OceanBase 发布湖库一体 AI 数据库，统一多模与事务处理
OceanBase 通过存算分离与多模一体化，使 AI Agent 能在同一生产级数据库上完成事务、搜索、分析和推理，无需拼接多套系统。
OceanBase 发布湖库一体 AI 数据库，将实时事务、开放存储与 AI 计算融合到同一底座。支持多模表、AI 列（自动触发 Embedding）、混合搜索、秒级 Fork Database（像 Git 分支一样隔离开发环境）以及逻辑表解决海量 Agent 并行场景下的 Schema 爆炸问题。
正文摘录
OceanBase 湖库一体，重新定义 AI 数据库 - 来源：量子位 主流数据库的发展经历了几次重要演进：从最早的 OLTP 数据库，到 OLAP 从其中分离出来成为数据仓库，再到大数据系统。长期以来，数据库架构主要围绕人类应用、确定性交易和结构化数据分析设计。 AI Agent 不再只是读取数据、回答问题，而是开始调用工具、生成代码、执行任务、修改状态，甚至参与业务流程。数据库的使用者，正在从人类应用扩展到大量自主运行的 Agent 。 这带来一个根本问题：当成千上万个 Agent 同时读写、搜索、试错、回滚和生成上下文，数据库还应该是过去的样子吗？ 因此，AI 数据库不是传统数据库增加几个 AI 函数，也不是向量数据库补上 SQL 能力。它要解决的是 AI 进入生产系统后的数据基础设施问题。 多模态数据需要在统一底座上被管理，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，读写、试错、回滚和治理中保持数据库级一致性与可靠性。 Databricks 和 Snowflake 从湖仓和数仓系统出发，不断补充 OLTP 的事务能力；OceanBase 和 Oracle 从交易库出发，持续提升 OLAP 和大数据能力；MongoDB、Milvus、Elasticsearch 从专用库出发，连续增强通用数据库的能力。 不管出发点如何，不同路线都正在向一个能够同时处理交易、分析、搜索、向量以及 AI 计算的统一数据底座演进。 最早我们开始做分布式 OLTP，解决了在线交易的扩展性和可靠性。后来我们又在 OLTP 基础上加入了实时 OLAP 支持，消除了 TP 到 AP 的数据搬运。去年，我们发布了多模一体化，把向量、全文、JSON、GIS 等能力带进同一个数据库引擎。