作者 | 徐豫

編輯 | 心緣

智東西1月19日報道，2025甲骨文中國創新峯會17日在京舉行，主題爲“數聚中國，智領未來”。甲骨文公司副總裁兼中國區董事總經理吳承楊、甲骨文公司副總裁兼中國區CTO謝鵬博士等多位甲骨文高層，拆解了過去一年該公司開發的“以AI重塑底層的一切”的原生AI架構。

臨近春節前夕，剛登臺吳承楊先給大家拜了個早年。2025年，他的新年願望是“成爲一名AI人”。

▲甲骨文公司副總裁兼中國區董事總經理 吳承楊

怎樣纔算一名合格的AI人？吳承楊給出了他的答案：第一件事是你的生活中要有AI，第二件事是你的工作中要有AI，第三件事是你要學會用AI的方式思考。

爲此過去一年，甲骨文嘗試轉型爲非政府性質，其主線從深耕數據庫，轉向用雲和AI重塑數據庫等一系列企業級底層架構，從而繼續在中國市場保有其產品、服務、價格的優勢。吳承楊直言這個過程“痛並快樂着”。

這一AI化的努力也反映在財報數據上。2024財年甲骨文總收入爲530億美元。其中，研發投入有將近90億美元，這一數值不包括相關收購交易的花銷。

同期，甲骨文的中國客戶已超過26萬家，包括小米在內的多家合作伙伴，也到場分享了各自企業AI化的最新進展。在媒體溝通環節，吳承楊分享了他走訪多位甲骨文客戶的感受。他發現雖然每位客戶都有專門的團隊、公司高層跟進企業級AI部署，但不得不正視的是，短時間內現有的企業級AI項目效果有限，並不能給企業帶來很多實際性的幫助。

在吳承楊看來，AI不是一種技術創新，而是一場技術革命，並且今年最迫切需要重構AI架構的是獨立軟件開發商（ISV）們，“否則很有可能被淘汰”。

一、AI-centric數據中心可跨公司兼顧多ID，小米內網已用上

今天談到雲，一般都是指公有云的概念。在當下的AI時代，數據中心如果只能提供計算資源，那是遠遠不夠的。

因此，吳承楊認爲，以AI爲中心的數據中心需達到四個要求，分別是彈性、效率、安全和智能。其中“彈性”指的是，基於一個多雲互聯的數據中心，企業可以自由選擇是同時使用2個ID、6個ID，或者是同時連接自家和友商的多個ID。

據吳承楊分享，目前甲骨文每10天可交付1萬塊GPU。其ZettaScale級雲計算集羣，集羣算力達到2.4Zetta FLOPs。

此外，甲骨文現有的AI架構與英偉達的架構兼容，按吳承楊的說法是“100%英偉達化”，可滿足大部分AI企業平滑遷移數據庫的需求。

小米是甲骨文的客戶之一。小米集團技術委員會基礎技術平臺部產品總監王哲稱，該公司的AI化轉型追求“平民化”。他現場舉例道，小米內部員工照片可生成個人數字人形象，用來送新年祝福；與飛書合作，聯動小米公司內部系統後，員工可以用小米自家AI助手Mi Chat自動生成會議紀要。

目前，小米公司已經把AI技術引入員工飲食健康助手、離職員工數字人、知識檢索、智能客服等工作流中。在王哲看來，實際使用過程中，市場上還沒有一個比較好的、能夠滿足企業級的開源AI方案。

二、開發者可用自然語言交互的AI架構，破解企業AI部署3大痛點

吳承楊說道：“企業AI化不等於做一個AI項目。”因此，企業仍然需要一個全新的AI架構。他告訴智東西，預測獨立軟件開發商將是今年最急需底層架構AI化的羣體，而這些獨立軟件開發商可能會先通過具體的、快速見效的AI項目試水。

企業級應用當前面臨3大挑戰，一是模塊和模塊之間的關聯較爲複雜；二是企業可以用AI生成代碼，但難讀懂AI寫的代碼，也難找AI“擔責”；三是“絕對的”安全性和穩定性。

對此，甲骨文通過模塊獨立性、可信性和統一數據模型解決上述痛點。具體來看，其利用JSON關係二元性消除了數據重複及其隱患，並且整個結構內數據和應用解耦，企業可整取整用。

據吳承楊分析，其AI-centric企業應用開發架構與同行相比，有獨立、可信可發展、簡潔的聲明式語言、可擴展性、可靠性、一致性和安全性等優勢。這對於企業開發者而言，則是幾百行、幾十行的代碼，可以縮減爲幾行代碼，從而檢查起來會更方便，降低出錯率。

謝鵬博士在會上提出了AI就緒的6項指標，包括戰略、基礎設施、數據、治理、人才和文化。會後，他接受媒體採訪時強調如果從長期主義的技術路線來思考，首先要考慮的是以AI爲中心的基礎設施重建、數據平臺和開發架構圖。

換句話說，甲骨文所謂的長期主義路線，主要是堅持做原生AI的融合。謝鵬博士也進一步詳細拆解了原生AI底層架構的一些最新趨勢。

首先，AI正在重塑基礎設施。隨着生成式AI的發展，數據中心的設計更注重提高機架的功率密度和計算密度，以B2B、B2C、C2C等商業模式構成的傳統互聯網，將融合大量的M2M、A2A場景。儘管AI應用主要集中在雲端，但考慮到成本、時效性和安全性等因素，AI向邊緣下沉已成爲趨勢。

未來，以AI爲中心的基礎設施不區分“公有云”和“私有云”，混合雲已是基礎設施近年來的主要模式和發展方向。在雲、邊、端融合的趨勢下，所有芯片資源將傾向用來構建CPU、GPU與NPU協同的算力底座。

其次，數據庫內AI就緒。AI就緒的意義在於整合數據操作、開發運維以及針對大型語言模型等操作，形成一個統一的操作平臺。藉此，從數據清洗、編排到調用AI模型，讓用戶能夠在本地這個平臺上完成所有數據相關的操作，從而縮短生成式AI的路徑。

同時，企業要建立數據庫內的數據管線（Data pipeline），這是一種用於在不同系統、應用程序或數據存儲之間，傳輸、處理和轉換數據的架構或流程。一方面，它可以完成從向量化到檢索，爲大語言模型調用做好準備；另一方面，這裏還包括notebook、各種編排、開源的工具鏈等功能的集成。

除此之外，AI正重塑企業軟件開發架構。在軟件架構上，構建式架構轉爲生成式架構；在軟件工程上，以人爲中心的協同開發，轉向以數據爲中心的生成式開發；在軟件交互上，鍵鼠+觸摸交互，轉爲自然交互，例如語音和空間交互；在軟件交付上，一切即服務轉向服務即智能體。

▲甲骨文公司副總裁兼中國區CTO 謝鵬博士

結語：企業級AI部署待破碎重組，AI-centric架構助化繁爲簡

當下，AI模型、AI Agents等AI技術落地概念如火如荼。不過當你進一步追溯AI產業鏈的上游，那麼在推動AI模型、AI Agents落地前，更爲基礎性的原生AI架構仍需打碎重構，才能適應這個AI變革的時代。

未來，甲骨文所選擇的從底層架構適配AI的路線，有望藉助多個AI Agents簡化底層的數據層，讓企業安全地、快速地、穩定地用上AI。