IDC 观察：一体化数据库如何支撑 GenAI 的数据需求
5月17日，“第三届 OceanBase 开发者大会”在广州举办。在主论坛环节，IDC软件市场研究经理李凌霄作为特邀嘉宾，发表了题为《新一代AI与数据库的融合》的专题演讲，通过对市场的行业洞察，李凌霄为与会者描绘了AI与数据库技术融合的发展趋势。
李凌霄在演讲中指出，当前生成式AI技术已具备解析多模态数据价值的能力。对企业基础设施而言，如何实现多模态数据的存储、混合检索和加工处理，特别是在生成式AI环境下的深度整合，正成为数据基础设施面临的重要挑战。
李凌霄提到，基于整体市场乐观以及对生成式 AI 未来价值的认可，IDC 预测到 2027 年，70% 的 IT 团队开始回归本源，关注数据的流通质量、数据的治理，以及打造一个 AI 就绪的数据基础设施平台。
李凌霄还强调，企业要有前瞻性布局。希望每个企业在进行数据基础设施升级的时候，能够考虑到未来 AI 创新应用对数据库的能力要求。在企业进行数据库选择时，可以优先考虑 OceanBase 这类具备开放架构的数据库，可以不断扩展存储和计算，无论负载还是计算能力，可以用各种状态来适配不同企业的发展状态。
以下是分析师的观点摘录：
GenAI 给数据带来了什么？
简单回溯一下，从 2023 年年底 OpenAI 发布 ChatGPT 以来，生成式 AI 开始爆发性增长，后来两年的时间经历了过热再到冷却，到今年生成式 AI 领域的两个重点话题，第一个就是 AI Agent，主要关注生成式 AI 落地问题；另外一个是多模态，进一步延伸了生成式 AI 在视频、音频、图像的处理和生成能力。
对于数据来讲，更关注的是受生成式 AI 影响，在数据库层面可以做哪些东西？
来看一组数据。IDC 全球 AI 计算与存储市场预测，可以明显的看出来，2023 年整个 AI 市场相较于 2022 年有了非常大的增长，2023 年之后爆发一直持续，到 2028 年，IDC 预测整体 AI 的市场规模相较于 2022 年增长将近 400%，相较于现在整体市场的宏观增长来看，这个比例是非常巨大的。
IDC关于全球AI计算与存储市场的预测
生成式AI的市场份额，到 2028 年 IDC 预计在整个AI市场规模里，占比达到将近 40%，无论是从市场侧得到的反馈还是 IDC 内部研究来看，大家对于生成式AI发展的疑虑已经全部打消了，我们对生成式AI未来的发展持一个非常乐观的态度。
另外一组数据。IDC每个季度都会对其全球 CIO 库里的人员做一次问卷调查，里面有一个问题是： 2025 年企业IT支出大幅增长的驱动因素是什么？并列高的两个因素，就是降低 IT 运营成本和加大 AI 应用布局。
2025年企业IT支出大幅增长的驱动因素
“提前布局AI应用”这个驱动因素可以反映出两个事情：
第一是我们从最终行业用户的角度理解，大家对于生成式 AI 未来的价值，以及对应的落地难度，已经有了非常大的信心，开始提前布局这个事情。
第二，我们现在说的 AI 应用的布局，而不是 AI 应用的成熟落地。AI 应用落地还没有到达一个真正的成熟阶段，现在这个阶段，信心存在了，还需要等待技术落地成熟的进一步演化。但是未来企业在开发 AI 应用的时候，要对所有基础设施提前布局，包括数据基础设施、大模型、对应的人才团队等。
基于整体市场乐观的状态以及对生成式 AI 未来价值的认可，IDC 预测到 2027 年，70% 的 IT 团队开始回归本源，关注数据的流通质量、数据的治理，以及打造一个 AI 就绪的数据基础设施平台，我们对未来的数据基础设施平台的定位就是，为创新 AI 应用提供支撑的数据平台，未来的应用，一定是基于 AI 应用，未来数据公司也一定会是 AI 公司。
再来看一组关于数据量的调研。根据 IDC 企业数据圈（DataSphere）的观察，预计到 2028 年全球企业的数据量，不包括消费数据，较 2023 年整体增长 400% 以上，年复合增长率 30.2%，突出的两个行业一个是制造业，一个是零售，都保持在 30%，制造业接近 40% 的年复合增长率。
今天重点聚焦在数据库，我们分享 AI 包括生成式 AI 技术广泛应用，赋予企业从数据中获取洞察的新能力。这个能力体现在通过生成式AI技术解析多模态数据的价值在技术可行性上已经实现了。
对于最终用户来讲，当他们开始意识到多模态数据能真正为企业的管理、运营、决策、业务带来深度的价值时，就可以大量生产、存储、加工动态数据。因此，企业级数据的快速增长很大一部分原因是多模态的数据快速增长。
对于企业基础设施来讲，针对多模态数据的混合检索、存储、加工，以及多模态数据跟结构化数据在生成式AI环境下的进一步的融合，是对于数据基础设施的挑战。
传统数据基础设施，有没有做好迎接生成式AI应用的准备？关于现在传统的数据基础设施的割裂，这里提出 4 点：
1、 负载割裂
过去因为技术能力、计算能力的限制，把 AP、TP 负载分开处理。做 AP 大家都知道用时间换空间，随着 TP 负载实时性要求更高，AP 负载的环境更复杂，带来的资源浪费和长数据链条资源消耗以及负载的需求，会导致生成式 AI 场景下对实时性的支撑能力不足，计算资源的充分应用也会造成困扰。
2、 云割裂环境
数据基础设施上云这个事情是毋庸置疑的，现在整个市场都已经被教育得非常好，大家对这个事情没有任何的歧义，除了个别的场景和个别行业，包括 IDC 内部，也包括整体中国的云数据库市场，增长速度要领先全球，比美国要高。
云数据割裂是因为近两年有一些大型的互联网公司，云服务的故障导致服务中断，让大家感觉即使需要上云，也要同时上多朵云保证高可靠的架构。这又导致不同云平台的数据交互、加工以及治理面临非常大的挑战，一方面是跨云数据传输的性能消耗，二是不同云平台之间数据的不一致性。
3、多模态割裂
传统场景下多模态主要是通过纯 AP 场景实现，专库专用，包括文本数据库、图数据库、内存数据库、文档数据库等，每一种数据模型都有专门的数据库来进行处理，如果对多模态数据的存储、查询、分析等性能要求不高时，专库专用没有问题。但是生成式 AI 时代，应用需要对多模态数据做 Hybrid Search，需要在计算层屏蔽所有异构数据的差异化，实现融合检索与查询。这种场景下，专库专用的架构，会给异构数据之间的 Hybrid Search 带来很大性能的消耗和响应的延迟。
4、技术债务
企业需要先做数字化再做智能化，有很多企业可能连数字化都还没有做完，现在新的一波变革又来了，那么面向生成式 AI 的基础设施，怎么样去继续保持企业技术架构的完整性和先进性？
企业在后期做整体数据基础设施定位的时候，一定要把战略眼光放远，把未来 AI 对基础设施要求，纳入到基础设施的整体建设能力中，避免造成新的技术债务。
GenAI的数据底座：一体化数据库
如何应对生成式 AI 对数据基础设施带来的技术挑战？我们将其定位为一体化数据库。一体化数据库不是特有的技术，它是一种状态，企业发展阶段不同，它的呈现方式不一样。
我们粗略地把一体化数据库发展状态分为四个阶段。
第一个阶段是非常传统的单点优化的阶段。
第二个阶段是 TP 集中化。企业开始尝试做一体化，把企业所有的交易系统合并到一个技术栈上承接所有业务负载。
标准的技术路线分为两条。第一条是通过公有云的方式，尤其是互联网企业和零售企业，把所有的核心、非核心的交易系统，全部放到一朵云上，通过云原生技术的弹性和高可用架构来承载企业所有的业务负载；另外一条路线针对上云敏感或者需要实现数据自主性的企业，通常选择负载上线高的分布式数据库产品，通过租户的方式，将企业所有的事务负载全部集中到一个平台上，实现 TP 集中化。许多企业已经完成了这一阶段。
第三个阶段是TP+AP+向量三种负载融合。TP + AP 即 HTAP，目前 HTAP 场景下的 AP 能力主要局限于中小场景或者实时场景的特定能力，还无法覆盖独立的 AP 产品的所有场景。未来，HTAP 能力或许可以承担完整的 AP 负载。
另外就是向量融合阶段。生成式 AI 刚热的时候，向量非常火，对于向量数据库，大家认为可能会成立一个独立的赛道，但是现在三年过去了，现在在 IDC 视角观察，更多的企业，实现向量融合的方式，是通过现有数据基础设施之上，融合一个向量插件这种方式，也是更简单经济去获取向量能力 ，独立部署一个向量平台的这种方式来说，现在看会越来越少。这是我们现在目前主要在试验的阶段。
第四个阶段是 AI 全链路支持阶段。基于技术发展的长远眼光看，完整的一体化数据库具备的形态，是最终能够实现AI全链路的支持阶段。未来 AI 主导了应用层的时候，数据基础设施也要面向于 AI 提供开发 AI 创新应用的能力，比如推理能力、向量能力、RAG 能力、Hybrid Search 的能力。
具体来看，创新应用对数据基础设施提出的能力要求包括：全负载、多云、实时、AI 响应。
基于AI创新应用对数据基础设施的能力要求，我们需要构建一个具备什么能力的数据平台或者数据基础设施？
1、 多云环境的灵活调度
这个多云环境不单单指部署在多云环境上，在部署层可以忽略部署平台，无论是私有化终端、边端，无论是一朵云还是多云，可以在部署层完全屏蔽掉基础设施，同时完成基础设施的内部的灵活调度，不受限于任何平台的瓶颈，比如网络或者技术差异。
在基础的多云部署环境下，一体化数据库具备的三个核心的产品能力，第一是混合负载，包括 HTAP 和向量负载。
2、 多模数据统一管理
第二是多模数据的统一管理。如果排除掉现在存在的专库专用的方式，未来希望一个一体化的数据库可以把所有形态的数据，全部存下来，同时在计算层或者引擎层，可以屏蔽掉所有异构数据带来的差异化，可以通过一条 SQL 语句完成多模态数据与结构化数据的融合查询。
3、AI推理与服务支撑
未来面向AI需要提供在AI开发过程中需要的推理能力，服务支持包括向量、RAG甚至涉及到集成开发环境，都需要在数据支撑层面给到基础支持。
整体的能力上需要实现的是统一技术栈和产品集成化。未来企业所有的TP、AP向量全部都是在一个技术栈实现的，配备的管理团队和运维团队都是面向一个技术栈，完成 AI 创新应用开发过程中从数据的生成到存储到分析到推理所有的环节。
这对企业整体架构是非常大的简化，无论是产品线、技术栈、管理，还是人才和团队。
新的一体化数据库给企业带来哪些价值？
新的一体化数据库能给企业带来什么样的价值？直观的价值就是TCO 整体集约，在整体架构下实现统一的技术栈，对应的 TCO，无论是硬件设施还是软件 license，以及团队管理建设，都是非常大成本的节约。
许多企业现在整个数据链条涉及到十几个产品，每个产品都需要单独的运维团队和开发人员来做。未来希望整个产品线简化成一个一体化数据库，在这个数据库下就可以完成数据全生命周期的管理。
另外就是多云流转和成本优化，忽略掉基础设施以后，企业的数据流转会加速很多，链条也会缩短，基于同一个事实表，既支持 TP 的写入，也支持 AP 的实时查询，还支持 AI 应用的实时调用，开发周期、数据的运转效率以及项目的开发效率都会得到非常大的提升。
战略价值首先就是技术自主性，在一体化架构下，尤其是如果采用完全开源的一体化架构，除了内部的负载统一技术栈之外，还可以根据企业需求来定制优化器、引擎计划逻辑、业务分发逻辑，甚至定制一些新的结构数据存储格式，形成一个完全的平台，不依赖于任何厂商，形成自主性。
其次是多云生态主动权，因为底层屏蔽了所有的云环境，企业可以从 A 云到 B 云非常快速的跨云，有较大的主动权与云厂商谈判 。同时可以以不同的环境应用不同云平台的这个优势，来做更优云的部署要求。
还有就是数据生态，本身把整个企业内部数据进行盘活和流程进行简化，可以构建内部、外部的数据统一对接，来完成结构化数据和非结构化数据、内部数据和外部数据的整合。同时也可以在一致情况下，完成 AI 的数据结果反哺业务数据的快速实现。
价值创造出来之后，想和大家聊聊具体的收益，实际上更多想强调的是隐性收益，显性收益大家比较容易理解，就是成本和效益。
隐形收益，第一点是业务创新价值。完成一体化平台构建，进入最终状态赋能创新应用的整个开发过程中的时候，企业就可以去孵化出更多的基于 AI 能力的创新应用。
第二点是组织协同，当数据链条全部简化，加快了业务跟IT团队的协同效率，同时也加快了所有的创新应用开发的过程和链条。
第三就是技术自主性和创新，就是刚才讲到的技术主权的问题。
企业拥抱GenAI的五大建议
IDC 根据企业的发展过程，包括在部署一体化数据化的时候，从行业用户落地的角度给出 五 个建议。
第一是找到优先级，把创新应用的优先级先进行排序，把更具价值的创新应用首先进行落地。这样也保证创新过程中，输出是更高效的。
第二就是分段实施，控制转型成本。挑选典型场景对向量以及多模态的能力进行初步的验证，再进行转型。
第三选择开放架构，像 OceanBase 这样的数据库可以去不断扩展存储和计算，没有上限。无论是负载，还是计算能力，可以用各种状态来适配不同企业的发展状态。
第四是组织能力的重塑和数据文化的构建，在一体化数据库实践的过程中，对于整个 IT 部门管理架构是有重大影响的。原先的角色，包括独立的 TP 数据库管理员、AP 数据库管理员、ETL 工程师、CDC 工程师、数据治理工程师，所有这些角色都会在统一平台做。因此，企业要重构 IT 每一个部门的角色，在一体化数据库框架下找到每个角色新的定位。
第五是前瞻布局的挑战。前瞻布局对应的是刚刚提到的技术债务的问题，在生成式AI驱动AI就绪的基础设施状态下，希望每个企业在下一步进行数据基础设施升级的时候，能够考虑到未来AI创新应用对数据库的能力要求，而不是简单的先整体完成数字化之后再考虑AI创新应用的适配。
更多相关分析，可下载IDC的行业趋势白皮书：《一体化数据库，打造 GenAI 时代数据底座》