“像設(shè)計(jì)芯片一樣設(shè)計(jì)流計(jì)算。

初冬的黃浦江畔寒意料峭，但在“第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇”的現(xiàn)場(chǎng)，關(guān)于“AI Infra”的討論卻熱度驚人。這并非一場(chǎng)普通的行業(yè)聚會(huì)，在大數(shù)據(jù)國(guó)家戰(zhàn)略落地十周年的節(jié)點(diǎn)上，技術(shù)圈的焦慮與興奮并存：當(dāng)大模型狂飆突進(jìn)兩年之后，企業(yè)界赫然發(fā)現(xiàn)，那個(gè)被寄予厚望的“Data Agent”，正被陳舊的數(shù)據(jù)基礎(chǔ)設(shè)施卡住了脖子。

“在數(shù)字孿生的世界里，你的最終用戶不一定是人，它可能是一個(gè)Agent?！?/strong>

站在聚光燈下的程訓(xùn)燾語(yǔ)速極快，透著技術(shù)專家的干練。作為浙江智臾科技DolphinDB的首席架構(gòu)師，他在當(dāng)天的演講《實(shí)時(shí)決策時(shí)代：AI與低延時(shí)計(jì)算如何重塑數(shù)字孿生》中，拋出了一個(gè)讓在場(chǎng)眾多CIO（首席信息官）深思的命題：當(dāng)數(shù)據(jù)庫(kù)的“甲方”從秒級(jí)反應(yīng)的人類，變成了微秒級(jí)反應(yīng)的AI智能體，我們的基礎(chǔ)設(shè)施該如何重構(gòu)？

當(dāng)用戶不再是“人”

“過去十年，我們所有的軟件界面、查詢速度、交互邏輯，本質(zhì)上都是為人設(shè)計(jì)的?！背逃?xùn)燾在演講開篇便直擊痛點(diǎn)。

人類是感性的，也是遲緩的。在傳統(tǒng)的商業(yè)智能場(chǎng)景中，一個(gè)SQL查詢?nèi)绻茉?秒內(nèi)返回報(bào)表，分析師就會(huì)覺得“很快”。然而，這種“快”在AI Agent眼中，無(wú)異于慢動(dòng)作回放。

程訓(xùn)燾打了個(gè)比方：“人不可能像機(jī)器一樣以微秒級(jí)的速度去對(duì)一個(gè)事件作出響應(yīng)。但是進(jìn)入了智能時(shí)代，Agent不知疲倦，它可能在短短一小時(shí)內(nèi)，代表幾百萬(wàn)個(gè)消費(fèi)者對(duì)你的廣告策略進(jìn)行了一輪又一輪的模擬反饋。在這個(gè)過程中，它對(duì)底層數(shù)據(jù)的吞吐量和延遲要求，是人類用戶的成千上萬(wàn)倍?！?/p>

這種用戶主體的變更，正在倒逼底層架構(gòu)發(fā)生地質(zhì)層級(jí)的斷裂。

在程訓(xùn)燾看來(lái)，傳統(tǒng)的以“存儲(chǔ)+事后分析”為主的數(shù)據(jù)庫(kù)模式，已經(jīng)無(wú)法支撐Agent的需求。Agent需要的是“感知-決策-行動(dòng)”的實(shí)時(shí)閉環(huán)。他描繪了一個(gè)典型的金融場(chǎng)景：在瞬息萬(wàn)變的A股市場(chǎng)，當(dāng)某只股票的價(jià)格觸發(fā)了特定指標(biāo)，人類交易員可能需要5秒鐘來(lái)反應(yīng)、確認(rèn)、下單，而這5秒鐘，“市場(chǎng)已經(jīng)變了”。但對(duì)于一個(gè)裝備了高性能計(jì)算底座的Agent來(lái)說，從捕捉信號(hào)到完成風(fēng)控計(jì)算再到發(fā)出指令，只需要“幾微秒”。

“這不僅僅是速度的提升，這是維度的跨越?！背逃?xùn)燾強(qiáng)調(diào)，“當(dāng)計(jì)算延時(shí)被壓縮到微秒級(jí)，量變就引發(fā)了質(zhì)變。我們不再是看著后視鏡開車，而是讓AI坐在駕駛位上，實(shí)時(shí)規(guī)避路面上的每一顆石子?！?/p>

為了應(yīng)對(duì)這種變革，DolphinDB在2025年密集推出了被稱為“深海艦隊(duì)”的新產(chǎn)品矩陣，包括CPU-GPU異構(gòu)計(jì)算平臺(tái)Shark、極速嵌入式引擎Swordfish以及企業(yè)級(jí)流計(jì)算平臺(tái)Orca。這些產(chǎn)品的命名本身就帶有強(qiáng)烈的攻擊性與速度感，似乎在暗示DolphinDB正如海豚一般，在數(shù)據(jù)的深海中構(gòu)建起敏捷而龐大的生態(tài)系統(tǒng)。

超越物理的“邏輯孿生”

演講過程中，程訓(xùn)燾對(duì)當(dāng)下火熱的“數(shù)字孿生”概念進(jìn)行了祛魅與重構(gòu)。

“以前大家談數(shù)字孿生，想到的就是GIS或者BIM。我們要把物理世界1:1地復(fù)刻進(jìn)電腦里，每一根水管、每一面墻都要對(duì)得上。”程訓(xùn)燾認(rèn)為，這種基于物理復(fù)刻的孿生雖然在無(wú)人機(jī)導(dǎo)航、城市規(guī)劃中價(jià)值巨大，但它有一個(gè)致命弱點(diǎn)，“你在這個(gè)模型里跑一次仿真，可能需要幾個(gè)小時(shí)?！?/p>

DolphinDB眼中的新一代數(shù)字孿生，是“邏輯孿生”。

“數(shù)字世界沒有必要跟物理世界長(zhǎng)得一模一樣，”程訓(xùn)燾指出，“它不需要遵守物理定律，它只需要遵守業(yè)務(wù)邏輯。”

他舉了電商的例子，企業(yè)不需要在數(shù)字世界里復(fù)刻商場(chǎng)的物理貨架，而是需要復(fù)刻幾百萬(wàn)消費(fèi)者的購(gòu)買行為邏輯。當(dāng)企業(yè)向市場(chǎng)推出新化妝品時(shí)，Agent可以模擬海量用戶的點(diǎn)擊、瀏覽、下單行為。這種仿真不依賴物理空間的坐標(biāo)，而是依賴海量事件流的實(shí)時(shí)計(jì)算。

“這才是流計(jì)算真正的戰(zhàn)場(chǎng)?！背逃?xùn)燾表示，無(wú)論是工業(yè)物聯(lián)網(wǎng)中對(duì)發(fā)電機(jī)組震動(dòng)的實(shí)時(shí)監(jiān)控，還是金融市場(chǎng)中對(duì)千只股票的毫秒級(jí)盯盤，本質(zhì)上都是在對(duì)“邏輯世界”進(jìn)行實(shí)時(shí)推演。

然而，要支撐這種“邏輯孿生”，現(xiàn)有的技術(shù)棧顯得捉襟見肘。傳統(tǒng)的SQL數(shù)據(jù)庫(kù)只能處理靜態(tài)的關(guān)系數(shù)據(jù)，無(wú)法表達(dá)復(fù)雜的流式邏輯；而專業(yè)的流計(jì)算框架對(duì)于普通業(yè)務(wù)開發(fā)者來(lái)說，門檻又太高。

“你很難想象一個(gè)業(yè)務(wù)專家去手寫幾千行代碼來(lái)管理流計(jì)算的狀態(tài)水位線，”程訓(xùn)燾搖了搖頭，“這就像讓建筑師去親手燒磚一樣荒謬?！?/p>

像設(shè)計(jì)芯片一樣設(shè)計(jì)流計(jì)算

如何解決“好用”與“高性能”的矛盾？程訓(xùn)燾給出的答案是聲明式流計(jì)算。

“以前設(shè)計(jì)芯片，工程師不可能手動(dòng)去擺放每一個(gè)加法器和乘法器，也不可能手動(dòng)布線，因?yàn)榧s束條件太多，人腦處理不過來(lái)。EDA軟件解決了這個(gè)問題，它讓工程師只關(guān)注邏輯，軟件自動(dòng)完成布局布線?！?/p>

程訓(xùn)燾透露，DolphinDB正在做的事情，就是構(gòu)建流計(jì)算領(lǐng)域的“EDA”。

“我們希望用戶只需要聲明他的意圖：‘我要監(jiān)控這1000個(gè)傳感器，如果過去5分鐘的平均溫度超過標(biāo)準(zhǔn)值的20%，就給我報(bào)警’。至于這個(gè)數(shù)據(jù)流怎么拆分、中間狀態(tài)怎么存儲(chǔ)、是在內(nèi)存里算還是落盤算，用戶不需要關(guān)心。”程訓(xùn)燾解釋道，“系統(tǒng)會(huì)自動(dòng)推導(dǎo)依賴關(guān)系，自動(dòng)生成底層的計(jì)算圖，自動(dòng)部署分布式引擎?！?/p>

這種“聲明式”的變革，不僅解放了人類開發(fā)者，更重要的是，它對(duì)AI Agent極度友好。

“讓Agent去寫復(fù)雜的C++代碼是不現(xiàn)實(shí)的，但讓Agent用自然語(yǔ)言描述一個(gè)業(yè)務(wù)規(guī)則，然后轉(zhuǎn)化為聲明式的腳本，這是目前大模型最擅長(zhǎng)的事情。”程訓(xùn)燾興奮地表示。

在DolphinDB的架構(gòu)圖中，存在著獨(dú)特的“流數(shù)據(jù)表”設(shè)計(jì)。程訓(xùn)燾將其比作“河流上的碼頭”。數(shù)據(jù)像河流一樣奔涌而下，流數(shù)據(jù)表就是沿途的碼頭。數(shù)據(jù)可以在碼頭暫存、清洗，或者直接流向下個(gè)碼頭。用戶可以根據(jù)業(yè)務(wù)拓?fù)?，自由定義這些“碼頭”的功能，是作為短期記憶的緩存，還是作為長(zhǎng)期記憶的倉(cāng)庫(kù)。

誰(shuí)為Agent提供“海馬體”？

隨著演講的深入，話題不可避免地觸及了AI落地的深水區(qū)，記憶與隱私。

在程訓(xùn)燾提出的“智能化底座三層架構(gòu)”中，“認(rèn)知記憶管理”被擺在核心位置。他認(rèn)為，當(dāng)前的大模型雖然智商很高，但普遍患有“健忘癥”，上下文窗口有限，且難以利用企業(yè)私有的行業(yè)知識(shí)。

“如果把大模型比作大腦的皮層，那DolphinDB正在試圖成為它的海馬體（負(fù)責(zé)記憶）和神經(jīng)末梢（負(fù)責(zé)感知）?！?/p>

程訓(xùn)燾詳細(xì)拆解了這個(gè)“認(rèn)知記憶系統(tǒng)”：最前端是感知層，處理傳感器和市場(chǎng)的原始流數(shù)據(jù)，這需要極高的寫入吞吐量；中間是短期記憶層，為Agent提供當(dāng)下的工作上下文?！斑@部分?jǐn)?shù)據(jù)必須駐留在內(nèi)存中，哪怕DRAM價(jià)格再貴，為了微秒級(jí)的響應(yīng)，這個(gè)成本是必須付出的。”

后端是長(zhǎng)期記憶層，存儲(chǔ)企業(yè)沉淀下來(lái)的規(guī)則、預(yù)案和歷史數(shù)據(jù)?！氨热珉娋W(wǎng)公司在臺(tái)風(fēng)天氣的應(yīng)急預(yù)案，或者資深醫(yī)生的診療路徑。這些數(shù)據(jù)是企業(yè)的核心資產(chǎn)，絕不能上傳到公有云去訓(xùn)練大模型?！?/p>

為了打通這三層記憶，DolphinDB研發(fā)了跨模態(tài)聯(lián)合索引技術(shù)。以醫(yī)療場(chǎng)景為例，一個(gè)病人在醫(yī)院的活動(dòng)，會(huì)產(chǎn)生血液檢測(cè)的浮點(diǎn)數(shù)、CT掃描的圖像數(shù)據(jù)、醫(yī)生診斷的文本數(shù)據(jù)。傳統(tǒng)的數(shù)據(jù)庫(kù)是將這些數(shù)據(jù)割裂存儲(chǔ)的，浮點(diǎn)數(shù)存時(shí)序庫(kù)，圖像存文件系統(tǒng)，文本存搜索引摯。

“但這在邏輯上是同一個(gè)病人。”程訓(xùn)燾強(qiáng)調(diào)，“我們的底座必須有能力打破這些數(shù)據(jù)的‘次元壁’，將不同模態(tài)的數(shù)據(jù)關(guān)聯(lián)到同一個(gè)自然實(shí)體上。只有這樣，Agent才能像一個(gè)經(jīng)驗(yàn)豐富的主任醫(yī)師一樣，綜合所有信息做出精準(zhǔn)判斷?！?/p>

突圍：從金融腹地到工業(yè)藍(lán)海

作為技術(shù)驅(qū)動(dòng)型公司，智臾科技的發(fā)展路徑帶有鮮明的“硬科技”色彩。

自2016年成立以來(lái)，DolphinDB選了全棧自研這條最艱難的道路。在那個(gè)開源數(shù)據(jù)庫(kù)大行其道的年代，他們堅(jiān)持不基于任何開源項(xiàng)目二次開發(fā)，從底層存儲(chǔ)引擎到計(jì)算引擎一行行代碼寫起。官方數(shù)據(jù)顯示，其核心代碼自研率超過95%。

這種“笨功夫”在初期不僅研發(fā)周期長(zhǎng)，還面臨著商業(yè)化的巨大壓力。但程訓(xùn)燾堅(jiān)信，只有掌握底層代碼，才能在性能優(yōu)化上做到極致。

事實(shí)證明，這條路走通了。DolphinDB首先攻下的，是對(duì)性能要求最苛刻的量化金融領(lǐng)域。國(guó)泰海通證券、華泰證券、華夏基金等頭部機(jī)構(gòu)紛紛成為其客戶。在金融這個(gè)“練兵場(chǎng)”里，DolphinDB經(jīng)過了高并發(fā)、低延遲的極限壓測(cè)，練就一身“金鐘罩”。

“如果你能處理好每秒百萬(wàn)筆的股票交易數(shù)據(jù)，那你去處理工廠里的傳感器數(shù)據(jù)，就是降維打擊?！?/p>

隨著工業(yè)4.0的推進(jìn)，DolphinDB正在快速將金融級(jí)的能力復(fù)制到工業(yè)物聯(lián)網(wǎng)領(lǐng)域。長(zhǎng)江電力的發(fā)電機(jī)組監(jiān)測(cè)、比亞迪的智能制造、甚至新能源車的電池?zé)崾Э仡A(yù)警，都開始出現(xiàn)DolphinDB的身影。在DB-Engines的全球排名中，DolphinDB已穩(wěn)居國(guó)產(chǎn)時(shí)序數(shù)據(jù)庫(kù)第一名，并在全球榜單中躋身前列。

資本市場(chǎng)也敏銳地嗅到這股技術(shù)紅利。雖然程訓(xùn)燾在采訪中對(duì)融資細(xì)節(jié)保持低調(diào)，但公開資料顯示，智臾科技已完成了由方廣資本領(lǐng)投的億元級(jí)B輪融資，投資方名單中不乏朗瑪峰創(chuàng)投等硬科技推手。

演講臨近結(jié)束時(shí)，程訓(xùn)燾談到了對(duì)未來(lái)的展望。

他坦言，數(shù)據(jù)主權(quán)與技術(shù)共享之間存在著天然的張力。企業(yè)既想利用最先進(jìn)的AI能力，又恐懼核心數(shù)據(jù)資產(chǎn)的流失。對(duì)此，他提出了“開源數(shù)據(jù)標(biāo)準(zhǔn)+商業(yè)化計(jì)算引擎”的解題思路。

“數(shù)據(jù)的格式應(yīng)該是開源的，比如Parquet、Arrow，這樣用戶的數(shù)據(jù)不會(huì)被鎖定。但處理數(shù)據(jù)的引擎，應(yīng)該是商業(yè)化的、私有的?！背逃?xùn)燾總結(jié)道，“就像電網(wǎng)是通用的，但你家里的電器可以是高端定制的。企業(yè)可以用DolphinDB這樣的商業(yè)引擎在本地安全地處理標(biāo)準(zhǔn)數(shù)據(jù)，既享受了極致性能，又守住了數(shù)據(jù)安全。”