甲骨文（$ORCL）正试图将人工智能（AI）竞争的焦点从“模型”转移到“数据库”。在企业快速引入智能体型AI之际，甲骨文将重点放在了其数据库本身已被重新设计为具备可靠性、安全性和高可用性的AI“基础工程”这一点上。
甲骨文最近发布了经过改版的甲骨文数据库及“AI数据平台”。其核心在于支持企业将自身拥有的内部数据与主要AI模型直接连接并加以利用。其构想并非仅仅是存储数据的空间，而是将机器学习、向量搜索和高级分析功能内置于数据层中，打造可用于实际业务的AI架构。
甲骨文数据库技术部门执行副总裁胡安·洛伊萨扎在纽约证券交易所举行的“甲骨文数据深度探索”活动中强调了信任的重要性。他表示：“即使能在20分钟内建成一栋100层的大楼，若要让你把家人送进去，你必须相信这个结构是可靠的。数据是所有知识的基础，因此我们正在设计，让人们能够信任建立在甲骨文数据库之上的一切。”
智能体型AI的普及扩大了数据库的角色
甲骨文尤其认为，在智能体型AI时代，数据库将成为核心轴。其判断是，仅凭模型性能并不足够，AI必须在靠近数据的位置运行，才能确保实时性和准确性。为此，甲骨文正通过“AI数据库私有智能体工厂”和“自主AI向量数据库”等架构，推动在数据附近执行智能体逻辑的方式。
甲骨文任务关键型数据与AI引擎部门高级副总裁蒂尔坦卡尔·拉希里将智能体分为“推理中心型”和“数据中心型”两种，并解释说，数据中心型智能体在与数据一同部署时效率最高。他表示，如果减少在多个存储库之间来回重复加载数据的过程，就能打造出并非孤立的AI，而是基于“干净、最新、实时数据”运行的AI。
这种变化也给基础设施带来了负担。智能体型AI会瞬间产生巨大负载，并在多区域、多云环境中引发大量交易。为此，甲骨文推出了“全球分布式AI数据库”，使多个物理数据库在应用程序看来如同一个整体。
甲骨文高可用性技术部门高级副总裁魏虎表示：“客户一直希望拥有永不停止、零宕机的数据库。我们需要能够承受服务器、数据中心、区域和云故障的系统。”他接着解释说：“甲骨文让复制的整个拓扑结构看起来像一个逻辑数据库，同时提供强一致性。”
多云时代，“分布式AI”成为新标准
甲骨文认为，IT行业现已进入“分布式AI”时代。由于企业的系统已分散在多云和边缘环境中，AI也不再是固定于某一处的形态，分布式部署正成为常态。在此，关键在于无缝连接和复制分散在不同环境中的数据的能力。
负责此任务的代表产品是实时数据复制平台“GoldenGate”。甲骨文产品管理部门副总裁杰夫·波洛克表示：“如今，组织拥有分布在全球各地的AI数据工厂。无论数据是在边缘还是大型数据中心，GoldenGate都必须到达客户所在之处。”
GoldenGate与甲骨文数据库紧密集成，但并非仅绑定于甲骨文系统。甲骨文GoldenGate开发部门高级副总裁贾格德夫·迪隆表示：“它与甲骨文数据库配合得非常好，但也支持各种云上的多种数据库和数据存储。”这表明，甲骨文并非只固守自身生态系统，而是瞄准了连接异构环境的“通用复制层”这一角色。
“Vibe Coding”普及引发安全担忧……解决方案在于数据库内化
随着仅通过与AI助手进行自然语言对话即可创建应用程序的“Vibe Coding”的普及，开发速度大大加快。然而，对企业而言，所生成的代码是否安全、能否未经验证就部署到生产环境，已成为更大的问题。
甲骨文产品管理部门高级副总裁珍妮·蔡-史密斯表示：“即便有人在不到10分钟内写出了1万行代码，你也不会立刻将其投入银行系统的运营。关键在于，要以能够信任并部署AI所生成代码的方式来使用它。”
甲骨文提出的解决方案是将安全性和恢复力直接植入数据库内部的战略。甲骨文产品管理部门高级副总裁阿希什·雷强调：“恢复力必须构建在数据库和数据结构内部。高可用性、性能和安全性应作为数据库的基本配置，这样客户就不必额外引入众多技术。”
甲骨文的信息很明确：AI开发速度越快，支撑它的数据库的可靠性就越重要。最终，企业级AI的竞争正从谁使用更出色的模型，转向谁能在更安全、更一致的数据基础上运营AI。甲骨文正将此视为下一代AI基础设施市场的决胜点。
TP AI注意事项 本文使用TokenPost.ai基础语言模型进行摘要。正文主要内容可能被遗漏或与事实不符。