AI浪潮奔涌而来，一场深刻的数据底座变革正在上演。AI爆发带来的PB级海量数据、潮汐式高并发等一系列全新需求，让传统数据库架构迎来前所未有的挑战。数据库厂商如何迭代产品，构建面向AI时代的新型数据底座，成为行业热议的话题。

图(左)：南大通用GBase 8c产品经营部总经理 张益

　　近期，在第17届中国数据库技术大会(DTCC2026)上，我们采访了南大通用GBase 8c产品经营部总经理张益，他分享了AI时代数据库面临的挑战，GBase 8c从内核能力、架构革新再到生态建设，走出了一条国产数据库拥抱AI的探索之路。

AI时代数据库正面临多重挑战

　　AI大模型的爆发式增长，正在从根本上改变数据库的负载特征和使用方式。数据规模的爆炸式增长、AI Agent带来的大规模并发、以及对实时性和多样性的更高要求，让传统数据库架构承受着前所未有的压力。

　　·数据规模爆炸式增长。数据库要处理的已不仅是传统的结构化数据，还有大量非结构化、半结构化数据，数据量级更是攀升到PB级，甚至数十、上百PB级。这首先挑战的是数据底座的存储能力，传统存算一体架构在扩容上面临严峻考验。

　　·弹性伸缩成为刚需。 AI训练与推理对数据库的访问波动极大，某一时刻可能有海量Agent同时访问，很多时候又都“闲下来”。这种“潮汐式”的负载特征，要求数据库具备极致的弹性伸缩能力。

　　·高并发与低时延并存。用户最怕模型长时间思考才给反馈，当成千上万乃至上百万个Agent同时访问数据库时，保持此前几十个并发下人工、程序操作所能达到的响应时效，即在更大规模并发下不牺牲延迟，这是全新的考验。

　　·向量检索与融合查询。AI带来了全新的数据查询需求，系统不仅要支持向量检索，还需具备向量与其他各类数据的融合检索能力。但传统关系型数据库大多缺少该能力，因此向量检索与融合查询，成为AI时代数据库面临的重要挑战。

　　·数据流转效率。传统OLTP、OLAP、HTAP场景之间依靠ETL等管道流转数据，从数据生产到分析存在时延。AI时代Agent对数据新鲜度的要求越来越高，Agent需要基于最新数据做实时决策，过时的数据可能导致错误的推理结果，这对数据流转的时效性提出了更高的要求。

　　当前，整个行业都在积极探索打造适配AI时代的数据底座，不过业界对于AI数据库的定义、产品形态尚未形成统一共识，伴随着AI应用持续迭代演进，相信数据库的能力边界也将不断拓展。

　　这次大会，我们了解到，国产数据库厂商南大通用旗下产品GBase 8c已经在AI数据库的探索道路上迈出了重要一步。

GBase 8c打造新一代AI数据库

　　作为南大通用三大核心数据库产品之一，今年5月通过安全可靠测评的GBase 8c承担了两个比较重要的作用：

　　一方面，在传统关系型数据库领域，GBase 8c是分布式架构，具备多模多态能力，可以处理HTAP负载，与集中式事务数据库GBase 8s和分析型数仓GBase 8a一起打造了全栈数据库能力，覆盖XC国产化替代全类场景，GBase 8c起到了承上启下的作用，且三款产品均通过了安全可靠测评，可以更好地全面承接各类国产化替代需求。

　　另一方面，随着AI不断发展，GBase 8c在AI方面不断发力，其多模多态与智能化能力有了很大提升，致力于打造新一代AI数据库，在AI时代将扮演非常关键的角色。

　　张益介绍，GBase 8c在2020年设计之初便拥有多模多态能力，最开始主要关注在关系型数据库领域，多模是指具备行存、列存、行列混存多种存储模式，多态是指支持主备部署、分布式部署等多种部署形态。同时在兼容性层面，GBase 8c也具备“多模”兼容能力，同时兼容Oracle、MySQL、SQL Server和PostgreSQL等多种语法。在国产化替代过程中，通过一套软硬件就能支撑原有多个异构数据库的业务。

　　面向AI时代的数据库挑战，GBase 8c在多模多态和智能化发展方面新增了非常重要的能力：

　　·强化多模融合，在原有多种存储模式的基础上，GBase 8c把向量能力直接融入数据库内核，向量就是原生数据类型，跟整数、字符串一样可以在SQL里直接使用，如今更是支持关系、向量、图、GIS等多模数据处理，以及混合检索查询。简化AI应用的IT技术栈，降低运维复杂度。

　　·支持存算分离架构形态部署，存算分离架构可以实现更敏捷的弹性扩缩容，可以支撑PB级以上数据量，应对更大规模的并发场景。计算层完全无状态设计，节点不保存持久化数据。AI高负载时自动增加计算节点，空闲时缩到零，计算成本趋近于零。新负载到来时秒级唤醒快速恢复服务。通过一个计算资源池应对上万甚至十万、百万级别的Agent并发访问，以相对较低的成本应对AI时代的并发挑战。

　　· 数据分支能力。 这是GBase 8c面向AI时代比较重要的能力。基于WAL的Copy-on-Write机制，创建分支时只记录日志位置、不复制数据，秒级完成。每个Agent可以在独立的数据分支上做处理，相互隔离互不干扰。处理完如果数据有用就合并到主线，没用便直接丢弃。这相当于为每个Agent提供了一个“沙盒”环境，让Agent拥有安全可靠的“演武场”，可以放心试错而不必担心影响生产环境，提升Agent演进、工作效率。

　　·LTAP湖仓事务/分析处理一体化。GBase 8c与GBase 8a打造了LTAP解决方案，实现湖库事务分析一体化，省去ETL数据管道流转，从GBase 8c写入的数据，直接通过开放的接口与GBase 8a共享，一份数据可以支撑TP、AP、湖仓处理，为AI提供更新鲜的数据，可以实时响应决策。

　　以上几点是GBase 8c在DB for AI方面的发展，在AI for DB方面，GBase 8c从去年开始打造了智能运维AIOps产品，利用知识图谱将数据库运维知识沉淀下来，通过大模型等AI技术实现智能运维，张益介绍，随着模型能力不断增强，知识图谱不断丰富，如今GBase 8c的AIOps产品对数据库问题的分析和处理水平基本可以达到中高级工程师水平。

AI时代数据库获胜的关键在于生态

　　AI引发的变革为数据库带来了前所未有的挑战与机遇，包括南大通用在内的众多数据库厂商都在积极布局AI。

　　“此前大家更多说AI就绪(AI Ready)，达到这个状态以后数据库可以为AI进行服务，大家现在的状态已经超过了AI就绪，但是距离AI原生(AI Native)可能还有一些路要走。”张益说，因为本身AI应用也在探索过程中，随着AI不断发展，数据库可能还会有新的要求，AI原生数据库的定义也会不断发展，“我们也会紧盯发展趋势，不断完善AI方面的能力。”

　　回顾整个IT发展史，数据库、芯片、操作系统等基础软硬件，最终的胜出者都是在生态方面建立了巨大优势。比如关系型数据库时代的霸主Oracle，正是凭借开放的生态坐上头把交椅。

　　张益认为，AI时代数据库的胜负手，短期看产品力打造，长期也是看生态力建设。只不过AI时代，在数据库生态与AI生态方面都要兼顾，除了国产化软硬件生态的兼容适配，还需在以下几方面不断完善：

　　首先是与模型的生态融合。当前AI模型百花齐放，海内外各类模型层出不穷。倘若业务开发与单一模型形成强绑定，后续更换模型往往需要对业务进行大幅改造，会有较大的迁移成本。GBase 8c通过抽象接口封装，屏蔽不同模型间的底层差异。用户可以通过GBase 8c数据库灵活对接不同AI模型，仅需简单配置即可完成模型替换。

　　其次是与Agent的生态协同。Agent正在走向生产系统，进入业务流程。数据库需要为Agent提供原生的操作方式，可能不再局限于SQL，而是自然语言或其他输入方式。同时也要完善AI技术栈上下游的生态对接，谁能率先建立起数据库与AI Agent之间的高效协同生态，谁就将在下一阶段的竞争中占据先机。

　　除此之外，人才生态的长效建设同样至关重要。国产数据库生态建设并非一朝一夕之功。对比海外成熟数据库产品，国产数据库在人才生态层面仍存在短板。现阶段国产数据库大多依赖原厂与合作伙伴为客户提供技术服务，高水平运维人才供给不足，容易造成服务供需脱节。对此，GBase 8c推出的AIOps产品，将大量专家运维经验沉淀至知识图谱，快速补齐运维能力，有效缓解人才缺口难题。

　　张益表示，当前数据库AI运维能力已达到80分以上，可自主完成参数调整、索引创建等多项运维工作。但数据库作为关键基础设施，出于安全生产、制度规范等因素考量，现阶段 AI 智能运维以“辅助”DBA开展工作为主，暂未直接执行生产操作。未来随着行业AI应用成熟、相关配套机制完善，数据库将逐步迈向真正自治。

　　在AI时代，数据库生态、AI生态两手都要抓，两手都要硬，数据库与AI也需要协同发展。当然生态建设离不开技术实力的支撑，产品能力若不过硬，便无人愿意与你共建生态。最终，在夯实产品能力的同时，打通数据库与AI生态的协同链路，搭建起繁荣开放的产业生态，将会成为AI时代数据库领域能否成功的关键。