2025 年 8 月，国务院发布《深入实施“人工智能+”行动的意见》(以下简称”意见“)，把“数据、算力、开源与安全可控”作为推动 AI 大规模落地的核心枢纽。对企业而言，这个政策直接把“谁能把数据和算力高效连接起来、谁就能抢占 AI 时代的生产力红利”写进了国家级路线图。

本文将意见中的关键诉求，和国产云原生数据库 OushuDB 的技术能力一一对接，给出可落地的路线与企业级迁移建议，供 CIO、数据负责人和 IT 架构师参考。

一、政策要点

国家在号召什么?要我们做什么?

1、优先保障“高质量数据集”与数据供给，推动数据归集、治理、开放共享并增强数据的可用性与可审计性。

2、统筹算力资源、优化算力布局(含东数西算等工程)，鼓励弹性算力与资源互联互通。

3、推进开源生态与安全可控，鼓励底层软硬件国产可控方案、建立评估与治理体系。

这些诉求合在一起，直指企业数据平台的三大能力：数据的统一管理与质量、算力的弹性可用、以及可控可信的国产生态对接。缺哪一项，都难以在“人工智能+”的赛道上把试验成果规模化、工程化、合规化地推广开来。

二、核心问题

为什么很多公司还在“卡壳”?

在实际工程中，我们常看到三类典型障碍：

1、数据孤岛：不同系统 / 存储之间格式、权限、访问方式各异，训练数据、在线特征、报表用数据难以统一管理与共享。

2、算力与成本不可控：把计算与存储强耦合的老平台(传统 MPP、Hadoop)在扩容或短期峰值时导致资源浪费或响应迟滞。

3、平台不稳与合规风险：迁移成本高、SQL/工具兼容性差、国产化与安全合规需求无法一次性满足，导致重大业务难以放大上线。

要把国家层面的“高质量数据集”和“弹性算力”变成业务生产力，必须在数据层和计算层之间找到一个高性能、可伸缩、可控的“枢纽”。

三、枢纽的样子

OushuDB 如何响应国家号召

1) 政策：建设高质量数据集

挑战：数据分散、冷热数据混存、导入/治理成本高。

OushuDB 对策：OushuDB 支持湖仓一体能力，采用多虚拟存储集群(可插拔 S3、HDFS、Magma 分布式表存储)，实现离线、实时数据在同一平台上的统一管理与访问，从源头提升数据可用性与可治理性。

价值点：一套数据、多个引擎——工程上能显著减少数据复制、避免版本漂移，并为模型训练提供稳定可复现的训练集。

2) 政策：优化算力布局与互联互通(弹性算力)

挑战：固定计算节点在峰值场景下成本高，且节点间数据交换成为瓶颈。

OushuDB 对策：原生存算分离 + 弹性调度执行引擎：计算与存储可独立弹性扩缩;对于每个查询，OushuDB 会动态启动合适数量的虚拟 Segment(无状态执行单元)，按需分配资源以降低平均成本并提高并发能力。节点间数据交换采用高效 Interconnect(基于 UDP 的无连接设计)，降低百万级连接下的开销，支持超大并发分析场景。

价值点：对接国家层面的“东数西算”与弹性算力调度策略时，在不牺牲性能的前提下降低短期峰值成本。

3) 政策：开源生态与安全可控

挑战：行业监管、国产可控要求与既有生态兼容三者难以兼得。

OushuDB 对策：OushuDB 是国产研发、支持信创软硬件适配，同时兼容 ANSI-SQL、JDBC/ODBC，以及对接 Hive、HDFS 等 Hadoop 组件，便于平稳迁移已有应用与 BI 工具，且提供完整的角色/权限、Kerberos/SSL 等企业级安全机制。

价值点：在合规场景(金融、电力等)能同时保证“可控性”与“工程化落地”。

四、行业实践

OushuDB 实战案例

建设银行：与偶数科技联合面向 PB 级大规模数据打造数据平台，实现统一存储、数据湖 + 数据仓一体化，提升资源利用率与查询效率。

中国移动：联合实验室目标是打造 EB 级数据管理，采用存算分离架构解决 MPP/Hadoop 在效率与运维上的痛点。

东方证券 / 浙商银行 / 国家电网：金融与电力场景实现了 PB 级数据统一分析/实时调度，迁移过程中 SQL 改动小、性能大幅提升，满足信创要求。

这些案例说明三点：行业验证已成熟;迁移工具链与商业支持齐备;性能与合规可以同时达成。

五、如何迁移

给CIO和数据负责人的四步迁移建议

如果你的组织准备围绕 AI 建设高质量数据平台，下面是一套实用且低风险的迁移路线：

1、评估与目标定义(PoC 前)

明确业务目标：模型训练频率、在线特征延迟、报表 SLA。

评估现状：数据规模、热点/冷数据比、SQL 兼容性痛点。

输出 PoC 成功指标(如 TPC-H 若干 query 响应、并发 QPS、成本对比)。

2、小步快跑的 PoC(1–2 周)

选 1–2 个典型业务(如风控报表 + 一个在线特征流)进行近生产数据的 PoC，验证：数据接入链路、实时查询延迟、并发能力与运维可控性。

验证点要量化：查询时间缩短比例、硬件成本变化、数据复制次数减少。

3、并行运行与稳定期(1–3 个月)

并行运行原系统与 OushuDB，逐步把非关键负载、再到关键查询切换上来，收集监控与审计数据，完成容量规划。

完成安全合规评估(加密、审计、权限策略)。

4、全面切换与优化(持续)

执行切换计划，保留回滚路径;在实际流量下持续调整资源队列、分区策略与压缩策略以优化成本。

组织内部知识转移(运维 runbook、DBA 调优手册、SQL 兼容修正脚本)。

六、结语

行业先行者的契机

国家层面的《“人工智能+”行动意见》把数据、算力与可控性置于核心位置——这是一次明确的产业推动，也是给企业的时间窗口：先把数据和算力打通、再把模型能力规模化部署，才是稳妥且高回报的路径。OushuDB 提供了“存算分离 + 多虚拟存储 + 弹性执行 + 原生安全”的技术组合，正好契合政策方向与企业落地需求。