“大模型学了全人类的知识，但可能读不懂你公司的一张表。”7月20日，在上海世博中心举行的2026世界人工智能大会（WAIC）“贵州·AI驱动东西部协同发展论坛”上，OceanBase CTO杨传辉点出，这正是当前AI产业化落地的核心痛点。

在这场聚焦“东模西数”协同新范式的高级别论坛上，杨传辉以《OceanBase AI数据库支撑东模西数落地探索与实践》为题发表演讲。他指出，数据库必须从“人类操作的工具”进化为“Agent自主消费的智能底座”，并现场介绍了OceanBase在金融、交通等行业的实践探索西部银行与大型航企的实战案例——当西部金融与交通核心系统完成AI化改造，东西部AI产业共振便有了最坚实的数据依托。

（图说：OceanBase CTO杨传辉在WAIC发表演讲）

AI数据库：让数据成为大模型“听得懂、用得上”的燃料

数据是AI时代的燃料。杨传辉指出，AI时代的数据管理正面临三个根本性变化：使用者从人和传统应用扩展到Agent，数据形态从结构化变成了多模态，交互方式从SQL变成了自然语言和语义搜索。如果数据库还停在原地，再好的模型、再强的算力也难以发挥价值。

“传统数据库里存的是字段、是行和列，但大模型要的是上下文、是语义、是能够直接消费的信息。”杨传辉说。如果数据库不能解决这个问题，大模型就算算力再强，也无法在企业真实场景中落地。

杨传辉认为，AI时代的数据库进化不能停留在修修补补，而是系统性重构。过去，数据库是为人类操作设计的——人写SQL、人看报表、人做决策。但在AI时代，大量任务将由Agent自动执行，数据库不仅要对人友好，也要对Agent友好。

面对这些变化，OceanBase提出了“湖库一体”的AI数据库——“库”具备一致性、可靠性、实时性与扩展性，“湖”擅长规模与开放性，AI时代两者合而为一。

一方面，将结构化、半结构化、非结构化数据统一存放在对象存储之上，通过多模表统一管理所有数据类型，打破数据孤岛；另一方面，在一份统一的数据之上，同时支持事务处理（TP）、实时分析（AP）和AI工作负载。相较传统多系统方案，OceanBase AI数据库可降低整体TCO约30%-50%，让企业不必在多个系统之间搬运数据，让分析和AI能力直接生长在数据之上。

西部实践：从“数据孤岛”到“智能底座”

在“东模西数”的框架下，数据、算力、模型与应用场景需要高效协同。杨传辉指出，模型和算力之间还有一个容易被忽视的关键环节——数据基础设施。没有统一、高效、智能的数据基础设施，模型无法获取可信的上下文，模型与算力很难真正进入生产系统，最大化业务价值，东西部协同就缺少了“最后一公里”的支撑。

OceanBase在西部的实践，恰恰印证了这一点。

西部地区一家拥有百年历史的“老字号”银行，此前该行拥有近30款数据库系统。基于OceanBase一体化数据底座，该行将交易、实时分析、实时数仓统一整合，无需为每个业务负载单独建设分布式集群，约50%的系统已运行在OceanBase之上，大幅节约了投资成本。预计到2027年，这一比例将升至全行系统的85%。面向AI时代，该行正推进大模型与知识库建设，OceanBase的向量、文档等多模态能力也将帮助进一步收敛数据技术栈到AI数据库，让数据成为AI的“燃料库”。

“过去数据是孤岛，要等它‘翻山越岭’去往不同的系统；现在数据成为智能底座，所有能力在上面自然生长。”杨传辉这样形容。

另一家大型航司的难点，在于让数据“被信任”。其智能问数服务曾长期卡在“准确率瓶颈”——答不准，业务就不敢用，更谈不上辅助决策，数据价值无从释放。基于OceanBase AI 数据库，这家航企落地智能问数场景，一举跨越“准确率瓶颈”：业务人员用自然语言提问即可秒级取数，问数准确率显著提升；实时洞察进入经营一线，直接辅助核心决策。数据，也从"不敢信"的资产变为核心决策的信任底座。

从“存放数据”到“驱动智能”：OceanBase的AI时代答案

“东模西数”的规模化落地，需要建立连接大模型与算力的现代数据架构。面向生产系统，AI 数据基础设施既要具备一致性、可靠性、实时性和扩展性，也要统一管理多模态数据，为模型与AI应用持续提供可信的业务上下文。

“大模型是引擎，数据是燃料，数据库是底盘。”杨传辉在演讲最后说，“底盘不稳，引擎再强也跑不起来。”

目前，这套湖库一体的AI数据库已在蚂蚁阿福、灵光等场景完成大规模验证，正在加速走向企业级市场。从承载千行百业的核心系统升级，到面向AI时代的数据智能引擎，OceanBase正致力于从“存放数据”升级为“驱动智能”。

“我们有信心，在AI时代再造一个OceanBase。”杨传辉说。

面向AI时代，OceanBase AI数据库正将企业核心数据底座的能力延伸至多模态与AI工作负载，为“东模西数”的协同创新和规模化落地提供可靠支撑。