作者 | 徐豫

编辑 | 心缘

智东西1月19日报道，2025甲骨文中国创新峰会17日在京举行，主题为“数聚中国，智领未来”。甲骨文公司副总裁兼中国区董事总经理吴承杨、甲骨文公司副总裁兼中国区CTO谢鹏博士等多位甲骨文高层，拆解了过去一年该公司开发的“以AI重塑底层的一切”的原生AI架构。

临近春节前夕，刚登台吴承杨先给大家拜了个早年。2025年，他的新年愿望是“成为一名AI人”。

▲甲骨文公司副总裁兼中国区董事总经理 吴承杨

怎样才算一名合格的AI人？吴承杨给出了他的答案：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，第三件事是你要学会用AI的方式思考。

为此过去一年，甲骨文尝试转型为非政府性质，其主线从深耕数据库，转向用云和AI重塑数据库等一系列企业级底层架构，从而继续在中国市场保有其产品、服务、价格的优势。吴承杨直言这个过程“痛并快乐着”。

这一AI化的努力也反映在财报数据上。2024财年甲骨文总收入为530亿美元。其中，研发投入有将近90亿美元，这一数值不包括相关收购交易的花销。

同期，甲骨文的中国客户已超过26万家，包括小米在内的多家合作伙伴，也到场分享了各自企业AI化的最新进展。在媒体沟通环节，吴承杨分享了他走访多位甲骨文客户的感受。他发现虽然每位客户都有专门的团队、公司高层跟进企业级AI部署，但不得不正视的是，短时间内现有的企业级AI项目效果有限，并不能给企业带来很多实际性的帮助。

在吴承杨看来，AI不是一种技术创新，而是一场技术革命，并且今年最迫切需要重构AI架构的是独立软件开发商（ISV）们，“否则很有可能被淘汰”。

一、AI-centric数据中心可跨公司兼顾多ID，小米内网已用上

今天谈到云，一般都是指公有云的概念。在当下的AI时代，数据中心如果只能提供计算资源，那是远远不够的。

因此，吴承杨认为，以AI为中心的数据中心需达到四个要求，分别是弹性、效率、安全和智能。其中“弹性”指的是，基于一个多云互联的数据中心，企业可以自由选择是同时使用2个ID、6个ID，或者是同时连接自家和友商的多个ID。

据吴承杨分享，目前甲骨文每10天可交付1万块GPU。其ZettaScale级云计算集群，集群算力达到2.4Zetta FLOPs。

此外，甲骨文现有的AI架构与英伟达的架构兼容，按吴承杨的说法是“100%英伟达化”，可满足大部分AI企业平滑迁移数据库的需求。

小米是甲骨文的客户之一。小米集团技术委员会基础技术平台部产品总监王哲称，该公司的AI化转型追求“平民化”。他现场举例道，小米内部员工照片可生成个人数字人形象，用来送新年祝福；与飞书合作，联动小米公司内部系统后，员工可以用小米自家AI助手Mi Chat自动生成会议纪要。

目前，小米公司已经把AI技术引入员工饮食健康助手、离职员工数字人、知识检索、智能客服等工作流中。在王哲看来，实际使用过程中，市场上还没有一个比较好的、能够满足企业级的开源AI方案。

二、开发者可用自然语言交互的AI架构，破解企业AI部署3大痛点

吴承杨说道：“企业AI化不等于做一个AI项目。”因此，企业仍然需要一个全新的AI架构。他告诉智东西，预测独立软件开发商将是今年最急需底层架构AI化的群体，而这些独立软件开发商可能会先通过具体的、快速见效的AI项目试水。

企业级应用当前面临3大挑战，一是模块和模块之间的关联较为复杂；二是企业可以用AI生成代码，但难读懂AI写的代码，也难找AI“担责”；三是“绝对的”安全性和稳定性。

对此，甲骨文通过模块独立性、可信性和统一数据模型解决上述痛点。具体来看，其利用JSON关系二元性消除了数据重复及其隐患，并且整个结构内数据和应用解耦，企业可整取整用。

据吴承杨分析，其AI-centric企业应用开发架构与同行相比，有独立、可信可发展、简洁的声明式语言、可扩展性、可靠性、一致性和安全性等优势。这对于企业开发者而言，则是几百行、几十行的代码，可以缩减为几行代码，从而检查起来会更方便，降低出错率。

谢鹏博士在会上提出了AI就绪的6项指标，包括战略、基础设施、数据、治理、人才和文化。会后，他接受媒体采访时强调如果从长期主义的技术路线来思考，首先要考虑的是以AI为中心的基础设施重建、数据平台和开发架构图。

换句话说，甲骨文所谓的长期主义路线，主要是坚持做原生AI的融合。谢鹏博士也进一步详细拆解了原生AI底层架构的一些最新趋势。

首先，AI正在重塑基础设施。随着生成式AI的发展，数据中心的设计更注重提高机架的功率密度和计算密度，以B2B、B2C、C2C等商业模式构成的传统互联网，将融合大量的M2M、A2A场景。尽管AI应用主要集中在云端，但考虑到成本、时效性和安全性等因素，AI向边缘下沉已成为趋势。

未来，以AI为中心的基础设施不区分“公有云”和“私有云”，混合云已是基础设施近年来的主要模式和发展方向。在云、边、端融合的趋势下，所有芯片资源将倾向用来构建CPU、GPU与NPU协同的算力底座。

其次，数据库内AI就绪。AI就绪的意义在于整合数据操作、开发运维以及针对大型语言模型等操作，形成一个统一的操作平台。借此，从数据清洗、编排到调用AI模型，让用户能够在本地这个平台上完成所有数据相关的操作，从而缩短生成式AI的路径。

同时，企业要建立数据库内的数据管线（Data pipeline），这是一种用于在不同系统、应用程序或数据存储之间，传输、处理和转换数据的架构或流程。一方面，它可以完成从向量化到检索，为大语言模型调用做好准备；另一方面，这里还包括notebook、各种编排、开源的工具链等功能的集成。

除此之外，AI正重塑企业软件开发架构。在软件架构上，构建式架构转为生成式架构；在软件工程上，以人为中心的协同开发，转向以数据为中心的生成式开发；在软件交互上，键鼠+触摸交互，转为自然交互，例如语音和空间交互；在软件交付上，一切即服务转向服务即智能体。

▲甲骨文公司副总裁兼中国区CTO 谢鹏博士

结语：企业级AI部署待破碎重组，AI-centric架构助化繁为简

当下，AI模型、AI Agents等AI技术落地概念如火如荼。不过当你进一步追溯AI产业链的上游，那么在推动AI模型、AI Agents落地前，更为基础性的原生AI架构仍需打碎重构，才能适应这个AI变革的时代。

未来，甲骨文所选择的从底层架构适配AI的路线，有望借助多个AI Agents简化底层的数据层，让企业安全地、快速地、稳定地用上AI。