OceanBase发布湖库一体战略，重新定义AI时代数据库

OceanBase近日对外详细阐述了其面向AI时代的数据库战略——「湖库一体」（Lakebase），首次系统性地定义了AI数据库的技术架构与产品路径。这套方案的核心目标是让一个统一的数据底座同时承载交易、分析、搜索、向量检索和AI推理，以应对AI Agent进入生产系统后带来的根本性挑战。

根据OceanBase的介绍，传统的数据库架构主要围绕人类应用和确定性交易设计，而AI Agent的爆发正在改变这一切——大量自主运行的Agent需要同时读写、搜索、试错、回滚并生成上下文，这对数据库的并发能力、数据一致性和实时性提出了前所未有的要求。

OceanBase认为，AI数据库不能简单地等同于「传统数据库加几个AI函数」，也不是「向量数据库补上SQL能力」。真正的AI数据库需要解决AI进入生产环境后的数据基础设施问题：多模态数据需在统一底座上管理，在线服务和离线计算需要融合，Agent需要获得实时、可信、连续的上下文。

在技术实现上，OceanBase提出了三层架构。第一层是「多模数据引擎层」，运行在对象存储之上，通过多模表统一管理结构化、半结构化和非结构化数据，同时支持OceanBase自身的SQL计算、Spark ETL以及Daft on Ray的AI计算。第二层是「上下文层」，包括让AI理解企业的数据上下文和让AI理解用户的应用上下文。第三层是面向数据开发和分析的AI应用层。

具体产品方面，OceanBase推出了多模表（Multi-Model Table），在一张表中同时容纳关系列、多模列与AI列，支持向量、全文、JSON、GIS等多种数据类型。同时发布的还有PowerMem记忆层产品，以及基于PowerMem的云上产品seekdb M0。据OceanBase披露，在AppWorld评测中，M0方案的通过率达82%，而Hermes仅为22%。

此外，OceanBase还推出了OSI（OceanBase Semantic Intelligence）语义层，统一业务口径与底层数据库语义，并基于此开发了DataPilot产品。数据显示，OceanBase HNSW向量搜索性能在768维和1536维场景下优于Milvus、Elasticsearch和pgvector，混合搜索性能比Elasticsearch提升30%以上。

在生态方面，OceanBase已首批接入60余家AI生态伙伴，实现了MCP（Model Context Protocol）对接。业内人士指出，OceanBase的湖库一体方案代表了国产数据库在AI浪潮中的一个重要方向，但其实际落地效果和规模化部署能力仍有待市场检验。