這是在《流浪地球2》中，十臺(tái)地球發(fā)動(dòng)機(jī)發(fā)射測(cè)試產(chǎn)生的0.03度角位移，而就是這0.03度印證了“移山計(jì)劃”的可行性。讓地球遷移計(jì)劃從“有可能”變?yōu)榱思榷ㄊ聦?shí)。

于當(dāng)下這個(gè)節(jié)點(diǎn)而言，ChatGPT便是那0.03度的角位移。它的出現(xiàn)讓很多趨勢(shì)成為了既定事實(shí)。這其中，并不只是對(duì)通用大模型等顯性特征達(dá)成一致，而是對(duì)當(dāng)前的技術(shù)架構(gòu)有著根源性的重構(gòu)。

數(shù)據(jù)庫(kù)的云原生化便是其中之一。以往提到云原生，無(wú)外乎是隨著企業(yè)業(yè)務(wù)發(fā)展的爆發(fā)式需求，將數(shù)據(jù)庫(kù)遷移上云能夠大幅度降本，對(duì)于云原生的探索更多集中在高彈性、高可用性、資源解耦等技術(shù)優(yōu)勢(shì)。

國(guó)內(nèi)外的云巨頭們?cè)缇烷_(kāi)始了提前布局。在阿里云瑤池?cái)?shù)據(jù)庫(kù)峰會(huì)中，基于阿里云原生數(shù)據(jù)庫(kù)Polar DB推出了一體化HTAP數(shù)據(jù)庫(kù)；騰訊云云原生數(shù)據(jù)庫(kù)TDSQL-C打榜TPC-C破世界紀(jì)錄；螞蟻集團(tuán)云原生時(shí)序數(shù)據(jù)庫(kù)CeresDB 1.0正式發(fā)布；Amazon Aurora Serverless v2將在中國(guó)區(qū)域上線。

“未來(lái)接觸AI之后，業(yè)務(wù)的迭代速度會(huì)越來(lái)越快，業(yè)務(wù)都要為企業(yè)創(chuàng)造價(jià)值。這個(gè)過(guò)程中要求快速迭代、穩(wěn)定、低成本、彈性，‘又快又穩(wěn)定’這對(duì)于系統(tǒng)的要求是非常矛盾的。今天能夠解決這個(gè)系統(tǒng)問(wèn)題的架構(gòu)，就是云原生架構(gòu)，所以說(shuō)今天云原生架構(gòu)是所有系統(tǒng)演進(jìn)的未來(lái)?！卑⒗镌茢?shù)據(jù)庫(kù)解決方案專家李圣陶判斷道。

這意味著我們將進(jìn)入一個(gè)全面云原生化的時(shí)代。不只是數(shù)據(jù)庫(kù)的云原生，更多應(yīng)該發(fā)生在應(yīng)用的云原生、基礎(chǔ)設(shè)施的云原生中，云原生數(shù)據(jù)庫(kù)是一個(gè)起點(diǎn)，也是撬動(dòng)下一個(gè)時(shí)代的關(guān)鍵扳手。

云原生是迎接智能化時(shí)代的基礎(chǔ)條件，智能化是云原生數(shù)據(jù)庫(kù)新的牽引力，二者相輔相成并呈螺旋式上升。

阿里云數(shù)據(jù)產(chǎn)品事業(yè)部負(fù)責(zé)人李飛飛認(rèn)為，這分為兩個(gè)部分：AI for DB，DB for AI。

在智能化之前，數(shù)據(jù)庫(kù)的運(yùn)維主要依靠云資源池化、分層解耦（存算分離）和人工服務(wù)實(shí)現(xiàn)混合數(shù)據(jù)庫(kù)的統(tǒng)一管理。然而隨著數(shù)字時(shí)代數(shù)據(jù)庫(kù)架構(gòu)和運(yùn)行環(huán)境日趨復(fù)雜，數(shù)據(jù)庫(kù)種類也從單一產(chǎn)品轉(zhuǎn)變?yōu)榛旌闲蜕虡I(yè)數(shù)據(jù)庫(kù)和開(kāi)源數(shù)據(jù)庫(kù)的組合，依靠人工運(yùn)維顯得捉襟見(jiàn)肘。

AI for DB的核心在于利用機(jī)器學(xué)習(xí)，能夠給予海量運(yùn)行數(shù)據(jù)形成智能運(yùn)維模型，自動(dòng)化處理各項(xiàng)任務(wù)，例如自動(dòng)管理計(jì)算與存儲(chǔ)資源、自動(dòng)防范惡意訪問(wèn)與攻擊、主動(dòng)實(shí)現(xiàn)數(shù)據(jù)庫(kù)智能調(diào)優(yōu)等。

舉個(gè)簡(jiǎn)單的例子，參數(shù)調(diào)參的本質(zhì)和自動(dòng)駕駛的參數(shù)一樣，何時(shí)打方向盤(pán)、何時(shí)踩剎車對(duì)系統(tǒng)而言都是一些固定的參數(shù)設(shè)置。傳統(tǒng)的調(diào)參方式往往是“經(jīng)驗(yàn)調(diào)參”，需要不斷試錯(cuò)不斷總結(jié)，而將機(jī)器學(xué)習(xí)能力應(yīng)用在運(yùn)維系統(tǒng)里，在數(shù)據(jù)庫(kù)運(yùn)行時(shí)，ML便能通過(guò)學(xué)習(xí)和分析，靈活調(diào)優(yōu)，最終在每個(gè)節(jié)點(diǎn)都能達(dá)到最優(yōu)的參數(shù)設(shè)置。

同類型的應(yīng)用還有很多，比如自定義備份策略、自動(dòng)在線升級(jí)修復(fù)BUG、監(jiān)控自定義報(bào)警燈等等。對(duì)傳統(tǒng)的數(shù)據(jù)庫(kù)運(yùn)維方式大幅提效。

在AI 2.0時(shí)代，DB for AI一個(gè)最大的變化是多模態(tài)數(shù)據(jù)處理一體化。包括不限于時(shí)序數(shù)據(jù)、文檔數(shù)據(jù)、寬表數(shù)據(jù)、結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)、圖數(shù)據(jù)等等融合在一起，為AIGC所需的多模態(tài)數(shù)據(jù)打下堅(jiān)實(shí)的基礎(chǔ)。

此前，數(shù)據(jù)庫(kù)按照數(shù)據(jù)類型被分為各類垂直數(shù)據(jù)庫(kù)，這也是同一個(gè)企業(yè)采購(gòu)多個(gè)數(shù)據(jù)庫(kù)的原因，而多個(gè)數(shù)據(jù)庫(kù)之間的不互通，又給了運(yùn)維平臺(tái)相當(dāng)大的挑戰(zhàn)，但在AIGC和多模態(tài)大模型等需求下，對(duì)數(shù)據(jù)類型和質(zhì)量的要求都會(huì)提高。

另一個(gè)方面的挑戰(zhàn)是，對(duì)于數(shù)據(jù)庫(kù)廠商而言，需要提供靈活的模型導(dǎo)入能力和接口，可以把第三方以及客戶自己的模型一鍵導(dǎo)入，并且支持模型的數(shù)據(jù)庫(kù)存儲(chǔ)和使用，在各種各樣的應(yīng)用中完成所需要的推理。

目前，國(guó)內(nèi)外廠商都已經(jīng)開(kāi)始聞風(fēng)而動(dòng)。從全球局勢(shì)來(lái)看，多模態(tài)數(shù)據(jù)跑在最前面的仍是微軟Azure。Azure Cosmos DB支持文檔、鍵值對(duì)、列族和圖形數(shù)據(jù)，并支持Serverless（無(wú)服務(wù)）選項(xiàng)，用戶可以按需付費(fèi)，不必預(yù)配和維護(hù)，這使Azure Cosmos DB更加具有彈性，能夠快速縮放，大大提高了多模數(shù)據(jù)庫(kù)的易用性。

而AWS的多模數(shù)據(jù)庫(kù)Amazon Neptune本質(zhì)上是一種高性能的圖形數(shù)據(jù)庫(kù)，支持圖形數(shù)據(jù)模型和SPARQL查詢語(yǔ)言，雖然支持鍵值對(duì)數(shù)據(jù)模型，但可操作性十分有限。

國(guó)內(nèi)，阿里云在剛剛過(guò)去的阿里云瑤池?cái)?shù)據(jù)庫(kù)峰會(huì)中，發(fā)布了Lindorm靈動(dòng)多模態(tài)數(shù)據(jù)庫(kù)，據(jù)李飛飛介紹，Lindorm 多模數(shù)據(jù)庫(kù)具備多模數(shù)據(jù)處理能力，還集成了AI能力，能夠生成視頻、圖表等AI生成式內(nèi)容。用戶只需寫(xiě)幾段SQL語(yǔ)言，即可在數(shù)據(jù)庫(kù)內(nèi)完成模型的部署和推理，快速搭建AI應(yīng)用的平臺(tái)。

在AIGC蓬勃發(fā)展的當(dāng)下，國(guó)內(nèi)多模態(tài)數(shù)據(jù)庫(kù)的發(fā)展也將成為通往數(shù)據(jù)智能時(shí)代的重要支撐。

受智能化的引力牽引，云原生從1.0快速進(jìn)入了2.0時(shí)代。

關(guān)于云原生2.0時(shí)代與1.0最大的區(qū)別，李飛飛認(rèn)為是“四化”：云原生化、平臺(tái)化、一體化、智能化。而騰訊云總裁邱岳鵬則認(rèn)為是：一體化、敏捷調(diào)用、數(shù)智融合和開(kāi)箱即用。

即便說(shuō)法不同，但一體化的趨勢(shì)是確定無(wú)疑的。

在傳統(tǒng)數(shù)據(jù)庫(kù)中，不同的分類標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)的類型不同。比如按照功能分類，分為：OLTP、OLAP；按照數(shù)據(jù)種類分，分為時(shí)序數(shù)據(jù)庫(kù)、鍵值數(shù)據(jù)庫(kù)、圖數(shù)據(jù)庫(kù)等；按照數(shù)據(jù)庫(kù)架構(gòu)分，分為分布式數(shù)據(jù)庫(kù)、集中式數(shù)據(jù)庫(kù)。

這種復(fù)雜程度，也是數(shù)據(jù)庫(kù)作為基礎(chǔ)軟件“三駕馬車”難以攻克的關(guān)鍵點(diǎn)之一。

在去年，已經(jīng)有部分廠商如OceanBase、PolarDB、TDSQL-H、TiDB等都實(shí)現(xiàn)了 HTAP，幾乎成為了新興數(shù)據(jù)庫(kù)的必選項(xiàng)。Gartner也提出HTAP已經(jīng)成為了全球范圍內(nèi)新一代數(shù)據(jù)庫(kù)入場(chǎng)的籌碼，兼具AP和TP能力，將打破數(shù)據(jù)棧的割裂狀態(tài)，最終讓數(shù)據(jù)集中在簡(jiǎn)單易用、安全可靠、高性價(jià)比的數(shù)據(jù)平臺(tái)。

不過(guò)，過(guò)去的HTAP通常只是同一廠商TP和AP的簡(jiǎn)單“捏合”，品牌是統(tǒng)一的，但支持交易和分析的時(shí)候有不同架構(gòu)和部署形態(tài)來(lái)適應(yīng)負(fù)載。李飛飛也直言：“過(guò)去的HTAP的T和H是兩個(gè)完全獨(dú)立的引擎，因?yàn)镸PP（大規(guī)模并行處理）和ACID（數(shù)據(jù)庫(kù)事物正確執(zhí)行四要素）的要求不同，除非犧牲數(shù)據(jù)的一致性和可見(jiàn)性，在一個(gè)引擎里，又想做行、又想做列的MPP，幾乎不可能?！?/div>