摘要：升级AI战略后的OceanBase迎来了首次开发者大会。5月17日在OceanBase第三届开发者大会上，OceanBase发布面向AI的应用产品PowerRAG，该产品提供开箱即用的RAG应用开发能力，是OceanBase面向AI时代的探索之一。作为AI战略

升级AI战略后的OceanBase迎来了首次开发者大会。5月17日在OceanBase第三届开发者大会上，OceanBase发布面向AI的应用产品PowerRAG，该产品提供开箱即用的RAG应用开发能力，是OceanBase面向AI时代的探索之一。作为AI战略一号位、CTO杨传辉表示，OceanBase正致力于构建Data×AI能力，面向AI时代推动一体化数据库向一体化数据底座的战略演进。此前，CEO杨冰曾通过全员信宣布公司全面进入AI时代。

蚂蚁集团CTO何征宇在大会现场表示，蚂蚁集团将支持OceanBase在金融、医疗、生活等蚂蚁AI的核心场景的突破，支持OceanBase去实践DataxAI的理念和架构创新。同时继续支持OceanBase开源开放，把在Data×AI上的能力逐渐开放给行业，为AGI的梦想添砖加瓦。

从一体化数据库向一体化数据底座演进

AI时代带来了新的数据难题，已成为行业共识。IDC报告指出，受生成式AI等技术驱动，预计2028年全球新生成数据量规模将达到393.9ZB，其中企业数据规模和增速尤为凸显。于企业而言，数据仓库的容量已实现质的飞跃，结构化数据存储规模“突破PB级迈向EB级”成为新常态，这给数据存储、管理与分析带来严峻挑战。

蚂蚁集团CTO何征宇也在分享中指出，海量的互联网数据成就了今天的大模型，但大模型幻觉问题的源头也是数据问题。数据决定着大模型的能力上限，且依旧有四大挑战：一是数据的获取成本显著增加，二是严谨的行业数据稀缺且流动困难，三是多模态数据需要更强的处理能力，四是数据的质量评估难。

面对行业的真实需求，OceanBase正在大胆探索。杨传辉认为，作为一个一体化分布式数据库，OceanBase已经具备了一定的AI时代数据处理能力，如分布式有效应对海量数据的存储计算、多模融合统一处理不同结构数据、TP/AP一体化实现混合事务和实时分析处理。但大模型落地产生价值的核心在于数据与模型的一体化融合，这也是OceanBase提出的构建Data×AI能力的关键。

基于这一能力，OceanBase致力于从一个一体化数据库向一个一体化数据底座演进，通过一套引擎同时支持TP/AP/AI混合负载，支持向量数据库，实现SQL与AI的混合检索，这背后涉及OceanBase在Data与AI领域的工程与产品能力。

PowerRAG发布，提供开箱即用的RAG应用开发能力

在杨传辉描绘的一体化数据底座版图中，OceanBase期望在未来实现从算力、基础设施，到平台层、应用层、交付形态的全方位布局。

此次大会上，OceanBase首次发布面向AI的应用产品PowerRAG，打造AI驱动的开箱即用的RAG服务。

杨传辉介绍，传统RAG应用常用开发模式包括组件森林开发模式、RAG平台模式等，但存在开发周期长、维护成本高、灰箱调试困难、性能难以优化等问题。

OceanBase PowerRAG提供开箱即用的RAG应用开发能力，打通应用开发数据层、平台层、接口层与应用层的全流程，提供Document（文档）和 Chat（对话）两个核心API接口，帮助用户实现文档知识库、智能对话、图像比对、数据分析等多种AI应用场景的快速开发。

“致力于成为AI时代的一体化数据底座，PowerRAG是OceanBase在应用层面探索的第一步，未来还将在应用层面、平台层面不断突破。”杨传辉表示。

记者还了解到，过去十五年OceanBase诞生于双11的海量交易场景并在蚂蚁集团的金融场景中经受磨砺打磨技术，未来，蚂蚁集团也将继续向OceanBase开放核心AI场景，帮助OceanBase进一步攻坚AI关键能力，实现开放开源，为行业提供更多的AI创新服务。

向量性能已达开源向量数据库业内的领先水平

作为原生分布式数据库，OceanBase原本就具有的企业级分布式数据库能力为AI时代的海量数据处理分析打下基础。在支持AI应用落地的核心基础设施——向量性能、混合检索等层面，OceanBase也在持续探索，进一步加强SQL+AI能力。

大会现场，基于基准测试工具VectorDBBench，采用Performamce768D1M测试数据集，OceanBase与业内三款领先的开源向量数据库进行性能跑分测试。结果显示，OceanBase的向量性能已经达到开源向量数据库业内的领先水平。

面对AI时代的海量数据，OceanBase还引入BQ量化算法（HNSW+BQ），大幅降低向量场景的内存需求；引入针对JSON半结构化数据的压缩能力，降低AI场景中的半结构化数据存储成本。根据测试结果，在同等召回率与性能的情况下，引入BQ量化算法能够实现内存成本较引入前降低 95%，而在TPC-H 10G数据集上，OceanBase的JSON压缩比可达 MongoDB 的3倍。

此外，OceanBase已具备面向多种数据模型的混合检索能力。在最新版本中，OceanBase混合检索性能进一步增强，通过丰富的执行策略、自研的向量算法库、内核级多模混合查询等实现更快、更准、更易用的混合检索。

目前，OceanBase已被客户应用于多个AI相关场景的开发，如联通软研院基于OceanBase打造AI助手，in银泰商业则基于OceanBase打造零售业智能问数平台等。

来源：量子位一点号