人工智能在几分钟内就能生成数千行代码的时代已经开启，但对于企业而言，"快速生成的成果是否可信"已成为更重要的课题。甲骨文公司($ORCL)为此提出的解决方案是"AI数据库融合"，将数据库重新定义为AI系统的"可信基础"，而非单纯的存储库。
甲骨文数据库技术高级副总裁胡安·洛艾萨(Juan Loaiza)近日在纽约举行的"Oracle Data Deep Dive NYC"活动中指出，智能体AI正在改变企业数据架构。他解释道，虽然开发速度加快了，但若缺乏准确性、安全性和稳定性的支撑，则难以投入实际业务使用。
他表示："即便能在20分钟内建成一栋百层高楼，您敢让家人入住吗？数据是所有知识的基石，我们正为甲骨文数据库注入能信赖其衍生成果的功能。"
向量·图谱·JSON整合…强调单一引擎替代分布式存储
甲骨文的核心战略是通过"融合"在单一数据库引擎内处理多种数据类型。洛艾萨解释称，公司选择将向量、图谱、JSON、关系型数据及AI智能体记忆功能整合至单一引擎，而非分散在不同数据库中。
此举旨在解决企业在AI应用过程中面临的典型问题。信息分散在多个存储库会导致同步延迟，当多个AI智能体同时运行时，上下文信息可能过时或冲突。为此甲骨文推出"Oracle统一内存核心"功能，其设计可在统一引擎中存储和推理各类数据输入，并专注于无需外部同步即可保持事务一致性。
洛艾萨强调："智能体犹如一种新型编程语言。若能让其在数据库层面理解数据、把握安全、掌握管理与处理方式，就能从起点获得显著优势。"
安全亦为核心支柱…"防护需从应用层转向数据层"
甲骨文将安全视为AI战略的另一支柱。随着生成式AI和智能体AI绕过传统应用层直接查询数据的案例增多，公司判断金融、医疗等受监管行业的信息泄露风险正在加剧。
为此，甲骨文计划通过"深度数据安全"在数据库层实施用户级访问权限控制。简言之，即使AI智能体代表特定用户操作，也强制其仅能查询该用户权限范围内的数据。
洛艾萨强调："泄露金融数据是犯罪，泄露医疗数据同样是犯罪。如今应用层已无法完全保障安全，既然AI直接访问数据层，保障就必须在数据层实现。"
企业AI竞争：控制标准正从"速度"转向"可信度"
此番言论表明企业AI市场的竞争标准正从单纯性能转向"可信度"。过去关注的是AI功能的部署速度，未来则更注重成果是否基于最新数据、是否遵守安全规则、能否在实际业务环境中稳定运行。
甲骨文的战略是通过在数据库内部整合AI处理、内存、安全与治理功能来应对这一趋势。对企业客户而言，谁能提供"可信基础"将与AI部署速度同等重要，这或将成为未来的选择标准。
TP AI注意事项 本文基于TokenPost.ai语言模型生成摘要。可能存在遗漏正文主要内容或与事实不符的情况。