GBASE技术云享会演讲专辑-AI时代数据库的未来趋势.上

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B+Tree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