智能时代，数据库、数据和AI技术之间，在底层逻辑上发生了哪些重要变化？
DTCC 2024大会期间，阿里云数据库产品管理与技术架构部负责人、PolarDB开源社区技术委员会主席王远，与IT168 & ITPUB特约嘉宾薛晓刚，进行了一场深度对话，就数据库与AI技术的深入融合、云原生数据库的新趋势、向量数据库的支撑能力等热点话题，展开了深入沟通与讨论。
▴数据库领域专家薛晓刚（左）、阿里云数据库产品管理与技术架构部负责人、PolarDB开源社区技术委员会主席王远（右）
在王远看来，Data+AI不只是一个概念，而是已经进入实际落地阶段。同时，在新的应用环境下，需要支撑的场景有很多，单一数据库引擎已经无法满足业务需求，用户更希望通过不同引擎承载不同的工作负载。因此，在整体架构上，需要构建一个像“搭积木”一样便捷的统一数据管理能力，才能满足智能化时代需求。
再谈数据管理
“数据、AI、算力是智能时代的三要素，也是一个递进式的数据平台模型。”王远借用DIKW经济学模型，形象地解释了从数据到智能化的转化路径。
如果说数据平台是一个类似于“金字塔”的底座，处于最底层的是数据（Data），再往上是信息（Information）、知识（Knowledge），最顶层的是智慧（Wisdom）。其中，数据库所扮演的角色是数据管理的基石，承载着从数据到信息再到知识的三层交互，而大模型的出现，则把数据管理中上层的知识与智慧之间的鸿沟逐渐填平。
然而，数据管理能力的跃迁并不是凭空出现，而是技术发展的结果。人类从有计算机开始，就在进行数据管理，只不过早期的数据管理受制于存储设备限制，容量空间有限，导致数据不能长期保存、数据不能共享。数据管理能力得到跨越式发展，是因为数据库系统的诞生。在20世纪60年代，随着计算机管理对象的规模越来越大、数据量急剧增长，多种应用进行数据集合的要求越来越强烈，数据库技术顺势而生。数据库的核心作用在于，提供了一种高效、可靠的数据存储与管理方式，并且方便用户访问和查询数据。
走到今天，智能化时代来临，数据库、云原生、人工智能开始真正“握手”，走向深度融合的新时期，以至于数据管理的整个平台架构也跟着发生了微妙变化。
智能底座的进化
在全新的Data+AI时代里，发生了三件大事：
一、OpenAI收购了数据库分析公司Rockset。OpenAI收购的目的是想构建更坚实的数据底座，而Rockset能提供两个关键能力：一个是多维索引，另一个是实时性。这说明，AI时代，对数据检索的要求不是变弱了，而是越来越强了。
二、向量数据库快速发展。向量就是特征，向量数据库的检索和传统数据库精确的检索结合，可以给用户创造更灵活、更贴合业务场景的一种检索模式，甚至是更可理解的检索模式。
三、具身智能的突破。“具身智能”是AI里面的行为主义，强调输入和反馈，更需要对海量多模数据管理的提升，包括对环境的快速感知能力，不仅要理解、决策，还要拿到反馈。这时候的数据平台呈现两个特点：一个是多模，另一个是实时。多模，意味着能在海量数据的基础上处理多种类型的数据；实时，让数据库的应用范围进一步拓宽，同时在查询和体验上能变得更易用。
每件事都在从不同角度说明，人类已真正进入了智能化变革期，数据平台的底座迎来了新的跃迁。阿里云数据库产品管理与技术架构部负责人、PolarDB开源社区技术委员会主席王远表示，智能数据平台的底座可以分为三层：最底层，是基础设施层，包括存储、计算，这是传统数据库以及云数据库特别擅长的点；最上层，是端到端的智能化服务，目前主要以RAG服务为代表，面向用户以及开发者提供模型、算法管理、向量检索能力，特别是需要把向量检索基于SQL的检索结合起来。中间层，是智能数据平台的“大脑”，包括数据的统一、现代数据开发、Copilot智能。
从云数据库的发展方向来看，AI时代的云原生数据库要实现“四化”，即云原生化、平台化、一体化和智能化。本质是希望把各种各样的云资源利用起来，通过一系列的管控以及内核解耦技术，帮助用户降低云数据库的使用门槛、将业务价值最大化。与传统数据库相比，AI时代的云数据库不再是资源视角，而是能力视角，用户更关注业务的使用情况，而不是要买多少云服务器，多少G的内存。
打磨一站式数据管理平台
为了满足Data+AI时代的用户需求，阿里云通过“瑶池”打造整体云数据库品牌，应对智能数据平台的不同场景考验。
就具体的产品类型来看，阿里云瑶池数据库分为四大类，包括：OLTP数据库、OLAP数据库， NoSQL数据库，以及相关的数据管理工具，包括DMS数据管理、DTS数据传输、数据库备份等。
据王远介绍，阿里云瑶池旗下包括3款核心的自研数据库，分别是PolarDB、AnalyticDB，还有Lindorm。其中，PolarDB是自研的云原生关系型数据库，主要应对OLTP场景；AnalyticDB（简称 ADB）应对的是OLAP场景，与云原生存储进行了深入融合，能提供大数据场景下更具性价比的解决方案；Lindorm是一款云原生多模数据库，随着Hbase的发展在多模方向拓展应用边界，可支持从早期的宽表模型到现在的时序、时空、向量、 JSON等多种数据，不仅可以处理结构化和非结构化数据，同时也集成了AI训练和推理能力。
提到AI，我们很自然地会想到向量数据库。目前阿里云瑶池数据库的全系产品均已支持向量能力，但各自技术路线不同。对于开源类产品，如RDS系列基本走的是开源路线，最典型的产品是RDS PostgreSQL，集成了PG Vector插件，兼容开源生态；自研向量检索引擎FastANN主要用于自研数据库产品，比如AnalyticDB PG、PolarDB PG、Lindorm、Tair都集成了自研向量引擎。
王远表示，由于云上用户较多，应用场景也更多元，单一数据库引擎很难满足所有用户需求。采用不同引擎承载不同的工作负载，并且让用户拥有一站式数据管理平台的使用体验，这是阿里云瑶池数据库产品一直打磨的方向：
第一：通过云原生Serverless，持续降低用户的数据库使用门槛；
第二：一体化、一站式。阿里云瑶池拥有庞大的用户群体和业内最丰富的云数据库产品家族。瑶池数据库目标为用户提供开箱即用的数据库产品，这一理念也指引着我们的技术方向。用户无需关注负载管理、智能路由、数据冷热分层等技术细节，全部可通过“瑶池数据库”一站式完成。
这也引申出第三个方向：多模。无论是云厂商，还是经典老牌数据库企业，未来都会向着这个方向探索。向量技术的发展，正逐步走向成熟，目前已能够满足经典应用场景。向量最大的意义是打破了结构化与非结构化数据之间的界限，“万物皆可特征化”。按此逻辑，数据库甚至数据平台，一定会向着包罗万象的方向前进，未来将承接各种各样的数据类型。
第四：AI4DB，AI技术与数据库的结合。之前三个方向讨论的都是数据库技术如何支撑AI，但AI也能为数据库赋能。从资深DBA角度出发，可以用AI免运维。更高层次的，如数据开发、数据应用、数据服务等都可以通过AI降低门槛，这也是未来的方向之一。