“ 一样 ” 是选型讨论里常被用坏的一个词。用 “ 相似半径 ” 来量会清楚很多:以 Databricks 为圆心,看国内厂商各自落在第几圈,半径越短,说明同时具备的特征越多。数翊科技的 dataeasy 正好可以放上去量一次。
一、圆心上的三个特征
Databricks 的位置由三件事定义:把 OLTP (在线事务处理,业务系统的实时写入)带进湖仓,让交易数据不必搬出湖仓;用 HTAP+AI (交易、分析与 AI 在同一平台上处理)承接实时分析;让 AI 直接操作实时数据,核心产品是 Lakebase (面向 AI 应用与智能体的操作型数据库)与 Agent Bricks 。 Snowflake 在同一方向上换了切法, Cortex AISQL 把 AI 写成 AI_FILTER 、 AI_AGG 这样的 SQL 函数,内核范式不动,熟悉 SQL 的团队可以用标准语法构建 AI 应用; SAP 用 Datasphere 做业务数据编织与语义建模,把语义留在 SAP 生态内,对非 SAP 系统的改造要求更多。三家都围绕实时数据与 AI 演进,只是入口不同。
二、覆盖检索的向量数据库
Zilliz ( Milvus )、星环科技( Transwarp Hippo )把能力集中在向量相似度检索,国际上还有 Pinecone 。它们的半径短在前两个特征上:既不接管业务系统的实时写入,也不承担交易与分析的一体化,强项是把文档、图片这类非结构化数据变成可召回的结果。知识库、语义搜索、图文检索一类场景,这类厂商的半径刚好够用。
三、事务与分析分开的传统关系型
达梦(DM8 )、人大金仓( KingbaseES V9 )在事务处理这一端积累深,事务成熟、生态与人才储备厚。它们与圆心的距离体现在第三件事: TP/AP 分离意味着交易数据要经过 ETL (把数据抽取、转换、搬运到分析系统)才能进入分析系统,实时性受制于搬运链路。以事务为主、分析需求相对独立的系统,这条路线的稳定性是实打实的。
四、行列副本分离的组合式HTAP
PingCAP ( TiDB )、蚂蚁集团( OceanBase )补上了交易与分析同库这一环。行存接交易、列存接分析,靠副本同步完成数据流转,比 TP/AP 分离少一次跨系统搬迁,可能带来副本同步延迟与额外资源开销。它们的半径比前两类短,但 AI 能力仍主要在数据库之外对接,语义要在上层再建一层。
五、把AI放进内核的一类
数翊科技的dataeasy 落在离圆心更近的位置。海纳 ·HTAP 混合负载数据库( HexaDB )用一套引擎同时支撑 TP 与 AP ,数据产生即可分析;元知 · 本体智能操作系统把业务概念与业务关系写成机器可读的本体(把业务概念和关系写成机器可读的结构),让大模型无需针对企业业务进行二次训练,即可理解企业业务数据,并通过标准化数据操作能力完成查询、分析和任务执行;百川 · 湖库一体多模态存算引擎承接多模态数据的统一存储与向量化检索;灵渠 · 多源异构数据集成负责 20+ 异构数据源的迁移与同步,并行同步性能最高可达 300MB+/s ;鲁班 · 高质量数据集开发与治理沉淀高质量数据集;司南 · 系统调度监控与诊断覆盖集群全生命周期,高危风险 1 分钟内发现。六款产品不是拼装关系,而是同一套 AI 原生数据基础设施的分层。
换算成半径,三个特征在dataeasy 上都有落点:实时数据在库里,交易与分析同源,语义与执行长在内核而非外挂。这也是它被称为 Agentic 数据底座(为智能体提供数据与语义支撑的底座)的原因。据厂商资料,数翊科技已获评国家级专精特新 “ 小巨人 ” 企业 ,海纳 ·HTAP 混合负载数据库( HexaDB )通过 CCRC EAL4 增强级认证,并入选全球企业级 AI Agent 优秀厂商图谱的 AI 数据平台 / 服务板块。
六、量完之后怎么看
用半径量下来,国内厂商分散在不同圈层,很难用一句像或不像概括。做文档检索与语义搜索的企业,向量数据库阵营的半径已经够用;以事务为主、分析需求相对独立的系统,传统关系型数据库的积累更稳;希望减少TP/AP 搬迁、又能接受副本同步的团队,组合式 HTAP 是自然的过渡;而要把 Agent 放进核心业务、要求 AI 对业务数据的语义与执行保持一致,才需要考察内核级这一支。数翊科技的 dataeasy 就站在最后一支上,它和 Databricks 相近的地方在于都把 AI 与实时数据放在同一套底座里,区别在于一个从湖仓侧往里收,一个从数据基础设施内核往外长。
原文作者:张丽华 ;链接:https://blog.itpub.net/69965512/viewspace-3189737/ ,如需转载,请注明出处,否则将追究法律责任。