智东西

作者 | 陈骏达

编辑 | 云鹏

智东西 8 月 5 日报道，今天，美国数据库软件巨头甲骨文（Oracle）召开了季度媒体沟通会，甲骨文公司副总裁及中国区董事总经理吴承杨、甲骨文公司高级总监及中国区技术工程部总经理嵇小峰以及甲骨文公司高级总监及中国区云工程部总经理窦杰，围绕企业级 AI 落地、AI 数据库、多云战略等话题与智东西等媒体进行了交流。

吴承杨认为，正如蒸汽机之于工业革命，AI 带来的不是某个单一应用，而是根本性的能力变化。衡量这种能力的标准只有一个词—— Outcome（实际产出）。" 原来需要 100 人的工作现在 80 人能完成，这叫 Outcome；准确率从 95% 提高到 96%，这叫 Outcome。数不出来的，不叫 Outcome。"

他强调，甲骨文在 AI 时代的优势在于全栈，从应用、架构、数据到模型全部打通。而甲骨文在中国的策略与全球在方法论上完全一致：" 中美之间，对 AI 的看法没有区别，产品可能有区别，但方法论是一样的。"

吴承杨还给出了他对当前行业热词——"AI 原生数据库 "的看法。他直言，自己并未在全球范围内听到过 "AI 原生数据库 " 的说法，仅在国内有人讨论。他还补充道，纯粹在 AI 时代炒概念是没有意义的，核心问题是数据库到底能给用户带来什么效果。

沟通会上，智东西就甲骨文数据中心保交付问题向窦杰提问。窦杰从四个维度阐述了 OCI 的保交付策略：首先是在项目早期就锁定电力和数据中心空间，避免 " 有卡无电 " 的行业困局；其次是与客户共建资金安排以分担供应链风险；第三是采用高度标准化的模块和基础设施设计，确保电力与 GPU 就绪后能够迅速交付；最后是通过精细化的技术手段提升资源利用率，消化客户退租等产生的空闲资源。

一、企业级 AI 呈现三大特征，安全可控成重点

在与企业高层的沟通中，吴承杨发现他们问得最多的问题就是 " 企业怎么用 AI"。吴承杨的判断是，AI 已经进入企业级阶段，必须是云原生的，且底层是数据。过去企业的信息化系统，比如 ERP、MES、CRM 等是逐步引进的，但 AI 时代，企业需要把这些系统融合在一起，建立语义层，让智能体（Agent）真正理解底层，才能产生实际产出。

在推动落地的过程中，嵇小峰观察到如今企业级 AI 呈现 3 个明显特征：可衡量的业务效果、融入业务核心流程、企业级规模下的安全可控治理。

为此，甲骨文构建了一套从下至上的技术栈：底层是 Oracle AI Database 26ai 多模数据库构成的统一数据底座，向上依次是参考架构、AI 平台、Agent 编排工具和项目交付机制。

产品层面包括面向 Agent 记忆的 Agent Memory、无代码开发平台 Private Agent Factory、支持用 SQL 直接构建智能体的 Select AI Agent，并全面支持 MCP 协议，相关技能已在 GitHub 开源。

安全被提到前所未有的高度。嵇小峰坦言，随着大模型能力增强，模型被用于软件逆向、挖掘漏洞、横向复制攻击的风险上升。

甲骨文的对策包括：用大模型检测自家软件漏洞；推出将应用层最终用户与数据库权限打通的 Deep Data Security，实现行列级细粒度管控；按 SQL 模式规则拦截可疑访问的库内防火墙；安全补丁节奏从每季度加快到每月；以及零数据丢失的韧性方案。

二、免出向流量费，甲骨文要做 " 多云 Hub"

多云战略是本次沟通会的另一重头戏。窦杰介绍，OCI 自 2019 年 6 月开通与微软 Azure 的跨云连接，2024 年 6 月与谷歌 GCP 打通，今年 4 月又宣布与 AWS 互联，该服务已于上周正式 GA。

技术上这是一条跨云专线，但甲骨文把自己定位在 " 多云 Hub" 上，因为没有任何一家云可以覆盖所有服务，OCI 希望让客户串联起所有云厂商最有价值的部分。

如今，跨云连接已变成 OCI 云上一项即开即用的服务，无需再找电信运营商多头签约，甲骨文提供端到端 SLA。

更关键的一点是进出流量免费。窦杰直言："（业界）进云的流量都是免费的，因为厂商希望大家都上来；但出向流量费某种程度上是锁定客户的手段。"OCI 与 GCP、AWS 谈下的合作，出向流量费都被免除，实现了无绑定的多云解决方案。

吴承杨补充称，多云互联后客户得到的是一个 " 超集 "，1+1 大于 2，不仅是功能，还包括价格，这是中国客户最敏感的地方。

针对最优路径如何实现的追问，窦杰称这并非自动路由，而是与客户共创：基于 TCO 成本分析和架构优化评估，按每个客户的业务实际定制。

三、AIBS：中国市场 " 卷 " 出来的方法论

值得一提的是，沟通会上反复出现了一个名为 AIBS（AI Business Success）的方法论。吴承杨称，这是甲骨文中国区自创的方法论，由于中国市场很 " 卷 "，客户更希望看到真实的结果。

这套已推行约一年半的方法论有两个基本要求：项目必须进入真实生产环节，必须产生业务结果。甲骨文帮客户完成从 0 到 1，证明方法论成立；从 1 到 N 则交给客户自己、合作伙伴与生态，形成飞轮。

FDE（Forward Deployed Engineering，前置交付工程师）模式也与此呼应。甲骨文的工程师会直接驻场了解业务，按 " 效果可衡量、能力可复用、基础数据可得、周期可控 "4 个原则选定高价值场景，在 30 到 45 个工作日完成交付。

针对 "AI 原生数据库 " 的行业争论，吴承杨的态度比较务实：" 不要自己创名词，…，是骡子是马，拉出来遛遛。"

在他看来，好的 AI 数据库只需回答几个问题：能否快速建立语义层，也就是让智能体读懂数据；能否支撑 " 通用模型 + 本地模型 " 混合趋势下的数据分类与安全管控。而语义层的前提是统一的多模数据底座，" 分库分表一大串，绕六个月也绕不出语义层来 "。

结语：智能体时代要用结果说话

谈到 AI 落地阶段，吴承杨断言智能体时代已经没有什么争议：" 今天如果企业还不是通过 Agent 去做，说明它和全球发展趋势有一定的距离。"

至于中国客户的投入意愿，他观察到不少企业热衷买 GPU、建算力中心、训垂类模型，而他的建议是，先做一个高价值、快落地的场景看看效果。