在AI技術迅猛發展的今天，作為數據存儲與處理核心載體的數據庫，正經歷一場深刻的變革，傳統數據庫與AI技術的碰撞融合，帶來了新的發展機遇，也在重塑行業的發展格局。

如何因應AI時代的變革？怎么把握機遇？達夢數據作為國內數據庫領域的重要參與者，其在這一變革浪潮中的探索與實踐，為我們呈現了數據庫廠商應對時代挑戰的鮮活樣本。在DTCC2025中國數據庫技術大會上，武漢達夢數據技術有限公司副總經理李莊莊向我們分享了他的觀察思考與實踐。

圖丨達夢技術副總經理李莊莊現場演講

AI時代數據庫的挑戰和機遇

近些年，文本、圖像、音視頻、時序等多模態數據海量增長，報告顯示，企業里80%以上的數據都是這些非結構化數據，但是長期以來，這些非結構化數據難以被企業有效利用起來。AI的發展為數據釋放價值帶來了更廣泛的新應用場景，也對數據底座提出了新的要求。

比如，AI模型訓練對這些非結構化數據的依賴日益加深，需要能夠高效處理這些多模態數據。而隨著AI技術深入應用，在如今的后訓練時代，AI應用場景中推理過程的高并發、低延遲需求，也對數據庫也提出了極致的要求，數據庫作為一項歷經多年發展的“老技術”，在AI時代被賦予了新的使命。

“通常來看，多模數據處理、實時高吞吐處理和智能化原生適配是AI時代數據庫的核心能力要求?！崩钋f莊說。

李莊莊認為，對AI時代的數據庫來說，挑戰和機遇并存。對于傳統數據庫企業而言，AI 時代帶來了兩重挑戰。一方面，海量多模態數據的處理需要突破大數據量下的性能瓶頸，這要求企業在新型硬件適配和底層內核優化上實現技術突破；另一方面，數據庫的管理運維復雜度居高不下，傳統依賴人工的方式難以滿足AI場景的高效需求，提升數據庫的智能化程度成為當務之急。

圖丨達夢技術副總經理李莊莊（右） IT168數據庫頻道主編任朝陽（左）

挑戰背后，是行業發展的廣闊機遇。AI時代催生了對數據庫的更加多元化的需求，尤其是時序、向量、圖等新型數據庫的需求激增，極大地拓展了市場空間。更為重要的是，AI對數據庫核心能力的要求，倒逼企業進行核心架構創新，這為堅持自主研發的數據庫企業提供了“彎道超車”的機會，達夢數據作為深耕數據庫領域的企業，便將此視為技術突破與快速發展的重要契機。

遙想產業互聯網變革之時，曾經出現了“互聯網+產業”還是“產業+互聯網”的討論和爭議，在AI時代，如何把握機遇？也有不少人爭論是“數據庫+AI”還是“AI+數據庫”？

李莊莊在演講和采訪中強調，AI和數據庫是“雙向賦能、互相融合”的關系，數據庫自身可以用AI提升自身的能力，同時數據庫也能為AI場景應用提供更高效的底層支撐。

比如，“數據庫+AI”以數據庫為核心，將 AI技術作為增強手段，提升數據庫的性能、易用性與自動化水平。“AI+數據庫”則以AI場景為核心，數據庫作為AI的基礎設施，提供數據存儲、特征計算、模型部署等支撐。沒有AI的加持，數據庫難以應對復雜場景的挑戰，沒有數據庫對數據的高效管理，AI模型就是“無米之炊”。

在AI時代，數據庫廠商可以采取以下策略把握機遇。首先，從架構層面進行升級，通過存算分離、云原生、極致彈性等提升數據存儲處理能力，同時集成向量、圖、時序等多模數據處理能力；其次，通過AI提升數據庫自動化管理能力，比如智能SQL生成、智能調優、故障預測、根因分析等；最后，在生態層面，需要充分開放，和AI工具鏈進行深度適配，簡化AI訓練中的工作復雜度。

圖丨達夢技術副總經理李莊莊現場演講

早有布局的達夢如何抓住智能化機遇？

達夢數據一直堅持自主開發的技術路線，作為全棧數據產品和解決方案提供商，在AI與數據庫融合發展領域早已提前布局，2014年左右就開始了智能化方面的探索。

隨著AI大模型技術的發展，技術迭代更快，達夢數據在核心技術、架構方面進行優化升級，更好地適應AI時代的要求，自此，其智能化發展也步入了快車道，如今達夢數據在AI領域獲得了不錯的發展：

在AI4DB方面，以達夢啟云數據庫和達夢數據庫一體機為載體，推出了智能參數調優、SQL智能生成、數據智能探查、慢SQL根因分析/診斷、智能測試樣例生成、達夢數字服務專家等AI新特性，大大提升了數據庫的智能化程度和便利性，同時保障了數據庫的高可靠和高性能。

在DB4AI方面，基于自主研發的技術路線，陸續推出了圖數據庫、時序數據庫、緩存數據庫、向量數據庫以及多模數據庫等能夠支撐AI訓練的多引擎數據庫產品，可以為AI場景應用提供國產內生安全的底座支撐。

據悉，智能化發展已經帶來了非常大的實際業務價值。以數據庫智能參數調優為例，DM8有幾百項參數，每個數據庫在具體生產應用中面臨的場景需求千變萬化，參數的組合幾乎是個天文數字，在以往的實際生產中，參數調優嚴重依賴DBA的個人經驗。

在引進智能參數調優后，依賴人工的問題得到了明顯改善。比如在啟云數據庫中在線發放一個數據庫服務，可以根據數據庫的規格、初始化參數和基本場景需求對參數進行智能推薦，同時在數據庫運行中收集日志數據進行處理和訓練，隨時提供與數據庫應用場景相匹配的參數組合。實際測試和生產應用表明，智能參數調優的效果高于DBA人工調優，而且可以節省大量的運維人力，對于數據庫的使用者、建設方都有極大的降本增效價值。

圖丨達夢技術副總經理李莊莊現場演講

展望未來，李莊莊認為數據與AI的融合發展將大有可為，他指出了以下幾個重點的數據庫智能化發展趨勢：

一是，智能化自治的程度會越來越高，像自主感知、動態調整架構、自動優化性能、硬件故障自修復等技術一定會快速發展，最終的目標肯定是“無人工干預”，就像真正意義上的智能駕駛一樣。

二是，數據庫和AI大模型的融合會越來越深，我中有你，你中有我，AI4DB成為標配，DB4AI成為默認。

三是，數據庫和數據的使用技術門檻會顯著降低，比如一鍵部署模型、SQL智能生成、智能數據分析等，AI讓技術更加普惠。

李莊莊也強調，AI時代的變革才剛剛開始，AI的產品鏈生態鏈較之以往更長、更復雜，需要數據庫廠商更加重視產學研用的“協同創新”。

小結：AI時代取勝的關鍵是什么？

AI為數據庫的發展帶來了更多可能性，同時也帶來了更多變數。如今數據庫百花齊放，競爭也格外激烈，想要脫穎而出并不容易。李莊莊指出，在信息領域有兩個取勝的關鍵因素：

一是技術硬實力，沒有核心技術的廠商是沒有生命力的，達夢這么多年堅持自主創新，包括AI時代持續加大研發投入，就是出于該因素考慮，只有持續創新，才能擁有在市場上競爭的底氣。

二是良好的落地價值，純粹靠技術也較難勝利，如果沒有將技術轉化為 “開箱即用” 的解決方案，最終所有的技術都會成為空中樓閣，水中月鏡中花，好看但是沒用，所有成功都是建立在解決了客戶問題，帶來實際落地價值方面，這是核心，是達夢數據做全棧數據解決方案的原因所在。

AI時代，風高浪急，更需要自主創新帶來的技術硬實力和持續在產業中的良好落地價值，如此才能乘風破浪，海闊天空。