在南大通用“2026GBASE技术云享会”gbase database上佰晟智算联合创始人、DBAIOPS社区发起人白鳝徐戟应邀出席并发表《数据库的未来从DB4AI到DB4DATA》主题演讲。他从数据库技术演进的历史规律出发深入剖析了AI时代对数据处理提出的全新挑战前瞻性地描绘了数据库从“存数据的仓库”向“数据智能引擎”演进的未来图景。01、数据库演进的历史规律始终紧跟数据处理需求白鳝开篇从数据库发展历程切入。他指出数据处理方式经历了从手工管理到记录管理系统再到数据库、数据仓库、大数据直至今天AI数据工厂的演进。数据库技术也从层次、网状结构演进至关系型数据库再到NoSQL、NewSQL直至今天的AI原生数据库。“数据库技术演进始终紧跟数据处理需求”——这是贯穿整个演讲的核心规律。关系型数据库之所以在过去四十多年占据主导地位正是因为它以ACID事务、SQL标准化和BTree索引等能力精准匹配了企业级数据管理的核心需求。如今AI时代正在重新定义数据处理的需求边界数据库也必须随之进化。02、AI时代的数据处理新需求白鳝指出AI时代对数据处理提出了三大全新挑战数据规模指数级增长从TB到PB再到EB、ZB数据量级不断跃升。以LLaMA-3为例训练一次需要十几万亿Token。中国2022年数据产量已达8.1ZB年增长22.7%数据规模已不可同日而语。多模态数据成为主流数据类型从单一文本扩展到图像、视频、音频、图结构、时序数据乃至具身智能数据。传统关系型数据库以结构化数据为核心的设计逻辑面对多模态数据天然存在短板。数据质量要求极高AI时代已经从“有数据就行”转向“必须要有高质量数据”。数据清洗、专业标注、数据治理成为关键成本中心。与此同时实时性要求也在急剧提升——在线事务处理与离线分析长期割裂的局面正在被打破HTAP混合事务与分析处理应运而生。向量化能力则成为数据库的基础要求向量数据库与大模型的组合已成为RAG的核心能力。白鳝分析道“传统RDBMS缺乏向量索引和多模态数据支持HTAP能力有限数据治理体系也不够智能。最根本的问题是传统关系型数据库内核无法同时使用多种模态数据进行推理。”结论很明确数据库必须进化AI原生数据库正在路上。返回搜狐查看更多
