智東西

作者 | 陳駿達

編輯 | 雲鵬

智東西8月5日報道，今天，美國數據庫軟件巨頭甲骨文（Oracle）召開了季度媒體溝通會，甲骨文公司副總裁及中國區董事總經理吳承楊、甲骨文公司高級總監及中國區技術工程部總經理嵇小峯以及甲骨文公司高級總監及中國區雲工程部總經理竇傑，圍繞企業級AI落地、AI數據庫、多雲戰略等話題與智東西等媒體進行了交流。

吳承楊認為，正如蒸汽機之於工業革命，AI帶來的不是某個單一應用，而是根本性的能力變化。衡量這種能力的標準只有一個詞——Outcome（實際產出）。「原來需要100人的工作現在80人能完成，這叫Outcome；準確率從95%提高到96%，這叫Outcome。數不出來的，不叫Outcome。」

他強調，甲骨文在AI時代的優勢在於全棧，從應用、架構、數據到模型全部打通。而甲骨文在中國的策略與全球在方法論上完全一致：「中美之間，對AI的看法沒有區別，產品可能有區別，但方法論是一樣的。」

吳承楊還給出了他對當前行業熱詞——「AI原生數據庫」的看法。他直言，自己並未在全球範圍內聽到過「AI原生數據庫」的說法，僅在國內有人討論。他還補充道，純粹在AI時代炒概念是沒有意義的，核心問題是數據庫到底能給用戶帶來什麼效果。

溝通會上，智東西就甲骨文數據中心保交付問題向竇傑提問。竇傑從四個維度闡述了OCI的保交付策略：首先是在項目早期就鎖定電力和數據中心空間，避免「有卡無電」的行業困局；其次是與客戶共建資金安排以分擔供應鏈風險；第三是採用高度標準化的模塊和基礎設施設計，確保電力與GPU就緒後能夠迅速交付；最後是通過精細化的技術手段提升資源利用率，消化客戶退租等產生的空閒資源。

一、企業級AI呈現三大特徵，安全可控成重點

在與企業高層的溝通中，吳承楊發現他們問得最多的問題就是「企業怎麼用AI」。吳承楊的判斷是，AI已經進入企業級階段，必須是雲原生的，且底層是數據。過去企業的信息化系統，比如ERP、MES、CRM等是逐步引進的，但AI時代，企業需要把這些系統融合在一起，建立語義層，讓智能體（Agent）真正理解底層，才能產生實際產出。

在推動落地的過程中，嵇小峯觀察到如今企業級AI呈現3個明顯特徵：可衡量的業務效果、融入業務核心流程、企業級規模下的安全可控治理。

為此，甲骨文構建了一套從下至上的技術棧：底層是Oracle AI Database 26ai多模數據庫構成的統一數據底座，向上依次是參考架構、AI平台、Agent編排工具和項目交付機制。

產品層面包括面向Agent記憶的Agent Memory、無代碼開發平台Private Agent Factory、支持用SQL直接構建智能體的Select AI Agent，並全面支持MCP協議，相關技能已在GitHub開源。

安全被提到前所未有的高度。嵇小峯坦言，隨着大模型能力增強，模型被用於軟件逆向、挖掘漏洞、橫向複製攻擊的風險上升。

甲骨文的對策包括：用大模型檢測自家軟件漏洞；推出將應用層最終用戶與數據庫權限打通的Deep Data Security，實現行列級細粒度管控；按SQL模式規則攔截可疑訪問的庫內防火牆；安全補丁節奏從每季度加快到每月；以及零數據丟失的韌性方案。

二、免出向流量費，甲骨文要做「多雲Hub」

多雲戰略是本次溝通會的另一重頭戲。竇傑介紹，OCI自2019年6月開通與微軟Azure的跨雲連接，2024年6月與谷歌GCP打通，今年4月又宣佈與AWS互聯，該服務已於上周正式GA。

技術上這是一條跨雲專線，但甲骨文把自己定位在「多雲Hub」上，因為沒有任何一家雲可以覆蓋所有服務，OCI希望讓客戶串聯起所有云廠商最有價值的部分。

如今，跨雲連接已變成OCI雲上一項即開即用的服務，無需再找電信運營商多頭簽約，甲骨文提供端到端SLA。

更關鍵的一點是進出流量免費。竇傑直言：「（業界）進雲的流量都是免費的，因為廠商希望大家都上來；但出向流量費某種程度上是鎖定客戶的手段。」OCI與GCP、AWS談下的合作，出向流量費都被免除，實現了無綁定的多雲解決方案。

吳承楊補充稱，多雲互聯後客戶得到的是一個「超集」，1+1大於2，不僅是功能，還包括價格，這是中國客戶最敏感的地方。

針對最優路徑如何實現的追問，竇傑稱這並非自動路由，而是與客戶共創：基於TCO成本分析和架構優化評估，按每個客戶的業務實際定製。

三、AIBS：中國市場「卷」出來的方法論

值得一提的是，溝通會上反覆出現了一個名為AIBS（AI Business Success）的方法論。吳承楊稱，這是甲骨文中國區自創的方法論，由於中國市場很「卷」，客戶更希望看到真實的結果。

這套已推行約一年半的方法論有兩個基本要求：項目必須進入真實生產環節，必須產生業務結果。甲骨文幫客戶完成從0到1，證明方法論成立；從1到N則交給客戶自己、合作伙伴與生態，形成飛輪。

FDE（Forward Deployed Engineering，前置交付工程師）模式也與此呼應。甲骨文的工程師會直接駐場了解業務，按「效果可衡量、能力可複用、基礎數據可得、周期可控」4個原則選定高價值場景，在30到45個工作日完成交付。

針對「AI原生數據庫」的行業爭論，吳承楊的態度比較務實：「不要自己創名詞，…，是騾子是馬，拉出來遛遛。」

在他看來，好的AI數據庫只需回答幾個問題：能否快速建立語義層，也就是讓智能體讀懂數據；能否支撐「通用模型+本地模型」混合趨勢下的數據分類與安全管控。而語義層的前提是統一的多模數據底座，「分庫分表一大串，繞六個月也繞不出語義層來」。

結語：智能體時代要用結果說話

談到AI落地階段，吳承楊斷言智能體時代已經沒有什麼爭議：「今天如果企業還不是通過Agent去做，說明它和全球發展趨勢有一定的距離。」

至於中國客戶的投入意願，他觀察到不少企業熱衷買GPU、建算力中心、訓垂類模型，而他的建議是，先做一個高價值、快落地的場景看看效果。