智東西（公眾號：zhidxcom）
作者 | 王涵
編輯 | 漠影
智東西(xi)6月24日報道，獨立數據庫廠商OceanBase今日在媒體溝通會上宣布(bu)，其云數據庫OB Cloud已實現(xian)AI能力的開發部(bu)署(shu)及(ji)生態(tai)集成，并已服務零售、金融、物流等行(xing)業的數十家(jia)頭部(bu)企業，推動(dong)AI落(luo)地。
在今年的(de)(de)3月27日(ri)，OceanBase舉行了首(shou)屆合作伙伴大會(hui)，在會(hui)上OceanBase稱“AI將成(cheng)為其未來重要的(de)(de)發(fa)展方(fang)向。此(ci)次(ci)OB Cloud對(dui)AI能(neng)力的(de)(de)部署集成(cheng)與行業(ye)應用，被視(shi)為OceanBase AI戰略(lve)落地的(de)(de)第一步。
“云(yun)數(shu)據(ju)庫與AI天然(ran)契合。”OceanBase副總(zong)裁、公有云(yun)事業部總(zong)經理尹博學(xue)這樣解釋(shi)，一(yi)方面，云(yun)數(shu)據(ju)庫的彈性擴展(zhan)、成本優(you)化、高可用等特性，為AI工作負(fu)載提供(gong)堅(jian)實(shi)底座；另(ling)一(yi)方面，AI對多模態數(shu)據(ju)的高效調用需求，推動云(yun)數(shu)據(ju)庫強化向量(liang)檢索、多模融合等能力(li)。
“推理過程中(zhong)，向量檢索(suo)與標量查詢相(xiang)結合式的數(shu)據檢索(suo)，可(ke)以緩解大語言模(mo)型(xing)的幻覺(jue)現象(xiang)。”尹博學介(jie)紹到，OB Cloud將向量索(suo)引、全文(wen)索(suo)引和模(mo)糊索(suo)引集成為“all in one”的存(cun)儲(chu)化引擎，可(ke)以幫(bang)助(zhu)客(ke)戶在簡潔高效(xiao)的技術棧上，提(ti)高效(xiao)率并降(jiang)低成本。
據悉(xi)，OB Cloud云基座(zuo)涵蓋了(le)國(guo)內外主流的(de)(de)6家(jia)云廠(chang)商，可(ke)(ke)以獲得開(kai)箱即用的(de)(de)云服(fu)務。從(cong)去年(nian)第(di)二季度到今年(nian)第(di)二季度，一年(nian)里OB Cloud的(de)(de)開(kai)服(fu)區域(yu)從(cong)30提升到50，提升了(le)67%；可(ke)(ke)用區從(cong)100+提升到170+，其可(ke)(ke)靠性和(he)容災能力大幅度提升。可(ke)(ke)以在不(bu)同(tong)的(de)(de)地(di)域(yu)、不(bu)同(tong)的(de)(de)國(guo)家(jia)、不(bu)同(tong)的(de)(de)基礎設施上，AI應(ying)用的(de)(de)可(ke)(ke)獲得性變得更(geng)便捷，OB Cloud也能夠(gou)在各種(zhong)地(di)域(yu)、各種(zhong)云上為AI應(ying)用提供支撐和(he)服(fu)務。
▲OceanBase副總裁、公有云事業部總經理尹博學
一、成本直降95%，OB Cloud性能超ES9.0
如今(jin)的(de)(de)AI應用涉及海量的(de)(de)結(jie)構化(hua)(hua)、半結(jie)構化(hua)(hua)以及非結(jie)構化(hua)(hua)數(shu)(shu)據(ju)，單一數(shu)(shu)據(ju)類型的(de)(de)存儲和查詢已經沒有(you)辦法滿足業務需(xu)(xu)求。與此同時，更(geng)大的(de)(de)挑戰來自高維向量數(shu)(shu)據(ju)，推薦系統(tong)、圖像(xiang)搜索(suo)、語義(yi)理(li)(li)解等AI場景，需(xu)(xu)要處理(li)(li)的(de)(de)數(shu)(shu)據(ju)不僅體(ti)量龐(pang)大，而且(qie)計算復雜。
企業(ye)對于(yu)數據庫的向(xiang)量能力的要求也越來越高，而OB Cloud可(ke)以將(jiang)多模(mo)態數據通過嵌(qian)入模(mo)型轉化成向(xiang)量進行儲存(cun)，實現更加高效(xiao)的數據存(cun)儲與調用(yong)。
對于非(fei)結構(gou)(gou)化(hua)數據處(chu)(chu)理，OceanBase資深技術專家張易稱，OB Cloud主(zhu)要通過加強(qiang)文(wen)本(ben)檢索(suo)和向量檢索(suo)來達(da)到(dao)更優的性能。同(tong)時在非(fei)結構(gou)(gou)化(hua)之上，目前正在通過AI函數的功能，鏈接模型以及數據的能力，從而(er)能夠達(da)到(dao)一條SQL串接整個的結構(gou)(gou)化(hua)以及非(fei)結構(gou)(gou)化(hua)處(chu)(chu)理的工作流。
在 RAG 技術(shu)應用中，其核(he)心處(chu)理流(liu)程與行(xing)業主流(liu)架(jia)構具(ju)有一致性(xing)。該流(liu)程首(shou)先對用戶(hu)問題進行(xing)理解與改(gai)寫，將自然語言查詢轉化為適配系統處(chu)理的格式；繼而在知(zhi)識(shi)庫檢索(suo)環節中，完成(cheng)知(zhi)識(shi)片段的召回與排序優化，確保向(xiang)大模型輸入高相(xiang)關性(xing)信息；最(zui)終(zhong)由大模型基于處(chu)理后的內容生(sheng)成(cheng)答案并反饋給用戶(hu)。
值得關注(zhu)的(de)是，該方案對全(quan)流程各環節(jie)(jie)進(jin)行了細粒(li)度拆解(jie)，通(tong)過對問題(ti)解(jie)析、知識檢索、模(mo)型交互等(deng)每個(ge)節(jie)(jie)點(dian)的(de)獨(du)立調優(you)與協(xie)同(tong)串聯，實現了整體回答準確率與處理(li)效率的(de)系統性(xing)提(ti)升。
▲OceanBase資深技術專(zhuan)家張易
OB Cloud向(xiang)量算法(fa)庫叫做VSAG，目(mu)(mu)前(qian)已(yi)經開源。在(zai)國際主流的(de)Benchmark上，VSAG向(xiang)量的(de)性能大概是目(mu)(mu)前(qian)Sota水平的(de)90%以上。
此外(wai)，在(zai)數據層面，OB Cloud基于向量算(suan)法組織了內存(cun)(cun)索(suo)引(yin)、磁盤索(suo)引(yin)和(he)混合索(suo)引(yin)來(lai)應對向量的(de)存(cun)(cun)儲和(he)計算(suan)的(de)需求。最后是算(suan)力層，目前OB Cloud正在(zai)構建(jian)基于GPU的(de)向量索(suo)引(yin)。
在算(suan)法(fa)方面，張易還提到，一方面向量數據(ju)會隨著用(yong)戶增(zeng)(zeng)長而不(bu)斷攝入，一方面用(yong)戶對數據(ju)的需(xu)求也會越(yue)來越(yue)大。為了既實(shi)現增(zeng)(zeng)量又要(yao)滿足海量，OB Cloud讓檢索(suo)實(shi)時可見(jian)，并(bing)引進磁盤IVF+HNSW混(hun)合索(suo)引，單(dan)機可支(zhi)撐10億向量檢索(suo)。
同時(shi)，在AI領域(yu)，在json等半結構(gou)化數(shu)據(ju)處理方面，OB也做了(le)大(da)量的工作。目(mu)前在json的存儲優化方面，已有的版(ban)本跟主流(liu)的MongoDB相比(bi)，成本僅(jin)為1/3。
OB和其他的(de)向(xiang)(xiang)量(liang)數據(ju)庫(ku)還有一個(ge)比較大的(de)區別，即從(cong)OB整(zheng)個(ge)向(xiang)(xiang)量(liang)數據(ju)庫(ku)到向(xiang)(xiang)量(liang)算法全部都(dou)是自研(yan)的(de)。OceanBase資深(shen)技術專家張易稱，從(cong)整(zheng)體性(xing)能上看(kan)，自研(yan)的(de)OB Cloud的(de)向(xiang)(xiang)量(liang)性(xing)能已(yi)經達到主流開源數據(ju)庫(ku)水平。
據螞蟻內部(bu)統計，OB Cloud對資源(yuan)的(de)要(yao)求高1～2個數量(liang)級，同(tong)等(deng)召回率和性(xing)能的(de)條件(jian)下(xia)，OB Cloud的(de)成(cheng)本(ben)可(ke)以下(xia)降(jiang)95%，在研版本(ben)的(de)性(xing)能超ES 9.0 BBO 16%。
在最近的(de)(de)幾個月(yue)，OceanBase引入RabitQ來解決傳統HNSW算(suan)法占用內(nei)存較多的(de)(de)問題。內(nei)部統計，在不同(tong)(tong)的(de)(de)工(gong)作負載、同(tong)(tong)樣的(de)(de)查詢以及召回數(shu)據等量的(de)(de)情況下，引入RabitQ的(de)(de)OB Cloud會比(bi)和傳統計算(suan)的(de)(de)數(shu)據存取高，對(dui)資源的(de)(de)要求也(ye)高1到2個數(shu)量級(ji)。同(tong)(tong)時與同(tong)(tong)時引進了(le)(le)RabitQ算(suan)法的(de)(de)主流產品ES9.0做了(le)(le)對(dui)比(bi)，OB Cloud的(de)(de)BBQ高16%左右。
據悉，OB Cloud正在“TP+向(xiang)量(liang)”與“向(xiang)量(liang)+多模態”的方向(xiang)上進(jin)行(xing)探索(suo)。從(cong)螞(ma)蟻集團內(nei)部實踐及行(xing)業趨(qu)勢(shi)來看，文(wen)本檢(jian)索(suo)領(ling)域正經歷技術迭代升(sheng)級(ji)：數(shu)年前(qian)單(dan)一(yi)(yi)向(xiang)量(liang)技術即可解決語義檢(jian)索(suo)需求，近年來已發展為向(xiang)量(liang)與全(quan)文(wen)檢(jian)索(suo)結合(he)的模式。而當前(qian)業界數(shu)據表明，向(xiang)量(liang)、全(quan)文(wen)與稀疏向(xiang)量(liang)的融合(he)應用(yong)能(neng)進(jin)一(yi)(yi)步提升(sheng)召回率。
基于(yu)此(ci)，技術團隊正推進兩方(fang)面(mian)優(you)化：一(yi)方(fang)面(mian)將稀疏(shu)向(xiang)量、稠密向(xiang)量與全文的(de)多路檢索能力集(ji)成(cheng)至數(shu)據(ju)庫(ku)內核(he)，使用(yong)(yong)戶(hu)通(tong)過單條 SQL 即可實(shi)現(xian)(xian)混合檢索；另一(yi)方(fang)面(mian)嘗(chang)試(shi)將向(xiang)量 Embedding 模(mo)型嵌入(ru)數(shu)據(ju)庫(ku)，使用(yong)(yong)戶(hu)僅(jin)需插入(ru)原始數(shu)據(ju)，無需關注向(xiang)量處理(li)過程，從而實(shi)現(xian)(xian)數(shu)據(ju)插入(ru)與查詢(xun)的(de)一(yi)體(ti)化易用(yong)(yong)性體(ti)驗(yan)。
二、PowerRAG：一站式解決方案，提升回答準確率與處理效率
OceanBase公(gong)有云高級產品專家馮禮(li)在會上(shang)稱，在 AI 落地中，RAG（檢索增強生(sheng)成）是企(qi)業優先采用(yong)的核心(xin)場(chang)景，通過知(zhi)識(shi)庫、知(zhi)識(shi)檢索與大模(mo)型結合，解決(jue)大模(mo)型 “幻覺” 問題(ti)，使其基于企(qi)業內部數據(ju)作答。
傳(chuan)統RAG搭建需(xu)復雜選(xuan)型向量庫(ku)(ku)、文(wen)本(ben)庫(ku)(ku)等數據底(di)座，上層依(yi)賴(lai)開源(yuan)框架(jia)開發，運維與集成(cheng)成(cheng)本(ben)高(gao)。現推出的(de)PowerRAG多模(mo)一(yi)體化方案整合(he)多元檢索能力(li)，在此基礎上實現全流程(cheng)(cheng)模(mo)塊集成(cheng)，以一(yi)站(zhan)式方案降低成(cheng)本(ben)，其核心流程(cheng)(cheng)涵(han)蓋問(wen)題理解、知識庫(ku)(ku)檢索及大模(mo)型交互，通過(guo)環節優化提升效率。
▲OceanBase公(gong)有云高(gao)級(ji)產品專家馮禮
新產(chan)品(pin)PowerRAG正在形成“集成知(zhi)識庫+知(zhi)識檢(jian)索+大(da)模(mo)型”式(shi)的(de)多(duo)模(mo)一體化數據解(jie)(jie)決方案(an)。該產(chan)品(pin)可以(yi)將文檔(dang)(dang)輸入到知(zhi)識庫形成切片，通過(guo)向(xiang)(xiang)量嵌入模(mo)型以(yi)向(xiang)(xiang)量模(mo)式(shi)存儲，用戶通過(guo)提問檢(jian)索答案(an)，再將答案(an)通過(guo)大(da)語言模(mo)型輸出給用戶。PowerRAG還可以(yi)對文檔(dang)(dang)的(de)段落、表格和圖片等(deng)不同的(de)多(duo)模(mo)態(tai)數據采(cai)取不同的(de)解(jie)(jie)析策略。
OceanBase AI助手以(yi)及AI驅(qu)動(dong)的智能(neng)運維(wei)服務（OAS）就是該產品的落地實踐結果。目(mu)前，PowerRAG可(ke)以(yi)在(zai)OB Cloud官網進行體驗。
三、DB – LLMOps新范式，解決企業AI規模化落地三重挑戰
“AI不再是(shi)工具(ju)，而是(shi)平臺級(ji)基礎設施的接替者(zhe)。”OceanBase公有云事業(ye)(ye)部解決方案(an)總(zong)監戴濤(tao)稱，企業(ye)(ye)AI規模化落地三個核心挑戰：數據治理與架構適配、成本和(he)性能博弈(yi)、企業(ye)(ye)級(ji)數據安全。
▲OceanBase公(gong)有云事業部解決(jue)方案總監戴(dai)濤
面對這三個(ge)挑戰，OceanBase可(ke)以幫助企(qi)業從結合自身優勢(shi)產(chan)生AI應用(yong)新范(fan)式(shi)：DB-LLMOps。該范(fan)式(shi)是圍繞企(qi)業數(shu)據和(he)大模(mo)型(xing)的(de)應用(yong)程(cheng)序的(de)生命周期管理(li)平臺或者工具。企(qi)業可(ke)以充分利用(yong)企(qi)業與數(shu)據的(de)長處和(he)特征(zheng)，引入大模(mo)型(xing)的(de)能力，共(gong)同完(wan)成(cheng)整(zheng)個(ge)企(qi)業開(kai)發(fa)、AI開(kai)發(fa)架構范(fan)式(shi)的(de)變(bian)化。
另外，戴濤強調(diao)，在向(xiang)量技(ji)(ji)術(shu)(shu)(shu)的實(shi)際應用中，檢索(suo)(suo)場景始終(zhong)是(shi)核心切(qie)入(ru)點。傳統檢索(suo)(suo)模式(shi)以(yi)全文檢索(suo)(suo)、結構化檢索(suo)(suo)為主(zhu)，但隨(sui)著大(da)模型技(ji)(ji)術(shu)(shu)(shu)的引入(ru)，檢索(suo)(suo)需求正經(jing)歷深度變革：向(xiang)量檢索(suo)(suo)、語義檢索(suo)(suo)、模型重排序及RAG等技(ji)(ji)術(shu)(shu)(shu)的融(rong)合(he)，使檢索(suo)(suo)邏輯從(cong)單一規則匹(pi)配(pei)轉向(xiang)語義理解(jie)與(yu)智能(neng)優(you)化的復合(he)模式(shi)。
當前企業面(mian)臨的(de)檢索場景(jing)呈現顯著復雜化(hua)特征：從數據(ju)形(xing)態(tai)看(kan)，圖像、文本、音頻、視頻等多(duo)模態(tai)數據(ju)的(de)檢索需求并(bing)存；從應用(yong)維度看(kan)，跨(kua)(kua)語料、跨(kua)(kua)專業、跨(kua)(kua)學科的(de)復雜檢索場景(jing)日益普遍。
此類需求的升(sheng)級推動向量數(shu)(shu)據(ju)庫成為(wei)關(guan)鍵(jian)解(jie)決方(fang)案(an)，其通過高(gao)維(wei)向量表征與(yu)(yu)語(yu)義(yi)相似度計算，可有(you)效應(ying)對多模態數(shu)(shu)據(ju)關(guan)聯(lian)分析、跨(kua)領域知識匹配等復(fu)雜檢(jian)索(suo)(suo)場(chang)景，為(wei)企業解(jie)決傳統檢(jian)索(suo)(suo)技術(shu)在語(yu)義(yi)理解(jie)與(yu)(yu)跨(kua)維(wei)度檢(jian)索(suo)(suo)中的瓶(ping)頸問題。
在企業(ye)落地案(an)例中，向量(liang)數據(ju)庫助(zhu)力以(yi)圖(tu)(tu)搜圖(tu)(tu)功能(neng)實現高效應用。例如，三維家(jia)(jia)家(jia)(jia)居設(she)計(ji)(ji)企業(ye)，其借助(zhu)向量(liang)數據(ju)庫對大量(liang)家(jia)(jia)居素材(cai)圖(tu)(tu)片進行Embedding嵌入(ru)，用戶上傳圖(tu)(tu)片后(hou)，系統可(ke)快(kuai)速檢索匹配相(xiang)關(guan)設(she)計(ji)(ji)素材(cai)，輔(fu)助(zhu)設(she)計(ji)(ji)師(shi)生(sheng)成AI裝修視覺圖(tu)(tu)。
跨境電商企(qi)業卡佩希通(tong)過向(xiang)(xiang)(xiang)量(liang)數據庫實現(xian)多(duo)模態檢索，客(ke)服可基(ji)于用戶的圖片或文字需求(qiu)描述，快速檢索并推薦相(xiang)關女裝商品，提(ti)供混合檢索服務。在(zai)視頻(pin)推薦場景中，合作企(qi)業當貝基(ji)于用戶觀(guan)看記錄的向(xiang)(xiang)(xiang)量(liang)表(biao)征，通(tong)過語義匹配推送風格相(xiang)似的內容，將(jiang)向(xiang)(xiang)(xiang)量(liang)檢索能(neng)力延伸至廣告(gao)推薦領(ling)域。
在RAG場景(jing)落地中(zhong)，伯俊(jun)科技(ji)利用OB向量能(neng)力構(gou)建企業知識庫，沉淀專業知識，后續將延伸至文件導購、AI配(pei)貨等場景(jing)。貨拉拉以RAG為底座，一(yi)方面通過圖片、代碼(ma)等模式識別實現(xian)資損(sun)代碼(ma)識別，輔(fu)助用戶賠償建議(yi)判斷；另一(yi)方面打造(zao)數倉(cang)AI答疑功(gong)能(neng)，支持自(zi)然(ran)語(yu)言SQL查詢，為客(ke)戶提供數據倉(cang)庫問題解答。
在企(qi)業問(wen)數場景(jing)落地中(zhong)，銀(yin)泰通過(guo)處理(li)自然(ran)語(yu)言，將其轉化(hua)(hua)為RAG化(hua)(hua)、向量化(hua)(hua)內容(rong)，為企(qi)業管(guan)理(li)層提供(gong)實(shi)時問(wen)題(ti)診斷。該方(fang)案(an)涵蓋從(cong)自然(ran)語(yu)言到(dao)SQL的轉化(hua)(hua)，訓練企(qi)業特殊語(yu)料，搜索數據(ju)后(hou)供(gong)經營(ying)者(zhe)決策。同時，銀(yin)泰還應(ying)用RAG功能(neng)，對外提供(gong)智能(neng)問(wen)答，對內構建知識庫。
在(zai)企(qi)業Agent領域應用中(zhong)，OB的(de)一體化技術(shu)架構具備顯著優(you)勢：其混合查(cha)詢能力支持標(biao)量與(yu)(yu)向量一體化檢索，多模態交互特性(xing)(xing)可處理多元數(shu)據。高并發(fa)、低延(yan)遲(chi)性(xing)(xing)能適(shi)配企(qi)業實時需求，數(shu)據隔(ge)離(li)與(yu)(yu)多租戶機制則保障了企(qi)業級應用的(de)安全性(xing)(xing)與(yu)(yu)資源管(guan)理效(xiao)率，為(wei)企(qi)業構建AI底座提供核(he)心支撐。
最后，戴濤總結稱，企業 AI 規模化落地可分三步推進：
第一步(bu)：單場景(jing)從0到1切入，建議以知(zhi)識庫為(wei)入口，選擇高價值、短鏈路場景(jing)，借助PowerRAG產品快速(su)搭建驗(yan)證。
第二步：漸進式場景擴展，針對(dui)業務與 IT 團隊認知差異，通過Design Thinking工作(zuo)坊協同挖(wa)掘AI場景，完成小規模應(ying)用構建，實現從1到10的(de)能力(li)延伸。
第三步：構建 AI 業務中臺，整合Agent、RAG及一體化(hua)數據(ju)庫，形成標(biao)準化(hua)平臺，支持業務與輕(qing)IT人員快速開發創新應用，推動業務與IT雙輪驅動，最終實現從AI賦能到AI原生(sheng)的升級。
結語：AI正重塑企業智能生產力
OceanBase副總(zong)裁、公有云事業部(bu)總(zong)經理尹博學將OB Cloud的(de)(de)AI能力優勢總(zong)結為四點(dian)，分別(bie)是(shi)具(ju)備天然(ran)的(de)(de)一體化(hua)(hua)架構，一套數(shu)據庫支(zhi)持(chi)事務處理（TP）、實(shi)時(shi)分析(xi)(AP)、AI工作負載，用戶面向AI無需引(yin)入額外(wai)技術(shu)棧(zhan)；多(duo)模(mo)向量(liang)(liang)一體化(hua)(hua)，原生支(zhi)持(chi)向量(liang)(liang)、標量(liang)(liang)、空間、文本等多(duo)模(mo)數(shu)據的(de)(de)混合檢索，簡(jian)化(hua)(hua)AI應用復雜(za)度；提供開箱即(ji)用的(de)(de)RAG服(fu)務，“0門(men)檻”構建(jian)現代RAG應用；Bring AI to Data，一體化(hua)(hua)架構實(shi)現數(shu)據的(de)(de)新鮮(xian)度與智(zhi)能的(de)(de)實(shi)時(shi)性(xing)融合。
據了解，目前OB Cloud的(de)AI能(neng)力已(yi)在零售(shou)、金(jin)融、物流(liu)等(deng)眾多行業(ye)的(de)數十家頭部企(qi)業(ye)中落地驗證。除上述提到的(de)合作伙伴外(wai)，OB Cloud在攜程落地“以圖搜圖”的(de)搜索及個性化推薦場景；支撐(cheng)中國聯(lian)通軟(ruan)研院(yuan)、九訊云等(deng)實(shi)現RAG智能(neng)問(wen)答的(de)高(gao)效混合檢索；助力支付寶等(deng)企(qi)業(ye)打造更智能(neng)的(de)“問(wen)數”與(yu)Agent協同應用(yong)。
值得一提的是，OceanBase已(yi)與LlamaIndex、LangChain、Dify、支付(fu)寶百寶箱等60余家AI應用開發與生(sheng)態(tai)開放平臺深度集成，并支持(chi)大(da)模型生(sheng)態(tai)協議MCP，在(zai)全球范圍(wei)內構(gou)建(jian)完整的AI技術生(sheng)態(tai)鏈。據了解，OB Cloud與這(zhe)些AI生(sheng)態(tai)伙(huo)伴也(ye)實現深度對接，共同(tong)加速行(xing)業智能化升級。
“未(wei)來(lai)的(de)數據(ju)底座(zuo)必須同時(shi)具(ju)備云的(de)彈(dan)性(xing)、AI的(de)智(zhi)能以及多(duo)云環境下的(de)韌性(xing)。”正如尹博學稱，AI正重塑企業(ye)智(zhi)能生產力。
