作者 | 柴旭晨

編輯 | 張曉玲

面對如今科技圈言必稱“AINative”的熱潮，阿里云資深副總裁、數(shù)據(jù)庫產(chǎn)品事業(yè)部負責(zé)人李飛飛卻顯得頗為冷靜，甚至主動給這股熱潮“降了降溫”。

阿里云數(shù)據(jù)庫產(chǎn)品技術(shù)架構(gòu)部負責(zé)人王遠在1月20日向華爾街見聞直言，現(xiàn)在很多廠商喊出的“AI原生”口號其實有些“大躍進”了。相比于急著貼上“原生”的標簽，阿里云PolarDB選擇了一個更務(wù)實的目標——先做到“AI Ready（AI就緒）”。

為了讓大家聽懂什么是“AI就緒”，李飛飛用了一個直觀的“4+1”公式。

想象一下，以前的數(shù)據(jù)庫像是一個整齊劃一的檔案柜，只存文字和表格。但AI時代的數(shù)據(jù)五花八門，有圖片、有視頻、有日志。所以，“AI就緒”的第一步就是讓數(shù)據(jù)庫變成一個“大湖”，既能存表格，也能存這些雜亂的數(shù)據(jù)，這叫做“Lakebase（湖庫一體）”。緊接著，數(shù)據(jù)庫得學(xué)會像圖書管理員一樣，通過統(tǒng)一的元數(shù)據(jù)管理，把這些海量且碎片化的信息梳理清楚。

更有趣的改變在于讓數(shù)據(jù)庫“長出腦子”。

李飛飛解釋說，大模型雖然聰明，但它學(xué)到的都是過去的數(shù)據(jù)。如果你問它“今天PolarDB大會來了多少人”，它肯定答不上來，因為它不知道此時此刻正在發(fā)生的事。這就是數(shù)據(jù)庫的價值所在——它掌握著最新的“熱數(shù)據(jù)”。通過在數(shù)據(jù)庫里直接運行AI模型（模型算子化），讓大模型能實時讀取最新的熱數(shù)據(jù)，這樣AI就不會“產(chǎn)生幻覺”，能回答當(dāng)下的問題。

至于那個“+1”，指的就是要跟上硬件漲價的步伐。最近內(nèi)存價格瘋漲，阿里云通過技術(shù)手段把硬件資源“池化”，就像共享單車一樣，讓大家共享昂貴的內(nèi)存和算力，從而把成本打下來。

既然現(xiàn)在只是“就緒”，那什么樣的數(shù)據(jù)庫才配叫“AI原生”呢？李飛飛給出一個非常犀利的判斷標準，他把這比作運動員的體格檢查。

他說，這就好比一個人自稱是國家級運動員，光看外表不行，得測體脂率。如果體脂率還在20%以上那就別吹牛了；只有降到5%以下，才具備世界級運動員的身體素質(zhì)。

對應(yīng)到數(shù)據(jù)庫上，李飛飛認為真正的“AI原生”必須達到兩個硬指標：第一，你的數(shù)據(jù)庫用戶里，至少有一半不是人類，而是AIAgent（智能體）；第二，數(shù)據(jù)庫輸出的內(nèi)容里，有一半不是傳統(tǒng)的表格數(shù)據(jù)，而是AI能讀懂的Token（語義單位）。只要沒達到這兩個標準，現(xiàn)在喊“AI原生”大多是在講故事。

雖然李飛飛在概念定義上很克制，但在實際應(yīng)用上，企業(yè)們的動作卻很快。

以造車新勢力理想汽車為例，他們就沒有把PolarDB僅僅當(dāng)成一個存數(shù)據(jù)的倉庫，而是把它變成了一個智能處理中心。理想汽車利用PolarDB的一站式能力，不僅完成了數(shù)據(jù)的清洗和打標，還在數(shù)據(jù)庫內(nèi)部直接進行特征提取和推理。

這意味著，從車輛產(chǎn)生的數(shù)據(jù)到最終的智能決策，數(shù)據(jù)不需要搬來搬去，在數(shù)據(jù)庫內(nèi)部就完成了“化學(xué)反應(yīng)”。這種用法，正是李飛飛口中“AI就緒”的最佳樣本。

除了技術(shù)，王遠還特別提到了一筆經(jīng)濟賬。在AI時代，不僅算力貴，連存數(shù)據(jù)的內(nèi)存都在漲價，未來可能還要翻好幾倍。這時候，云數(shù)據(jù)庫的優(yōu)勢就體現(xiàn)出來了。

如果不使用云技術(shù)，企業(yè)自己買服務(wù)器，成本會越來越高。而PolarDB通過“Serverless（無服務(wù)器化）”技術(shù)，可以做到極致的彈性——沒任務(wù)的時候甚至可以不占用計算節(jié)點，來了任務(wù)秒級啟動。這種“用多少付多少”的模式，是在硬件漲價周期里幫企業(yè)省錢的關(guān)鍵。

可以說，阿里云這次傳遞的信號很明確：在通往未來的路上少玩概念多練內(nèi)功。畢竟，只有當(dāng)AI智能體真正接管了數(shù)據(jù)庫的讀寫，那個傳說中的“AI原生時代”才算真正到來。

以下是與阿里云資深副總裁兼數(shù)據(jù)庫產(chǎn)品事業(yè)部負責(zé)人李飛飛、阿里云數(shù)據(jù)庫產(chǎn)品事業(yè)部產(chǎn)品管理與技術(shù)架構(gòu)部負責(zé)人王遠的對話實錄：

問：從云原生數(shù)據(jù)庫到AI就緒的怎樣理解“AI就緒”？

李飛飛：從原生到AI就緒，我和王遠分享里面再三講到這個點我認為“4+1”4個點加1個底座。一是存儲層走向lakebase，數(shù)據(jù)庫原來面向結(jié)構(gòu)化的數(shù)據(jù)存儲和湖的面向semanticshortcut，甚至answershortcutdata的存儲結(jié)合起來，是第一個lakebase。這在AI時代，AIready非常重要，因為AI時代，能處理的數(shù)據(jù)類型極大豐富了，因為我可以做embedding，可以做特征提取，多模態(tài)檢索，這是必要的第一步，走向AIready，所以是lakebase。

第二是源數(shù)據(jù)的統(tǒng)一管理，AI時代的特點是數(shù)據(jù)源特別多，有日志、有交易產(chǎn)生的數(shù)據(jù)，甚至圖片、文本、音視頻，并且每一類數(shù)據(jù)類型、數(shù)據(jù)量特別大，同一類型的數(shù)據(jù)量和數(shù)據(jù)源特別多，所以元數(shù)據(jù)的統(tǒng)一關(guān)系變得很重要。以前的元數(shù)據(jù)幾百G、1T、2T，元數(shù)據(jù)可能就幾兆，現(xiàn)在元數(shù)據(jù)就上T，所以元數(shù)據(jù)的統(tǒng)一管理這里面變成很關(guān)鍵的抓手了，而且元數(shù)據(jù)要實時更新，我們把以前做的ZEroETL技術(shù)在是數(shù)據(jù)面的是dataplan技術(shù)，集成到元數(shù)據(jù)的管理上。數(shù)據(jù)源發(fā)生變化，matterdata信息發(fā)生變化，我們可以實時同步到元數(shù)據(jù)管理這層，總結(jié)來講是matterformetters（音），元數(shù)據(jù)的統(tǒng)一管理。這是第二個關(guān)鍵能力。

第三個關(guān)鍵能力是多模態(tài)的檢索和處理，從結(jié)構(gòu)化走向半結(jié)構(gòu)化、非結(jié)構(gòu)化融合，結(jié)合embedding能力，向量、全文檢索等多模態(tài)，這是第三。

第四個里面有兩個小點：模型算子化+AgentAI的支持，這兩個是有機在一起的。要在數(shù)據(jù)庫里面做模型推理服務(wù)，在一年多前我們提出模型算子化，很多人不是很理解為什么干這個事兒？現(xiàn)在看非常自然，因為模型會吞噬所有數(shù)據(jù)，冷數(shù)據(jù)、溫的數(shù)據(jù)全部會被模型吞噬掉，冷數(shù)據(jù)意義不大了，是模型參數(shù)的一部分。甚至溫數(shù)據(jù)今天通過lora微調(diào)技術(shù)，也可以做到半實時地更新到模型里。

唯一目前看，不能被模型實時吞噬掉的數(shù)據(jù)就是熱數(shù)據(jù)。因為模型今天不具備實時增刪改查的能力，熱數(shù)據(jù)一定是持久的、長期的有非常大的價值，那模型如果沒有熱數(shù)據(jù)的加持，會產(chǎn)生幻覺，對事實不能理解。

熱數(shù)據(jù)和模型在線推理的時候產(chǎn)生化學(xué)反應(yīng)，這是為什么我們在數(shù)據(jù)庫里做模型算子化。未來一定是token的世界，未來在接下來一年token可能漲100倍甚至1000倍，全世界的token量。這些token怎么被消耗？對大多數(shù)企業(yè)和個人，直接totoken，不知道怎么用的。像人一樣，直接給他鐵、銅、金不知道怎么用，但是你給他金項鏈、金手鐲，他知道怎么用。所以一定要場景化使用token，模型算子化和熱數(shù)據(jù)的結(jié)合就這個價值。

場景化還有一個邏輯，模型算子化了，熱數(shù)據(jù)實時轉(zhuǎn)成token，怎么場景化使用？要有各種各樣的Agent，面向AgentAI，開發(fā)Agent、部署Agent、verticaAgent跑在數(shù)據(jù)庫上，這也是非常重要的能力。這是第四個方向，模型算子化+AgentAI的支持，這是數(shù)據(jù)庫走向AIready的四個關(guān)鍵要素，lakebase、元數(shù)據(jù)統(tǒng)一技術(shù)、多模態(tài)檢索和處理、模型算子化及AgentAI的支持。

“+1”是什么呢？一定要跟上硬件的發(fā)展步伐，所有的系統(tǒng)，數(shù)據(jù)庫、database、只不過硬件隨著時間不斷變化。我們小時候一臺386、486，當(dāng)時內(nèi)存64K、32K，今天內(nèi)存我們PolarDB結(jié)合，公共云上現(xiàn)在已經(jīng)開通正式對外商業(yè)化服務(wù)，單實力可以做到100多T內(nèi)存池化，可以掛載CPU+GPU推理節(jié)點的GPU，訪問同一個內(nèi)存池，底下存儲池化，所以硬件的優(yōu)化，包括像serialold的內(nèi)存池化、PD分離、KVcache這些結(jié)合硬件的能力。KVcache一定要結(jié)合硬件做，單從軟件層面做KVcache沒有意義，一定要結(jié)合硬件特點，GPU機頭里的DRAM，CPU機頭的DRAM，遠端的DRAM，HBM，這些怎樣池化掉，還有和SSD這層。

所以結(jié)合硬件特點的持續(xù)迭代，內(nèi)存強，剛才講數(shù)據(jù)庫最早發(fā)展的時候，關(guān)鍵挑戰(zhàn)就是內(nèi)存強，到今天內(nèi)存強這個“幽靈”又回來了。剛才演講說，內(nèi)存在過去幾個月漲了30%—40%，接下來我們認為內(nèi)存可能還要漲2到3倍。結(jié)合硬件的創(chuàng)新突破，這是“4+1”，AIready要干這么幾件事情。

問：各位談到數(shù)據(jù)庫使用成本進一步降低，在降成本過程中，架構(gòu)優(yōu)化主要做了哪些內(nèi)容？

王遠：關(guān)于成本，為什么有這么大的性價比和成本優(yōu)勢，總結(jié)起來三個點：一是資源的池化，二是多租共享，三是彈性伸縮。首先時至今日，從云計算時代到AI時代，有一個邏輯是沒有變，只有規(guī)?；揭欢ǔ潭?，才能夠有一定的成本優(yōu)勢或者成本紅利，才能把這些東西釋放給用戶，讓他享受到。所以PolarDB首先擁有云上最大規(guī)模的數(shù)據(jù)庫用戶，這是我們很高的護城河，所以決定了我們可以做這件事兒。

二是多租共享。技術(shù)層面，可以分存儲層做了什么，內(nèi)存做了什么，算力做了什么，存儲層這邊，剛才像李飛飛說了有冷、熱、溫三層數(shù)據(jù)，如果所有數(shù)據(jù)都是熱數(shù)據(jù)，那成本肯定是居高不下的。而對于一個企業(yè)和組織來講，大部分數(shù)據(jù)有一定的溫屬性、冷屬性，需要的時候再翻出來，這時候PolarDB需要把自己進入更多的高性價比的存儲介質(zhì)，然后能對企業(yè)當(dāng)中的數(shù)據(jù)做分類存儲，但分類存儲不是把管理負擔(dān)轉(zhuǎn)嫁給用戶，需要數(shù)據(jù)庫內(nèi)部做智能化的冷熱分層，智能化的數(shù)據(jù)調(diào)度、跨界流轉(zhuǎn)和遷移，這是PolarDB存儲層做的第一件事，降成本。

內(nèi)存層，剛才說了CXL是我們大力推的技術(shù)，CXL直觀地感受是有一個超大規(guī)模的遠端內(nèi)存池，帶來的效果是遠端內(nèi)存池可以復(fù)用的，多租共享復(fù)用的，它除了能夠做內(nèi)存高消耗的查詢分析加速以外，也可以做到租戶之間的共享。如果能夠把內(nèi)存利用率提高進而帶動CPU的利用率提高這部分成本也是非?？捎^的，結(jié)合目前內(nèi)存在瘋狂的漲價趨勢，未來會有更大的紅利，通過這種技術(shù)手段，釋放給用戶。

因為PolarDB選擇了一體化的架構(gòu)，我們會把TP、AP，加IP一體化處理，它帶來技術(shù)上我們可以做的事情就是異構(gòu)算力的混合調(diào)度。我可以把GPU和CPU的算力可以混合調(diào)度起來，比如我們在PolarDB內(nèi)部做的，可以把spark框架和ray框架混部，這樣CPU和GPU可以綜合利用，同時CPU處理的東西，比如打標操作、ETL操作用CPU處理完，可以根據(jù)CPU吞吐決定拉起多少GPU，處理下一步的embedding操作，這些方面在提效同時，也會帶來很可觀的降本操作。

產(chǎn)品形態(tài)上，我們也做了設(shè)計，我們主推的serverless，就是極致彈性的產(chǎn)品形態(tài)。未來我們認為Agent是數(shù)據(jù)庫的主力用戶，有一個調(diào)研報告說，新建的數(shù)據(jù)庫可能有80-90%都是Agent自主創(chuàng)建的，那Agent是7×24小時的運行程序，它所帶來的工作負載是完全不一樣的，它有可能是高查詢、高并發(fā)或者大查詢的，也可能它一段時間內(nèi)就是不工作的。這時候彈性的能力，極端情況下可以零計算節(jié)點，只有數(shù)據(jù)存儲，沒有算力，但一旦有算力來，可以秒級拉起對應(yīng)計算節(jié)點，處理Agent或者用戶提交的任務(wù)，通過產(chǎn)品形態(tài)，我們也能夠保證在場競爭中有相應(yīng)的價格優(yōu)勢。

我們通過一系列的技術(shù)手段，加產(chǎn)品形態(tài)設(shè)計，保證產(chǎn)品在市場上的價格競爭力。

李飛飛：隨著存儲成本上漲，是周期性的事情，我們回頭看歷史，過一段時間存儲上漲，廠商提升產(chǎn)量，價格下來，但這次周期我個人認為非常長，因為它是時代的變革。

所以短期可能三到五年，存儲的價格DRAM也好，整個HBM上漲，我個人認為，過去這么多年我們沉淀的云原生技術(shù)和產(chǎn)品能力，會越來越有價值。之前有些客戶自建搞服務(wù)器，反正服務(wù)器不值錢，成本很低，這個時代一去不復(fù)返了，不做內(nèi)存池化、不做存儲池化，不做serverless，不做彈性調(diào)度，成本會越來越高。這是我對未來的判斷。

問：為了打造AI原生數(shù)據(jù)庫，阿里內(nèi)部不同產(chǎn)品能力打通上做了哪些努力？現(xiàn)在各家數(shù)據(jù)庫廠商都在打造智能化數(shù)據(jù)庫底座，PolarDB給開發(fā)者帶來的差異化體驗是什么？

李飛飛：阿里云所有產(chǎn)品最早和百煉打通的，一年多前我們在political開發(fā)者大會上，我們調(diào)模型跟百煉打通，還是有一些質(zhì)疑的聲音，你們?yōu)槭裁锤蛇@個事。現(xiàn)在回頭看，絕對是輕舟已過萬重山，是絕對應(yīng)該干的事情。

可以給大家講，PolarDB以及整個瑤池數(shù)據(jù)庫的token量增長，在過去短短幾個月的增長超過100倍。就是通過瑤池數(shù)據(jù)庫的產(chǎn)品，PolarDB靈洞、RDS、ADB調(diào)百煉也好，調(diào)模型算子化的服務(wù)也好，調(diào)pai，我們token消耗量增加了100倍，短短幾個月內(nèi)，爆發(fā)式的增長。

二集成了哪些產(chǎn)品？百煉、pai，pai提供了定制化的模型推理服務(wù)能力和微調(diào)能力。

三我們自己做了模型算子化的服務(wù)，這樣我們在SLA彈性瞬間爆發(fā)上，自己也可以做overflow提供模型推理的能力，這是模型算子化。而且所有這些通過SQL語句或API。接下來我們重點做的事情，當(dāng)然我們已經(jīng)具備了這個能力，但不完美，除了SQLAPI，開放的SDK，我們接下來要支持自然語言。自然語言用大模型自然語言方式來無縫調(diào)用所有這些，從TP到HP、IP全部打通。這是我們目前的情況。

這是和AI直接相關(guān)的，AI和存儲團隊、計算團隊，阿里的存儲計算都是深度集成的。回應(yīng)您剛才的問題，AI方向?qū)恿四男┊a(chǎn)品。

王遠：剛才分享的時候有一個觀點，未來數(shù)據(jù)庫用戶不僅僅是現(xiàn)在的開發(fā)者，還有更多的普通用戶，未來我們也認為他是數(shù)據(jù)庫的直接用戶，因為大模型能力讓我們的數(shù)據(jù)庫未來真的很大概率具備直接服務(wù)普通用戶的能力，基于這個假設(shè)，開發(fā)者的體驗，首先傳統(tǒng)數(shù)據(jù)類開發(fā)者我們做了哪些體驗化的提升？到今天為止，PolarDB選擇的就是一體化的路，在AI時代一體化的路，就是選擇了lakebase的技術(shù)路徑。它從傳統(tǒng)的云原生關(guān)系型的數(shù)據(jù)庫處理結(jié)構(gòu)化數(shù)據(jù)，到現(xiàn)在對非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)，所有多模態(tài)數(shù)據(jù)的全力處理能力的支持。

具體到面向開發(fā)者提供的能力，最基礎(chǔ)的向量。向量能力一定會提供給開發(fā)者的，對AI時代來講，向量一定是最通用的一類數(shù)據(jù)表征，我們認為AI時代如果數(shù)據(jù)庫不支持向量，基本上不能說這是AI時代的數(shù)據(jù)庫，除了向量還不夠，因為向量只是其中一種表征，對于一個企業(yè)或組織應(yīng)用來講，多模態(tài)的數(shù)據(jù)管理是關(guān)鍵，特別是一些企業(yè)的經(jīng)驗和知識。

比如持續(xù)施工的數(shù)據(jù)、graph數(shù)據(jù)、全文數(shù)據(jù)，大量業(yè)務(wù)標簽都是全文數(shù)據(jù)，這些東西都要提供一體化的多模管理能力。再往上我們需要對于開發(fā)者更好地體驗來講就是數(shù)據(jù)庫和應(yīng)用走得越來越近，這個基礎(chǔ)上，提供一些一體化rag能力。還有circle里引入模型算子，能夠讓我們開發(fā)者至少在circle里方便集成大模型能力，不管大模型部署在數(shù)據(jù)庫內(nèi)部還是以MaaS方式提供的遠程調(diào)用服務(wù)，都能夠給開發(fā)者提供一體化的透明的服務(wù)方式。這是我們定義面向開發(fā)者的體驗?zāi)芰ι墶?/p>

面向普通用戶，我們認為未來更大的增長空間是在這，或者說數(shù)據(jù)庫要能夠出圈，比如超出數(shù)據(jù)圈，進入AI圈，或者跟AI走得近的時候，下一步的體驗更關(guān)鍵。比如自然語言交互和多模態(tài)交互，這個能力是我們現(xiàn)在PolarDB已經(jīng)給用戶提供了，未來這個可能會是主流，我們認為未來一定基于命令行的交互，基于工具的交互會存在，會存在于Agent和數(shù)據(jù)庫之間的交互，通過命令行和腳本交互，而用戶和數(shù)據(jù)庫的交互一定是通過自然語言、多模態(tài)更直覺的交互方式提升我們的用戶體現(xiàn)。

第二我們希望數(shù)據(jù)庫對數(shù)據(jù)的管理更貼近人的思維方式。具體表達是什么呢？除了我在管理數(shù)據(jù)，管理schema（音）的時候，我們需要對知識、對記憶做管理，包括我的知識怎么組織，我的記憶，工作記憶、事實性的記憶，經(jīng)驗性的記憶，怎么管理流轉(zhuǎn)，這些東西我們希望PolarDB能夠提供對應(yīng)的記憶管理能力或知識管理能力。

第三對于智能體開發(fā)應(yīng)用的支持。未來我們希望PolarDB作為datacentric的AIinfrastructure，我們對PolarDB是抱有厚望的。

問：AIready階段，從2022年到2025年，四年的時間，剛才分享了四大能力，包括模型算子、多模態(tài)處理能力，我們到了2026年年初階段，具備了四大能力以后，真正完成了AIready階段了嗎？

李飛飛：今天開發(fā)者大會講的能力是AIready的connected data base，今天有些數(shù)據(jù)庫廠商已經(jīng)喊出AInative，我們還是實事求是，不想那么喊，因為AI賽道本身還在快速演進，一天一個樣。中國卷14個小時睡覺，美國人白天開始接著卷，全球接力卷，而且兩邊還不是完全接力，overlap，我們干14小時，人家也干14小時，我們還沒睡覺的時候人家已經(jīng)起來干活了，我們準備睡覺的時候，他們接著干。

AI賽道，現(xiàn)在喊AInative過早，因為AI本身還在快速變革，這是為什么我們堅定喊AIready，不要喊AInative，現(xiàn)在喊AInative我覺得是大躍進，誰喊AI native data base誰就是大躍進。因為AI本身在快速變革，就是AIready，回應(yīng)什么時候是AInative呢？以及AInative數(shù)據(jù)庫長什么樣子呢？我們可以暢想未來，沒有問題，對未來有判斷。我不認為現(xiàn)在任何人做到了所謂的AInative，喊這個都是講故事，而我們講AIready是實時，一步一個腳印做到了。

第二AInative未來長什么樣？兩句話：（1）未來的世界一定是海量Agent使用數(shù)據(jù)庫的世界。（2）未來世界一定是tokendominant的事件。從這兩個標準衡量，數(shù)據(jù)庫是不是AInative了，比如這個數(shù)據(jù)庫上兩個關(guān)鍵標準，比如你衡量一個運動員是不是國家級的運動員，我也可以說我是國家級運動員，但你不信。關(guān)鍵指標體脂率，如果體脂率在20-25%，你說是國家級運動員扯了，起碼在5%以下了，世界級運動員，或者至少7%以下。你的基本運動素養(yǎng)要達到一定標準。

海量Agent使用數(shù)據(jù)庫，二是海量的token。如果一個數(shù)據(jù)庫進入AInative時代衡量標準是它有多少實力是Agent在使用，數(shù)據(jù)庫至少一半的實力是Agent在使用，這是第一個標準。第二它的output，今天數(shù)據(jù)庫的output很多時候是表格，一行行。它的output，bytes來衡量，因為行和token沒法對比，沒關(guān)系我們cover到bytes，它的outputbytes的一半是token，做到這兩個就是AInative，還沒到的，拿照妖鏡照一下。

要做到哪些事情做到AI native data base呢？

以終為始，倒推，我要干到這兩件事，我需要干哪些東西？這是邏輯性地思考問題的框架，我要讓我實力的一半是Agent，突出bytes一半是token，我數(shù)據(jù)庫要做什么？就要堅定的剛才講的方向上持續(xù)迭代和演進，比如模型算子化、無縫集成模型調(diào)用能力，Agent，甚至不光是單Agent，多Agent編排、調(diào)用，marketAgent協(xié)同，數(shù)據(jù)庫里怎么支持，而且超級強的多租能力。SaaS場景是多Agent的雛形，未來多Agent一定比今天的SaaS還SaaS。所以多租隔離會變成剛性需求。

然后多版本迭代，AI推理的無縫集成，還有rag知識庫，這是我們剛才講的，rag就是多模態(tài)檢索，實時知識的更新embedding，這是未來AInative的關(guān)鍵特點。還有無縫自然語言查詢，甚至不是查詢，而是自然語言定義問題，從問題直接到查詢，到action。

為什么我講action？淘寶電商講，訂單系統(tǒng)下單，最終都是數(shù)據(jù)庫，所以數(shù)據(jù)庫是天然action發(fā)生的地方，只不過action以前是通過API的方式兌換它，以后AInative很有可能是Agent直接給數(shù)據(jù)庫下指令。數(shù)據(jù)庫就是action發(fā)生的地方。

千問APP打通了阿里所有的生態(tài)，但萬變不離其宗，通過千問自然語言訂奶茶或者淘寶上下單，找這樣的衣服，它給你生成照片，你說要這樣的衣服淘寶里面下單，最終action發(fā)生在數(shù)據(jù)庫里面的，AInativedatabase一定是action發(fā)生的地方。

問：阿里系還有千問大模型以及現(xiàn)在很多原生Agent應(yīng)用前段時間千問APP算是國內(nèi)最早可以進行在阿里系進行跨應(yīng)用調(diào)用，PolarDB跟他們有沒有進行探索性的合作，有沒有一些實踐性的經(jīng)驗？

李飛飛：有很多。剛才主論壇分享里面我們也請了百煉PD做分享，我們是深入?yún)f(xié)同。

王遠：現(xiàn)在這個時代，數(shù)據(jù)是燃料，數(shù)據(jù)庫是引擎，我們要更好給大模型輸動力，集團肯定是我們很好的試驗田。千問前段時間和阿里整個打通，阿里云內(nèi)部是百煉不說最大的調(diào)用者，也是阿里云內(nèi)部最大調(diào)用者之一了，我們每天token消耗從年初到現(xiàn)在已經(jīng)翻了幾百倍，就是我們自己的消耗。

大家有沒有關(guān)注數(shù)據(jù)庫領(lǐng)域下半年除了大模型以外，還有一個比較火的概念，起源于一個開源項目superbase，它的理念是后端即服務(wù)。設(shè)計理念是以數(shù)據(jù)庫為核心，把企業(yè)級應(yīng)用所需要的后臺服務(wù)，長在數(shù)據(jù)庫上。這個理念雖然很直接，但能想通的人非常了不起。

問：未來Agent可能存在很多跨應(yīng)用調(diào)用情況，上面是不是也要做很多智能體信任協(xié)議？

王遠：是的，像多人協(xié)同，MartinAgent系統(tǒng)，atoa這套體系要支持的，Agent之間訪問肯定也需要互相健全的，剛才PolarDB在集成backendservice以后，并向支撐Astrategicapplication（音）這個方向做的時候，包括atoa，MCP這套東西，都需要納管進來的。我剛才說的未來可能數(shù)據(jù)庫的終端用戶不太會使用命令行，但我說得未來比較長，短期內(nèi)肯定還是需要的。長期演進我個人認為，Agent是訪問數(shù)據(jù)庫的主力的話，那MCP、atoa甚至各種程序、腳本東西，都應(yīng)該是Agent自己寫、自己生成、自己調(diào)用，人就是給數(shù)據(jù)庫提問題。

問：現(xiàn)在阿里云的PolarDB還是AIready，不屬于AI原生，目前是誰在用？而一些客戶擔(dān)心所謂的AI原生有顧慮帶來更高成本。

李飛飛：今天有理想、度小滿等，當(dāng)然不是每個客戶實踐都用了AIready的產(chǎn)品能力，但理想絕對用了，我剛才分享也講了，它構(gòu)建一站式的數(shù)據(jù)平臺，從數(shù)據(jù)打標清洗做embedding特征提取，再到和交易數(shù)據(jù)打通、熱數(shù)據(jù)打通，做在線推理，這些能力它全用了，本質(zhì)上lackbase+多模檢索+模型算子化和調(diào)用百煉，這幾個能力都用了。

另外我們有最佳實踐的書，后面也給了電子版的碼，大家可以掃一下，就是PolarDBAI實踐全景加速企業(yè)大模型應(yīng)用落地，里面有十幾個到二十個案例，都是頭部企業(yè)客戶，有各行各業(yè)。第一個問題舉了理想的例子，而最佳實踐PolarDB的AI能力，現(xiàn)在有哪些客戶在用，怎么用？已經(jīng)有超級無敵多的案例。這本書是總結(jié)，大家可以看一下。待會兒二維碼大家掃一下。

AIready到AInative這些都是概念，今天我們不要做概念支撐，未來世界一定是AInative的世界，什么時候走到那個世界？我不知道，但它一定是加速實現(xiàn)的，但今天這個節(jié)點，我不認為我們可以clam（音）到AInative。因為AI本身都在發(fā)生巨變，怎么定義什么叫AInative呢？這是我剛才講的邏輯。但我們每個人都在向AInative狂奔，包括PolarDB自己。這是剛才講的核心邏輯。

問：如果是傳統(tǒng)的組合，比如我用的搜索引擎+傳統(tǒng)數(shù)據(jù)庫或者說傳統(tǒng)數(shù)據(jù)庫+向量數(shù)據(jù)庫+內(nèi)存數(shù)據(jù)庫的組合，我遷到Agentic架構(gòu)下需要做什么改變，能得到什么收益？

王遠：面向AI oriented data infra要不要推倒重建及本質(zhì)是一個問題，你問我，不用。本身大家擁抱AI，特別是企業(yè)擁抱AI，應(yīng)該采用平滑遷移演進的思想，但只是速度相比于傳統(tǒng)時代要加速，而不是被動地等著平滑升級，只是平滑升級的過程一定是加快的。

如果全盤推翻重建，不能說錯，但有一點過于激進和冒險的選擇。所以PolarDB也是基于這個前提設(shè)計自己，怎樣支持用戶從傳統(tǒng)的IDC或傳統(tǒng)的架構(gòu)，升級成云原生架構(gòu)，進一步升級成AIready的數(shù)據(jù)平臺，其實PolarDB有一整套的設(shè)計，具體說起來，可以說到三個點：

1.本身PolarDB是云原生關(guān)系型數(shù)據(jù)庫，這是基礎(chǔ)。引申到AI時代，PolarDB是我們熱數(shù)據(jù)的入口，所以PolarDB也一直會兼容PG和MySQL，和這兩個生態(tài)完整的兼容應(yīng)用，讓應(yīng)用遷過來不用改，我們還會提供積分一體的方案，平滑遷移的方案。這是要保證客戶在用PolarDB做datainfra或AIinfra升級的時候，現(xiàn)有應(yīng)用不中斷，更平穩(wěn)。因為要保證客戶業(yè)務(wù)正常運行，再做能力的升級，這是最直接最能夠讓人接受的方式，所以第一步PolarDB一定會做好熱數(shù)據(jù)的入口這關(guān)，一定支持好所有TP在線類的業(yè)務(wù)，并提供完整的平滑升級解決方案。

2.PolarDB自身關(guān)聯(lián)lakebase架構(gòu)，因為熱數(shù)據(jù)進來以后，會成功激活企業(yè)內(nèi)部的溫數(shù)據(jù)和冷數(shù)據(jù)，所以PolarDB提供了溫數(shù)據(jù)、冷數(shù)據(jù)平滑入湖的方案，目前如果用傳統(tǒng)的架構(gòu)，比如ES、MySQL、PG搞得在線庫，這些數(shù)據(jù)肯定都是割裂的，業(yè)務(wù)上一條數(shù)據(jù)發(fā)生變化，它在你的對象存儲、文件系統(tǒng)里，對應(yīng)的文件不可能發(fā)生變化的，所以PolarDB的lakebase架構(gòu)，把所有的冷溫數(shù)據(jù)能夠做到一體化的集成納管，并能夠做到matedata之間的一致性和聯(lián)動。

就是說我增加一個業(yè)務(wù)標簽，或者增加一條修改記錄，對應(yīng)到文件系統(tǒng)或?qū)ο蟠鎯ο到y(tǒng)上的rodata（音）會對應(yīng)的updata，這樣能夠真正做到多模數(shù)據(jù)的實時性、一致性的一體化更新。數(shù)據(jù)的一致性、正確性和實時性保證了之后，這是業(yè)務(wù)創(chuàng)新的基礎(chǔ)，這是第二層，做到冷、熱、溫三層數(shù)據(jù)在保證一致性、正確性和實時性基礎(chǔ)上的聯(lián)動。

3.我們會提供一系列的讓客戶易于創(chuàng)新的支撐，包括我說的托管ray框架，為客戶處理數(shù)據(jù)，更快托管superbase框架，能夠開發(fā)它的企業(yè)級應(yīng)用更快，跟MaaS集成、defend集成、coder集成全部都在做。你能想象的，任何開發(fā)方式的選擇，PolarDB都可以做很好地支持，因為選擇webcoding的企業(yè)有，但還有一部分企業(yè)為了保證業(yè)務(wù)流程平滑，會選擇workflow的方式，只不過workflow的過程中，每一個節(jié)點會引入Agent，保證效率更高，所以PolarDB作為數(shù)據(jù)平臺，需要支持各種各樣的AI轉(zhuǎn)型應(yīng)用，這方面我們會充分和生態(tài)兼容對接。

大概這三層：熱數(shù)據(jù)的入口、多模數(shù)據(jù)的管理和聯(lián)動，然后AI生態(tài)的兼容支持。這是我們給PolarDB提供的轉(zhuǎn)型升級方案的三個關(guān)鍵點。

問：過去幾年我們看到AI浪潮來臨以后，針對中小企業(yè)的價格普惠，曲線一直向下，尤其是阿里的公有云部分。另一方面又看到硬件一直在漲價。模型算子化和您說的AIready對過去的曲線有什么變化？另外對阿里云過去的收入模式或商業(yè)模式，有什么優(yōu)化提升的部分？

李飛飛：我們作為云計算本質(zhì)上，包括AI平臺化的公司，云計算和AI平臺化的公司，本質(zhì)上是規(guī)模化的生意，生意的角度是規(guī)模。規(guī)模越大越能釋放規(guī)模成本下降的邏輯，邊際成本越低，越能給終端客戶釋放紅利，有越高的價值。

過去幾年我們持續(xù)做普惠的面向中小客戶的普惠降價，本質(zhì)是通過核心兩點：

1.技術(shù)創(chuàng)新，我們不斷做池化、多租、彈性，比單租的使用效率高，所以能釋放價格紅利，這是最核心的點。

2.規(guī)模，規(guī)模越大，越容易做彈性的調(diào)度。規(guī)模小怎么調(diào)？沒什么好調(diào)的。規(guī)模越大，騰挪空間越大，越能削峰填谷、彈性調(diào)度，釋放出規(guī)模效應(yīng)。

第一個點和第二個點有雙輪驅(qū)動的效果，所以我們能持續(xù)釋放紅利，讓大多數(shù)的企業(yè)客戶能吃到紅利，這是價格曲線的邏輯。

另外現(xiàn)在面對新一波內(nèi)存存儲周期性漲價，這波周期會相當(dāng)長，以前存儲價格跌到地板價了，存儲廠商不愿意生產(chǎn)，它有產(chǎn)能，限制產(chǎn)能，所以價格上漲，價格一上漲總有一個人忍不住跳出來生產(chǎn)，因為產(chǎn)能足夠的，價格馬上就打下來了。這一輪邏輯是產(chǎn)能根本不夠，不是他們故意踩剎車，需求爆發(fā)式增長，開足馬力，開足所有產(chǎn)能也滿足不了市場需求，所以這波存儲周期漲價是相當(dāng)長期的，底層邏輯是這個。

存儲漲價帶來整個鏈條上的價格上漲，通算服務(wù)器，智算，GPU今天大概率也會漲價，GPU里也有HBM、DRAM，底層一樣的。這波漲價是持續(xù)長周期的，但歷史角度看，最終它也有周期，當(dāng)AI變成非常成熟的產(chǎn)業(yè)的時候，變革沒有像今天這么快，每天發(fā)生變化的時候，就會回到周期性的周期，這是食物發(fā)展的客觀規(guī)律，而當(dāng)下這波周期會相對比較長。我的判斷。

怎么幫客戶創(chuàng)造價值呢？這個時代云計算廠商、AI平臺廠商能發(fā)揮更大的價值，能夠創(chuàng)造更大的客戶價值，比你自購資源、自己管理資源，越是在成本高的時候越能發(fā)揮更大價值，因為你有規(guī)模效應(yīng)，任何單體客戶很難有這么大的，像云計算和AI廠商這么大的規(guī)模協(xié)同效應(yīng)，邊際成本下降的邏輯。所以越是bombcost上漲的時候，平臺化的規(guī)模，運營的效率提升越有價值。