了“湖库一体”的AI数据库架构。这一方案将传统数据库的事务处理能力与数据湖的开放性和规模优势相结合，为企业提供了一种面向AI时代的综合数据管理平台。

统一存储与管理：打破数据孤岛

OceanBase的“湖库一体”架构通过对象存储统一了结构化、半结构化和非结构化数据。多模表的设计使得不同类型的数据可以在同一个系统内协同管理，大幅降低数据迁移和转换的复杂性。企业无需为不同业务构建独立的数据系统，从而实现更高的效率和一致性。

支持多重任务：从事务到AI负载

这一架构不仅支持传统的事务处理（TP）和实时分析（AP），还可以为AI工作负载提供支持。通过在统一的数据之上直接运行分析和AI任务，OceanBase减少了数据重复搬运的需求，为企业节省了30%-50%的整体成本。

自然语言交互：提升Agent友好性

为适应Agent的使用场景，OceanBase在交互层面进行了优化。其数据库支持自然语言查询和语义搜索，使智能问答和辅助决策成为可能。这种设计不仅提升了数据库的易用性，也让大模型可以直接消费数据，从而实现AI应用的无缝对接。

实践案例：西部银行与大型航司的AI化改造

杨传辉在演讲中分享了OceanBase在金融和交通行业的实践案例，展示了AI数据库如何帮助企业完成转型。

西部银行：从数据孤岛到智能底座

一家西部百年银行此前使用近30款独立的数据库系统，数据孤岛问题严重。通过OceanBase的湖库一体化解决方案，该行将交易、实时分析和数据仓库整合到同一平台，大幅降低了系统复杂性与成本。目前约50%的系统已迁移至OceanBase，预计到2027年这一比例将达到85%。同时，该行基于OceanBase的多模态能力推进大模型与知识库建设，为AI应用提供高效的数据支撑。

大型航司：突破“信任瓶颈”

另一家航司则面临数据可信度不足的难题，其智能问数服务因准确率低而难以应用于核心决策场景。通过OceanBase AI数据库，这家航司实现了自然语言查询与实时取数的结合，问数准确率显著提升。数据从“不敢信”的资产变成了决策的信任底座，直接助力一线业务和战略决策。

影响与展望

杨传辉指出，“大模型是引擎，数据是燃料，而数据库是底盘。”在AI时代，数据基础设施的现代化是“大模型落地”的关键。OceanBase的湖库一体架构不仅解决了数据孤岛问题，还为企业构建了一个高效、可信、智能的数据底座。在“东模西数”的协同框架下，这种架构能够推动东西部产业共振，为区域经济发展创造更多可能性。

未来，随着更多企业迈向AI化，Agent友好的数据库将成为行业标配。如何让数据“听得懂、用得上”，不仅是技术上的挑战，更是决定AI能否真正改变商业格局的关键。

标签： AI数据库 OceanBase 人工智能落地 数据基础设施 湖库一体