作者：Digital Observer（施嘉伟）
Oracle ACE Pro
PostgreSQL ACE Partner
Oracle  OCM、KCM、PGCM、DB2 、MySQL OCP、PCTP、PCSD、OCI、PolarDB技术专家、达梦师资认证，从业11年+
ITPUB认证专家、崖山YVP、PolarDB开源社区技术顾问、HaloDB技术顾问、TiDB社区技术布道师、青学会MOP技术社区专家顾问、国内某高校企业实践指导教师
公众号/墨天轮/金仓社区/IF Club：Digital Observer；CSDN/PGfans：施嘉伟；ITPUB：sjw1933

昨天听了白鳝老师关于 DB4AI 的分享，感触颇多。白鳝老师从 Oracle 23ai 版本演进切入，梳理了数据库在 AI 应用开发中的能力扩展路径，并提出了一个重要观点：数据库完全有潜力成为未来 AI 应用开发的核心，就像当年 C 语言到关系型数据库的演变一样。

从 C 语言到关系型数据库的类比

在 90 年代，能写 C 语言的人才算得上“程序员”，门槛极高。但随着数据库崛起，很多应用开发者不再需要自己实现复杂的算法和数据管理逻辑，只要掌握 SQL，就能快速构建业务系统。这极大推动了软件产业的普及。

今天的 AI 应用开发同样复杂：需要数据预处理、向量化、检索、模型调用、结果融合……开发成本高、链路长。如果数据库能够在这里扮演“集成器”，把这些复杂环节沉入数据库底层，那么 AI 应用开发的门槛会大幅降低，AI 普及也就指日可待。

Oracle 23ai 给我们的启示

徐老师系统梳理了 Oracle 在 23ai 的多个小版本里对 AI 的持续增强。从 向量存储、混合检索、外部模型调用 到 覆盖索引、在线重建、快照式索引更新，我们可以看到一个清晰的路径：
1. 先集成，再优化，再深度融合
最初集成开源组件，满足基本 AI 开发需求；随后针对性能瓶颈进行优化；最后让数据库与 AI 框架深度耦合。
2. 从功能补齐到性能提升
23.5、23.6 版本的重点是功能能力（向量、文档检索、外部模型支持），而 23.8、23.9 版本开始集中解决性能与实用性问题（覆盖索引、在线重建、快照更新）。这说明国外厂商已经走到 AI 应用大规模落地、追求性能稳定性 的阶段。
3. AI 开发的“数据库化”趋势
当索引、检索、调用、调试都能在数据库内部完成时，应用层就不必再“拼装”一堆组件。数据库回到中心舞台。

我对国产数据库的思考

听完分享，我觉得国产数据库在 DB4AI 方向上也有几点值得借鉴和突破：
• AI 能力要内生化
不能停留在简单的“外挂”式集成，要让向量检索、模型调用、混合查询成为数据库的“内功”，像 SQL 一样自然可用。
• 优化大规模数据场景
小数据集下功能都能跑，但一旦数据量上来，性能和稳定性是成败关键。在线重建、快照索引这样的特性，国内数据库必须要补齐。
• 行业化应用驱动
数据库厂商需要更多从实际 AI 应用场景中抽象需求，而不是“为了 AI 而 AI”。教育、医疗、金融等领域的需求差异很大，这里是国产数据库可以形成差异化优势的地方。

结语

白鳝老师最后强调：数据库如果能让 AI 应用开发像写 SQL 一样简单，那将是整个行业的巨大飞跃。

我非常认同这一点。数据库不仅是数据的存储与查询工具，更有机会成为 AI 应用的“发动机”。国产数据库要走出一条自己的路，既要补齐国际巨头的技术节奏，更要结合中国特色场景，真正让 AI 普惠化。

未来，当一个应用开发者仅凭数据库就能快速构建 AI 应用时，才算真正进入 AI 开发的“数据库时代”。