生成式人工智能的崛起是近几年大众所关注的科技界引发裂变的最大爆炸点。这场变革始于2017年的一篇论文《Attention is All You Need》中提出 Transformer架构，最终在2022年底随着ChatGPT的横空出世席卷全球，到今年各行各业已经呈现出百模大战的现状。数据库是数字世界的基础设施，在这个过程中也不可避免要参与从数字化走向智能化的进程。
对此，数据库厂商也纷纷提出了自己的AI融合战略。近日，数据库的头部企业甲骨文就发布了其基于AI的一款新版本产品Oracle Database 23ai，为企业的数据库管理、应用开发借助AI的力量带来更多提效的可能。
Oracle Database 23ai让数据分析更简单
甲骨文公司副总裁及中国区董事总经理吴承杨认为，在当前这个大模型不断出世的时期，最重要的不在于拥有多少大语言模型，而在于如何使用它们。
“今天的问题不是去发明一个Transformer架构，这个架构是会优化的。大家比的是如何应用Transformer架构，这是一个核心的问题。”他说道，这是甲骨文对AI能力的基本观点。因此，甲骨文将生成式AI嵌入到其企业应用软件中，比Oracle Fusion Cloud Applications以及NetSuite。针对特定行业的应用，比如Cerner，助力客户解决各种应用问题。
生成式AI的兴起给数据库生态会带来哪些新的变化呢？在过去，大型企业要通过数据进行分析，制定决策。领导有查询数据的需求，就需要专门有数据组的员工找数据，分析数据，然后把数据交给领导看，这是几乎所有公司的做法。但是人工智能出现以后，只需要对它说话就可以了，这就是AI的加持。数据分析的简单工作可能会被机器所取代，这就是Oracle Database 23ai想要实现的目标。
在数据层直接解决问题的融合数据库
随着生成式AI的出现，融合数据库将变得更加重要。用户往往希望这个数据库里面直接有一个向量数据库的功能，直接生成SQL，就能产生这个数据。或者通过应用系统，找一个单独的向量数据库，然后在应用系统中找到不同的数据库解决不同的问题，再到应用系统中去整合。
无论如何，这都意味着一个根本的问题：数据的问题到底是在数据层解决，还是在应用层解决？
吴承杨认为，今天的数据不仅仅只有结构化的数据，这部分就应该在数据层解决，而不应该在应用层解决。因为应用层要简化，才能做到灵活，才会相互没有干扰。但现实情况是，当前太多国内的应用是将数据层的问题简单化，而应用层几乎解决所有的问题。在这种背景下，生成式AI出来以后应用层反而就更辛苦了，因为AI和其它所有的东西都集成在应用层了。
为此，Oracle Database 23ai在其中特别设置了AI Vector Search的功能，借助生成式AI，简化所有应用和分析的生成与运行。这也是融合数据库中的一个部分。让客户可以轻松根据概念内容（而不是特定的文字、像素或数据值）来搜索文档、图像和关系数据。使LLM可以使用自然语言界面查询私有业务数据，并帮助LLM提供更准确和更相关的结果。通过在同一高性能数据库中存储和处理业务和向量数据，客户可以将AI Vector Search无缝集成到现有业务应用中，实现新的创新AI使用场景，并且不会影响数据安全性。
三项能力，诠释AI对数据库的强势赋能
甲骨文公司中国区技术咨询部高级总监李珈将新版本的AI能力总结为面向数据的AI（AI for Data)、加速应用开发（Dev for Data)和关键任务数据（Mission Critical for Data)。
前面所说的AI Vector Search功能就是面向数据的AI。而JSON Relational Unification则属于加速应用开发，它能解决某些应用使用数据的方式与关系数据库存储数据的方式不一致的问题。开发者可以使用 JSON 轻松检索和存储使用 REST 或原生 JSON API 的相同数据，而不会影响关系数据模型中固有的数据一致性、存储效率和灵活性。并且也不再需要为其数据选择单一的数据模型，可以从相同的数据中获得 JSON 和关系数据模型的双重优势。
Oracle True Cache则是关键任务数据的重要功能。它是一个内存中间层高速缓存，在改善应用响应速度的同时降低数据库服务器负担。提供了Oracle SQL、JSON和Graph的全部查询功能。
2024年是甲骨文进入中国的第35个年头。在这个时间节点上，中国正以领跑全球的速度加速进入智能时代。在这个时期，向量数据库被赋予新的价值，成为了在非结构化和结构化数据源中搜索数据的高效方法。Oracle Database 23ai的推出是甲骨文走向AI探索的重要里程碑，相信在中国市场的探索，帮助中国企业释放数据要素价值，提升新质生产力，也将为全球其他地区的企业走向智能化提供宝贵经验。（文/徐培炎）
