在AI大模型技術(shù)加速滲透產(chǎn)業(yè)生態(tài)的當(dāng)下，智能體作為技術(shù)落地的核心載體，正以革命性姿態(tài)推動(dòng)千行百業(yè)邁向數(shù)智化深度轉(zhuǎn)型。Gartner數(shù)據(jù)顯示，2024年全球企業(yè)軟件中內(nèi)置AI智能體功能的比例僅為1%，但到2028年這一數(shù)字有望飆升至33%，屆時(shí)約15%的日常業(yè)務(wù)決策將由AI自動(dòng)完成；高盛研究則預(yù)測，至2030年AI智能體將創(chuàng)造約7萬億美元的經(jīng)濟(jì)價(jià)值，其中超過40%將源自生產(chǎn)效率的顯著提升。

在這背后，是AI技術(shù)范式的三次關(guān)鍵躍遷：從判別式AI到生成式AI，再到推理型AI的技術(shù)突破，它不僅持續(xù)推動(dòng)人工智能向通用化方向演進(jìn)，更通過場景創(chuàng)新形成技術(shù)與生態(tài)的協(xié)同進(jìn)化，最終加速智能體時(shí)代的全面到來。從這個(gè)角度來說，這場由AI智能體引領(lǐng)的變革，正重構(gòu)全產(chǎn)業(yè)鏈的價(jià)值創(chuàng)造模式，催生數(shù)智化升級(jí)的新范式。

但也要看到，企業(yè)在擁抱這場變革時(shí)也面臨著雙重挑戰(zhàn)：既需要竭盡所能的獲取更多高質(zhì)量行業(yè)數(shù)據(jù)，也需要持續(xù)構(gòu)建更大規(guī)模的AI數(shù)據(jù)基礎(chǔ)設(shè)施，畢竟數(shù)據(jù)的規(guī)模和質(zhì)量決定了AI智能的高度，更決定了智能體在實(shí)體經(jīng)濟(jì)應(yīng)用場景中的落地效能。

在此背景下，甲骨文提出以融合數(shù)據(jù)庫技術(shù)為核心，構(gòu)筑以AI為中心的企業(yè)數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)多種數(shù)據(jù)類型和多種工作負(fù)載的融合，打造“更簡單、更安全、更可靠”的AI解決方案，這不僅能加速智能體對(duì)實(shí)體經(jīng)濟(jì)的賦能作用，更能助力企業(yè)在數(shù)智化浪潮中重構(gòu)核心競爭力，最終形成數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長的“飛輪效應(yīng)”。

01.

AI新時(shí)代，

數(shù)據(jù)多模融合已是大勢所趨

眾所周知，在人工智能深刻重塑產(chǎn)業(yè)格局的今天，數(shù)據(jù)已成為驅(qū)動(dòng)創(chuàng)新的核心要素。然而，當(dāng)AI從輔助工具進(jìn)化為具備自主推理與決策能力的“智能體”時(shí)，傳統(tǒng)數(shù)據(jù)管理方式的局限性日益凸顯——單一數(shù)據(jù)類型、分散的數(shù)據(jù)庫架構(gòu)，正成為AI效能釋放的“桎梏”。隨著數(shù)據(jù)維度爆炸式增長，這一矛盾愈發(fā)尖銳，倒逼數(shù)據(jù)庫技術(shù)迎來根本性變革。

在甲骨文公司副總裁及中國區(qū)董事總經(jīng)理吳承楊看來，傳統(tǒng)認(rèn)知中“數(shù)據(jù)”多被狹義理解為結(jié)構(gòu)化表格或文本，而如今其邊界已延伸至空間坐標(biāo)、向量特征、社交關(guān)系圖譜、實(shí)時(shí)數(shù)據(jù)流乃至非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。這種變化重構(gòu)了數(shù)據(jù)庫的核心定義，從側(cè)重“分庫分表”架構(gòu)，轉(zhuǎn)向“多模融合”的橫向整合能力。所謂“多模融合”，本質(zhì)就是構(gòu)建出能同時(shí)處理多種數(shù)據(jù)類型及多種業(yè)務(wù)負(fù)載的統(tǒng)一平臺(tái)——這一需求正隨AI發(fā)展變得愈發(fā)關(guān)鍵。

但面對(duì)全新的需求，部分企業(yè)仍然在實(shí)踐中暴露出兩大誤區(qū)：其一，采用“堆砌數(shù)據(jù)庫”策略，如用MongoDB處理文檔、Neo4J管理圖數(shù)據(jù)、MySQL存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)，看似靈活實(shí)則陷入“復(fù)雜度黑洞”，由此不僅導(dǎo)致學(xué)習(xí)成本高企，同時(shí)跨庫整合的復(fù)雜度更遠(yuǎn)超傳統(tǒng)處理能力；其二，部分國產(chǎn)數(shù)據(jù)庫還試圖在應(yīng)用層或通過數(shù)據(jù)中臺(tái)解決所有問題，但實(shí)踐驗(yàn)證也發(fā)現(xiàn)，當(dāng)代碼由機(jī)器生成時(shí)，過于復(fù)雜的數(shù)據(jù)庫結(jié)構(gòu)反而成為AI安全管控的障礙。

更深層的問題在于架構(gòu)思維滯后，當(dāng)前許多企業(yè)仍將AI視為獨(dú)立項(xiàng)目，在現(xiàn)有數(shù)據(jù)平臺(tái)外“另起爐灶”，但AI革命需深度融入系統(tǒng)底層架構(gòu)而非浮于應(yīng)用表面，若企業(yè)連數(shù)十個(gè)數(shù)據(jù)庫的整合、中臺(tái)搭建與基礎(chǔ)安全都難以實(shí)現(xiàn)，AI集成和整合自然也會(huì)淪為“空中樓閣”，這也正是大量AI項(xiàng)目投入巨大卻收效甚微，甚至淪為“爛尾工程”的核心癥結(jié)。

也正因此，AI時(shí)代“數(shù)據(jù)中臺(tái)”概念逐漸淡化，未來真正的突破方向在于構(gòu)建“多模融合”的數(shù)據(jù)庫，實(shí)現(xiàn)數(shù)據(jù)類型、技術(shù)架構(gòu)與應(yīng)用負(fù)載的統(tǒng)一承載，而甲骨文提出的“融合數(shù)據(jù)庫”理念就為此提供了豐富的實(shí)踐范本。

為此，吳承楊也用了一個(gè)較為生活化場景來做更全面的詮釋，若將傳統(tǒng)數(shù)據(jù)庫架構(gòu)比作“十個(gè)冰箱存十種食材”，廚師需反復(fù)開關(guān)不同設(shè)備取料；而融合數(shù)據(jù)庫則如同“千升級(jí)智能冰箱”，內(nèi)置溫控系統(tǒng)、食材識(shí)別與自動(dòng)配比功能，由此實(shí)現(xiàn)數(shù)據(jù)管理的質(zhì)變。

換句話說，在具體的業(yè)務(wù)實(shí)踐中，當(dāng)企業(yè)面臨圖數(shù)據(jù)分析需切換Neo4j、空間數(shù)據(jù)需調(diào)用PostGIS、文檔存儲(chǔ)依賴MongoDB的復(fù)雜局面時(shí)，甲骨文的融合數(shù)據(jù)庫可通過統(tǒng)一平臺(tái)消除了多庫并行的技術(shù)復(fù)雜度；當(dāng)AI模型需要實(shí)時(shí)調(diào)用結(jié)構(gòu)化交易數(shù)據(jù)與非結(jié)構(gòu)化用戶行為日志時(shí)，甲骨文融合數(shù)據(jù)庫的原生多模能力也確保了數(shù)據(jù)供給的即時(shí)性與完整性?？梢哉f，甲骨文的“融合數(shù)據(jù)庫”在AI時(shí)代的價(jià)值全面凸顯，既源于其四十余年數(shù)據(jù)庫技術(shù)的深厚積淀，也得益于其長期堅(jiān)持的“一體化”的集成理念。

不難看出，在AI智能體時(shí)代，數(shù)據(jù)多模融合已非技術(shù)炫技，而是AI基礎(chǔ)設(shè)施的革命性升級(jí)，它也不再是企業(yè)簡單的一道“選擇題”，而是決勝智能體時(shí)代的“必選題”。

02.

重構(gòu)底座，

構(gòu)筑AI為中心的企業(yè)數(shù)據(jù)平臺(tái)

事實(shí)上，在Gartner發(fā)布的《2025年中國人工智能十大趨勢》中就指出，隨著AI模型標(biāo)準(zhǔn)化與普及化進(jìn)程加速，企業(yè)戰(zhàn)略重心正從單純追求模型先進(jìn)性轉(zhuǎn)向深度優(yōu)化數(shù)據(jù)資源。越來越多的企業(yè)意識(shí)到，真正的競爭優(yōu)勢并非源于模型本身，而在于那些難以復(fù)制的獨(dú)特內(nèi)部數(shù)據(jù)資產(chǎn)，這些數(shù)據(jù)也正成為驅(qū)動(dòng)AI落地應(yīng)用與差異化創(chuàng)新的核心要素。

面對(duì)這一變革趨勢，甲骨文提出基于融合數(shù)據(jù)庫構(gòu)建“以AI為中心的企業(yè)數(shù)據(jù)平臺(tái)”，通過多模態(tài)數(shù)據(jù)融合、異構(gòu)架構(gòu)整合及復(fù)雜工作負(fù)載統(tǒng)一管理，助力企業(yè)實(shí)現(xiàn)從數(shù)據(jù)積累到智能決策的跨越式發(fā)展。

甲骨文公司中國區(qū)技術(shù)咨詢部高級(jí)總監(jiān)嵇小峰指出，該架構(gòu)具備“更簡單、更安全、更可靠”三大核心優(yōu)勢，具體來看：

首先，在“更簡單”方面，當(dāng)前傳統(tǒng)AI開發(fā)面臨多重技術(shù)挑戰(zhàn)，如非結(jié)構(gòu)化數(shù)據(jù)（如基因序列、語音視頻）的向量化處理需求激增，但多數(shù)數(shù)據(jù)庫缺乏原生向量支持；此外，多源異構(gòu)數(shù)據(jù)集成導(dǎo)致成本高昂以及開發(fā)框架與數(shù)據(jù)庫的兼容性問題制約效率提升等等，而甲骨文的融合數(shù)據(jù)庫技術(shù)則可以輕松化解這些痛點(diǎn)。

針對(duì)向量計(jì)算場景，甲骨文融合數(shù)據(jù)庫通過內(nèi)置向量索引與多種相似性檢索算法，支持動(dòng)態(tài)擴(kuò)展的向量數(shù)據(jù)庫架構(gòu)。在此技術(shù)上，結(jié)合GoldenGate數(shù)據(jù)集成技術(shù)，可實(shí)現(xiàn)結(jié)構(gòu)化/非結(jié)構(gòu)化數(shù)據(jù)（包括已向量化的數(shù)據(jù)）的無縫集成與實(shí)時(shí)同步，構(gòu)建統(tǒng)一數(shù)據(jù)底座。

在開發(fā)框架方面，甲骨文融合數(shù)據(jù)庫原生支持LangChain等主流AI開發(fā)框架，通過標(biāo)準(zhǔn)化API直接調(diào)用數(shù)據(jù)庫進(jìn)行向量操作；同時(shí)自然語言交互接口（如APEX低代碼平臺(tái)）進(jìn)一步降低開發(fā)門檻——用戶可通過自然語言描述需求，系統(tǒng)即可自動(dòng)生成應(yīng)用藍(lán)圖并集成AI能力（如聊天機(jī)器人、智能報(bào)表）。

不僅如此，甲骨文的向量化技術(shù)還深度集成至Oracle Exadata等硬件平臺(tái)，在基因測序、金融風(fēng)控等高并發(fā)場景中可實(shí)現(xiàn)毫秒級(jí)響應(yīng)，企業(yè)無需額外配置專用向量數(shù)據(jù)庫，即可在統(tǒng)一平臺(tái)完成數(shù)據(jù)存儲(chǔ)、處理與分析全流程。

其次，在“更安全”方面，AI應(yīng)用的普及放大了數(shù)據(jù)安全風(fēng)險(xiǎn)，大模型生成的代碼規(guī)模龐大，傳統(tǒng)人工審查難以覆蓋；智能體（Agent）的決策邏輯由LLM動(dòng)態(tài)生成，透明度也顯著降低。為此，甲骨文也通過三層安全防護(hù)體系守住安全底線。

其中，虛擬私有數(shù)據(jù)庫（VPD），可在數(shù)據(jù)層動(dòng)態(tài)生成用戶權(quán)限視圖，確保敏感數(shù)據(jù)僅對(duì)授權(quán)角色可見；實(shí)時(shí)應(yīng)用安全（RAS），可將細(xì)粒度訪問控制嵌入數(shù)據(jù)庫操作層面，而非依賴應(yīng)用層代碼；SQL防火墻，則能夠自動(dòng)攔截異常查詢模式（如惡意注入攻擊），阻斷數(shù)據(jù)泄露路徑。為此，甲骨文把這些策略以簡便的方法定義在數(shù)據(jù)層中，用戶的應(yīng)用整體上就顯得高枕無憂了。

最后，在“更可靠”方面，當(dāng)前企業(yè)正趨向于使用更先進(jìn)的AI解決方案和開發(fā)架構(gòu)構(gòu)建企業(yè)級(jí)AI應(yīng)用，其需求主要包括：模塊可以組裝、互相獨(dú)立，可以各自發(fā)展；整個(gè)應(yīng)用要能夠用聲明式的語言簡單地說明意圖，對(duì)它進(jìn)行描述；同時(shí)，整個(gè)架構(gòu)也需要具備健壯性、高可用性、安全性、一致性等等。

為此，甲骨文也推出了面向企業(yè)的以AI為中心的生成式開發(fā)基礎(chǔ)設(shè)施GenDev，它結(jié)合了Oracle Database 23ai 中的創(chuàng)新技術(shù)，如JSON Relational Duality Views、AI Vector Search等，能夠提供以聲明式語言和視圖，可自動(dòng)或輔助實(shí)現(xiàn)企業(yè)級(jí)AI應(yīng)用所需的獨(dú)立性、隔離性、保密性、一致性、可演進(jìn)性和可生成性，這一全新的開發(fā)架構(gòu)支持低代碼或無代碼開發(fā)方式，通過預(yù)構(gòu)建的集成和可視化開發(fā)工具，能夠快速幫助企業(yè)實(shí)現(xiàn)應(yīng)用的現(xiàn)代化。

值得一提的是，甲骨文的融合數(shù)據(jù)庫還支持“向下兼容”，企業(yè)可根據(jù)業(yè)務(wù)需求分階段升級(jí)，避免“為升級(jí)而升級(jí)”的無效投入。同時(shí)，面對(duì)PB級(jí)結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)（如視頻、語音）的暴增，甲骨文也通過硬件優(yōu)化（如ZFS存儲(chǔ)陣列提供100Gb帶寬）與分布式擴(kuò)展能力，確保查詢效率與準(zhǔn)確性。

客觀地說，數(shù)據(jù)庫作為最為核心的基礎(chǔ)軟件，其穩(wěn)定性與可靠性直接決定上層應(yīng)用的成敗，因此選擇經(jīng)過驗(yàn)證的成熟融合數(shù)據(jù)庫方案，仍是企業(yè)用戶最理性的決策。

對(duì)此，吳承楊強(qiáng)調(diào)說：“作為深耕數(shù)據(jù)庫領(lǐng)域四十余年的企業(yè)，甲骨文深知數(shù)據(jù)庫產(chǎn)品化落地的核心在于商品化所需的穩(wěn)定性與可靠性，而非單純的市場概念，而甲骨文融合數(shù)據(jù)庫，不僅是甲骨文每年將營收的10%-15%投入研發(fā)長期沉淀的結(jié)果，更經(jīng)過了市場一線的的驗(yàn)證，已在眾多客戶應(yīng)用場景中實(shí)現(xiàn)了穩(wěn)定運(yùn)行，這也構(gòu)成了甲骨文最為堅(jiān)實(shí)的競爭力?！?/p>

03.

躬身入局，

加速AI智能體融入千行百業(yè)

毫無疑問，未來AI智能體與細(xì)分場景、垂直行業(yè)的深度融合將成為全行業(yè)數(shù)智化轉(zhuǎn)型的核心驅(qū)動(dòng)力。在此進(jìn)程中，甲骨文不僅“授人以魚，也授人以漁”，通過“躬身入局”的實(shí)踐方式，將技術(shù)能力轉(zhuǎn)化為可落地的業(yè)務(wù)價(jià)值，加速AI智能體在千行百業(yè)的落地與應(yīng)用。

吳承楊表示，這也正是甲骨文在AI時(shí)代為客戶創(chuàng)造價(jià)值的核心邏輯——即以實(shí)際案例驗(yàn)證技術(shù)到業(yè)務(wù)成果的轉(zhuǎn)化路徑，如同“用建筑材料打造樣板房”， 助力企業(yè)實(shí)現(xiàn)技術(shù)到業(yè)務(wù)的價(jià)值轉(zhuǎn)化。

以制造業(yè)良率追溯場景為例，某制造企業(yè)與甲骨文共建的AI智能平臺(tái)，就成功破解了傳統(tǒng)生產(chǎn)模式的三大痛點(diǎn)，包括生產(chǎn)數(shù)據(jù)、質(zhì)量手冊、維修記錄、設(shè)備參數(shù)等核心信息分散于不同系統(tǒng)，數(shù)據(jù)格式各異，形成信息孤島；此外，海量數(shù)據(jù)中隱藏的深層關(guān)聯(lián)性難以通過傳統(tǒng)分析手段挖掘，導(dǎo)致問題定位依賴經(jīng)驗(yàn)而非數(shù)據(jù)；更為關(guān)鍵的是，當(dāng)良率波動(dòng)或缺陷增加時(shí)，從問題發(fā)現(xiàn)到根源定位往往需要數(shù)小時(shí)甚至更長時(shí)間，且嚴(yán)重依賴專家個(gè)人能力。

針對(duì)這些挑戰(zhàn)，基于甲骨文AI數(shù)據(jù)平臺(tái)打造的制造業(yè)良率追溯系統(tǒng)則徹底化解了這些難題，依托甲骨文數(shù)據(jù)庫對(duì)MES、QMS等系統(tǒng)的天然兼容性，實(shí)現(xiàn)全鏈路數(shù)據(jù)集中存儲(chǔ)；內(nèi)置數(shù)據(jù)庫級(jí)AI算法，大幅提升分析準(zhǔn)確性與響應(yīng)速度；而圖關(guān)系技術(shù)構(gòu)建精準(zhǔn)追溯路徑，結(jié)合數(shù)據(jù)檢索能力進(jìn)一步優(yōu)化結(jié)果可靠性；最后，企業(yè)級(jí)架構(gòu)設(shè)計(jì)提供縱深數(shù)據(jù)安全防護(hù)，通過多模式高可用方案確保上層AI應(yīng)用的穩(wěn)定運(yùn)行。

同樣，在制造業(yè)財(cái)務(wù)智能查詢與分析領(lǐng)域，甲骨文也展現(xiàn)出了創(chuàng)新的實(shí)力。針對(duì)制造業(yè)財(cái)務(wù)數(shù)據(jù)查詢與分析的典型痛點(diǎn)，如指標(biāo)分散于多系統(tǒng)報(bào)表、復(fù)雜查詢依賴開發(fā)人員介入、圖表可視化效果差影響決策效率，甲骨文的AI解決方案也通過技術(shù)創(chuàng)新實(shí)現(xiàn)了突破，如基于OGG Data Fabric構(gòu)建多源、異構(gòu)數(shù)據(jù)集成環(huán)境，打破系統(tǒng)壁壘實(shí)現(xiàn)全量數(shù)據(jù)互通；采用NL2SQL自然語言交互技術(shù)，降低分析門檻并支持移動(dòng)端實(shí)時(shí)查詢；數(shù)據(jù)層具備高性能、高可用能力，能夠?qū)?fù)雜報(bào)表轉(zhuǎn)化為直觀決策依據(jù)，顯著提升決策效能。

這些案例僅僅是甲骨文融合數(shù)據(jù)庫賦能行業(yè)數(shù)智化轉(zhuǎn)型的“縮影”。在甲骨文看來，企業(yè)級(jí)AI應(yīng)用或者說AI智能體落地成功的關(guān)鍵在于把握兩大核心要素：一方面，是場景的可行性，甲骨文建議行業(yè)客戶優(yōu)先選擇技術(shù)復(fù)雜度可控、業(yè)務(wù)價(jià)值顯著的場景，通過結(jié)構(gòu)化評(píng)估框架幫助客戶衡量技術(shù)成熟度與ROI，確保首個(gè)試點(diǎn)項(xiàng)目快速見效；另一方面，是必須以業(yè)務(wù)價(jià)值為導(dǎo)向，目前越來越多的客戶傾向于按照實(shí)際效果付費(fèi)，而非單純的采購軟硬件平臺(tái)，為此甲骨文也會(huì)聯(lián)合生態(tài)伙伴通過Workshop形式與客戶共探場景，確保技術(shù)方案與業(yè)務(wù)需求深度融合。

吳承楊最后表示，甲骨文“躬身入局”背后，是因?yàn)榧坠俏牟⒉皇且蕾嚪?wù)收費(fèi)來實(shí)現(xiàn)盈利的企業(yè)，而是更注重和聚焦于生態(tài)共建與能力賦能，未來甲骨文也會(huì)堅(jiān)持通過“樣板房”項(xiàng)目培育ISV生態(tài)，同時(shí)產(chǎn)生的后續(xù)項(xiàng)目，也會(huì)交由合作伙伴主導(dǎo)落地；在此基礎(chǔ)上，甲骨文還會(huì)輸出方法論體系，將歸因分析、數(shù)據(jù)體系構(gòu)建等最佳實(shí)踐分享給行業(yè)客戶，助力其建立自主的數(shù)據(jù)驅(qū)動(dòng)能力，真正實(shí)現(xiàn)“授人以漁”的價(jià)值傳遞。

事實(shí)上，在甲骨文近期公布的FY25 Q4財(cái)報(bào)中也可以看到，甲骨文在這場AI變革中的前瞻布局已進(jìn)入“收獲期”——整體云業(yè)務(wù)（涵蓋云應(yīng)用與云基礎(chǔ)設(shè)施）增長率，預(yù)計(jì)將從2025財(cái)年的24%大幅提升至2026財(cái)年的40%以上；此外，作為云基礎(chǔ)設(shè)施核心的OCI板塊，增速更將從2025財(cái)年的50%躍升至2026財(cái)年的70%以上，加上全年574億美元的營收規(guī)模，以及在手訂單1380億美元，都創(chuàng)新下了歷史新高，這背后不僅印證了甲骨文在戰(zhàn)略上的正確性，更是甲骨文能夠在AI時(shí)代持續(xù)突破和創(chuàng)新的關(guān)鍵和底氣所在。

總的來說，在AI智能體時(shí)代，企業(yè)競爭的本質(zhì)其實(shí)就是數(shù)據(jù)競爭力的比拼，而甲骨文以“多模融合數(shù)據(jù)庫”為底座、以“AI為中心的數(shù)據(jù)平臺(tái)”為引擎的戰(zhàn)略，不僅能幫助企業(yè)最大化簡化技術(shù)棧、強(qiáng)化安全防護(hù)，更能釋放數(shù)據(jù)資產(chǎn)的最大價(jià)值，成為企業(yè)在數(shù)智化轉(zhuǎn)型過程中持續(xù)贏得先機(jī)的核心引擎。