近三年来，AI模型飞速迭代，能力越来越强大，企业也在不断加大对AI的投入。然而，AI在真实业务场景落地效果却并不理想，根据Gartner的数据，在2026年，超过60%的AI项目可能会以失败收场。这并非源于模型性能不足，而是缺少高质量的数据。

　　AI落地最后一公里的关键是解决数据难题，实现AI的数据就绪，已经逐渐成为业内共识。问题是：什么样的数据库底座才能更好地支持AI落地?

　　日前，OceanBase线上发布会给出了答案：正式发布湖库一体AI数据库，形成覆盖数据引擎、数据治理与业务智能入口的产品体系，开辟第四代数据库建设新路径。

AI时代重构数据库底座：两大核心变革倒逼技术升级

　　会上，OceanBase给出了其在AI的观察与思考，AI时代，数据使用者与数据形态两大颠覆性变革倒逼底座重构升级。

　　如今Agent成为新的数据使用者，带来了新的需求，催生三大技术难题。

　　·规模难题，Vibe Coding降低了应用开发门槛，使得Agent的数量和应用的数量指数级增长，比如蚂蚁灵光平台数月承载3000多个万闪应用，带来海量小库规模化难题，这些小库平时不活跃，但是在使用的时候，需要被秒级唤醒和响应，传统数据库无法应对海量小库的成本以及隔离挑战。

　　·上下文供给难题，Agent的问答或自主决策执行，依赖高质量、精准而又实时的上下文，这要求数据库在能在一次检索里，从多模态数据中快速找出最相关的信息，做到“供给得准”，只有在检索的准确性、性能和成本达到一个均衡的时候，才能支撑Agent在核心的生产级应用落地。

　　·进化难题，满足Agent持续迭代的隔离试错需求，Agent需要不断试错迭代成长，然而为Agent搭建能够安全跑起来反复试验的环境，代价高昂。要求数据底座能像管理代码一样，随时开辟一个彼此隔离的试验空间，打造一个可以放手去干的演练场，不必担心影响在线生产数据。

　　另一方面，可被Agent使用的数据形态也发生了巨大变化，对数据库也提出了新的需求。

　　·盘活企业数据资产。目前全球超80%的数据是文本、图像、音视频等非结构化数据，过去这些数据因技术受限难以被利用起来，成为企业沉重的成本包袱。要盘活这些资产，需要数据库能够处理好多模态数据，在统一底座上实现多模态的混合搜索，让AI更完整地理解业务。

　　·让数据高效流动。然而，企业结构化交易数据与多模态素材长期散落于关系数据库、文档数据库、向量库中，在线库、离线数仓、数据湖相互独立，依靠ETL搬运数据，造成数据链路割裂，数据一致性和实时性难以保障，导致AI数据飞轮无法运转。这需要数据库打通在线服务、近线分析、离线AI计算，让数据高效流转，形成“反馈—迭代”的数据价值闭环，让AI越用越准确。

　　·从SQL查询到语义理解。AI时代，自然语言成为Agent与数据库交互的全新入口，因此AI时代的数据库，必须具备语义层，实现从SQL到语义的升级，才能更好地理解业务，让AI真正“读懂”这家企业在做什么，数据库需要从“记录业务”走到“理解业务”。

　　基于对AI业务落地痛点与行业变革的深度洞察，OceanBase明确了AI时代数据库的核心形态，核心围绕一体化融合与多模态统一两大特质构建，同时确立了Agent友好、开放兼容两大设计原则。

　　·一体化：多模态SQL引擎、离线与在线的计算，统一在同一个强一致的底座上。数据不再被切割、不必在多套系统之间反复搬运，让“越用越聪明”的AI数据飞轮转起来。

　　·多模态：结构化、半结构化和非结构化数据，需要在同一套体系中被统一管理和治理，通过标量、全文、向量等方式进行混合搜索，满足Agent记忆跨模态需求，盘活沉睡的非结构化数据资产。

　　在此基础上，OceanBase也提出了两大设计原则：

　　·Agent友好：Agent所需的记忆、上下文、隔离、分支、回滚与规模化运行能力，不应该依赖外部系统拼装，而应成为数据底座的原生能力。

　　·开放：存储与计算开放、不被锁进任何一家的专有系统，让企业拥有数据主权与自由选择权。

　　OceanBase CEO杨冰表示：“AI时代的数据库必然是湖库一体形态，‘库’擅长一致性、实时性和可靠性，‘湖’擅长多模态存储以及开放计算，AI时代需要将两者深度融合、合二为一。”

OceanBase内核原生出发打造真正的AI数据库

　　OceanBase CTO杨传辉指出，AI数据库走向一体化融合，不是某一类数据库胜出，而是所有数据库都在向交易+分析+搜索/向量+AI的统一平台收敛。

　　湖库一体是目前来看更适配AI时代Agent发展需要的数据库形态。目前行业正在积极探索一体化融合路径：有的从“湖仓”出发，先解决开放存储和海量数据管理，以及数据分析，再向上增强事务能力。典型如Snowflake、Databricks，通过收购外部厂商增加OLTP事务能力;有的从“搜索”出发，先解决语义搜索和向量检索，再扩展对结构化数据的处理能力，增加通用数据库的能力。

　　但当AI真正进入企业核心系统，Agent可以自主执行决策。数据底座要面对的不只是“存储数据、检索数据”，更关乎数据一致性、权限安全性、版本可信度、系统稳定性与故障恢复能力，直接决定Agent决策的准确性与业务安全性。这意味着，AI数据库解决的不仅是技术单点问题，更是面向企业生产系统的完整工程问题。

　　杨冰强调，Agent仅仅改变了数据库的形态和用法，但是不变的是数据库应该坚守的底线，当大量Agent进入生产系统，数据库必须具备一致性、扩展性、可靠性和实时性，这四大特性在AI时代变得更加重要，而且也有了新的内涵。过去保障核心交易稳定运行的能力，正在成为Agent安全、可靠进入生产系统的数据基础。

　　其中，数据一致性从“高标准”变成了“生死线”，Agent从辅助工具走向生产决策，错一条数据就可能导致生产事故。而在扩展性方面，过去强调扩展单个库，支撑大的负载，现在要帮助海量的小库进行扩展，做到按需扩展，闲时归零，像水电一样可以按需供给。

　　区别于行业“外挂叠加、简单拼接”的改良缝合模式，OceanBase选择从内核出发，进行底层重构，走出了构建AI数据库的独特路径：本次推出的湖库一体的AI数据库，将长期在金融核心系统中验证的事务一致性、高可用与弹性能力，延伸至湖与多模态数据体系之上，使其具备统一支撑AI负载的能力。

　　OceanBase CTO杨传辉表示：“真正的一体化，必须发生在架构层。湖库一体不是数据库和数据湖的简单拼接，而是在同一套引擎中统一管理多模态数据，打通在线与离线处理。”

　　OceanBase AI数据库有几个值得关注的能力：

　　·多模表与AI列：多模表让结构化字段、文本、图片、音视频、JSON、LOB、向量等数据形态进入同一张表的语义之下。用户看到的仍然是一张表，但表背后可以承载更丰富的数据资产，并在同一套权限、事务、版本与生命周期体系中被管理、搜索、计算和调用。相比传统数据湖表主要面向离线分析与开放格式管理，多模表进一步面向在线服务、实时分析和混合搜索场景，让结构化数据、非结构化数据与向量数据在数据库级一致性保障下协同更新，减少跨系统同步带来的延迟和不一致风险。

　　在多模表之上，AI列进一步把模型能力引入数据处理链路，可基于原始数据生成摘要、标签、特征、向量等语义结果，让模型理解能力以“列”的形式进入数据库，成为可治理、可检索、可复用的数据资产。

　　·Agent友好：通过数据分支、逻辑表、资源隔离和快速回滚，为Agent应用快速创建独立、安全的数据环境，支持试验、评测、运行和演进，加速AI应用从验证阶段走向规模化生产。其中，逻辑表机制面向海量AI生成应用和Agent场景，降低动态Schema与海量小表带来的元数据和资源开销，让大量应用能够以更低成本共享同一套数据库基础设施。

　　在蚂蚁集团的AI实践中，OceanBase AI数据库的数据分支能力可快速创建隔离数据沙箱，满足Agent在评测、试错和并发运行中的数据环境需求，加速Agent从研发验证走向生产落地。

　　·开放生态：OceanBase Lakebase基于开放式存储格式与可扩展计算架构，支持S3协议的对象存储与Iceberg开放表格式，并可对接Spark、Ray等计算引擎。不同计算引擎围绕同一份数据和同一份元数据协同工作，各自负责擅长的计算任务，而无需迁移数据或重建数据底座。让企业的数据架构保持开放和可演进，未来新的计算引擎也可以在同一数据基础上扩展。

　　考虑到企业存量数据系统庞大，OceanBase Lakebase提供双部署方案：

　　·独立部署：全新AI场景从零搭建完整湖库一体底座;

　　·智能叠加层：面向已有数据湖和对象存储环境，接入Iceberg、S3等开放生态，在保护现有数据资产的基础上，增强多模态管理、混合搜索、语义分析和Agent数据服务能力。

OceanBase推产品矩阵定义AI数据新基建

　　此次发布并非单一引擎的能力升级，OceanBase推出了全链路AI数据库产品组合，形成从底层引擎、数据治理到前端智能决策的完整闭环体系。

　　·OceanBase Lakebase作为底层引擎，承载湖库一体与多模态数据能力，让结构化数据、半结构化、非结构化数据和向量数据能够在统一架构中被管理、加工、检索和调用。

　　·OceanBase DataStudio是运行在Lakebase之上的数据生产、治理与服务工作台，覆盖数据接入、数据加工、任务编排、语义建模、数据治理到Agent协作等关键环节，帮助企业把分散的数据资产转化为可管理、可理解、可调用的数据服务。

　　·OceanBase DataPilot：是面向经营分析和业务决策的数据智能Agent，作为统一的企业业务智能入口，让业务人员可以通过自然语言完成分析报告、数据看板和可信答案生成，把过去依赖专业数据团队完成的分析流程，转化为可交互、可追问、可复用的智能决策能力。

　　再结合此前推出的PowerMem、PowerRAG等面向记忆管理和知识增强的能力，覆盖底层数据引擎、数据生产治理到业务智能入口的关键链路。可以看到，OceanBase面向AI时代并非单点的布局，而是正在定义一整套AI就绪的数据底座新范式、新标准。

　　AI浪潮正彻底重塑企业数据架构，当下行业对AI时代数据库的形态演进尚无统一共识，不少从业者担忧传统数据库会在AI变革中被边缘化。在此行业迷茫、范式未定的关键节点，OceanBase率先亮剑，凭借湖库一体AI数据库的落地产品与清晰技术路径，明确了数据库的演进方向，主动参与并推动AI数据库行业新范式的成型，这既是中国基础软件产业的时代机遇，也是OceanBase突破发展的核心机遇。