公司动态 - OceanBase宣布品牌升级并启用中文名"海扬数据库" 旨在深化本土市场布局并引领全球分布式数据库技术创新[1] - 中文名"海扬"寓意深远："海"象征对海量数据的处理能力（支持支付宝每秒42万笔交易峰值）及开源开放理念 "扬"代表技术突破与全球化发展[4] - 公司采用100%根自研模式 累计自研400万行代码 具备完全自主的技术生态构建能力[4] 技术能力 - 原生分布式架构突破传统单机数据库性能瓶颈 通过双十一等万亿级交易场景验证 实现高可用/高性能/高扩展性[4] - 发布AI时代一体化数据底库4.4.0版本及首个应用产品PowerRAG AI数据底座已在零售/金融/物流等行业头部企业落地[8] 商业化进展 - 专有云与公有云业务客户数连续四年增长超100% 服务覆盖金融/政务/通信/交通等关键行业[5] - 全球化布局扩展至亚太/中东/非洲/欧洲/美洲等50多个地理区域[5] - 生态建设方面与1200家合作伙伴合作 开源400万行代码 开源集群部署数超60000 下载量破百万[5] 行业机遇 - 数字经济与AI技术双重驱动下 国产数据库面临黄金发展期 企业需求聚焦自主可靠/高性能/高性价比[7] - 生成式AI兴起暴露传统数据库缺陷 OceanBase分布式架构可解决千亿级参数模型训练/数据孤岛/向量检索效率等痛点[7] 未来战略 - 专有云领域聚焦企业核心系统升级 公有云市场通过多云原生架构打造第二增长曲线[8] - 推行"Data×AI"战略 目标成为全球知名数据库品牌 提供从数据存储到智能应用的一站式解决方案[8]

品牌升级与战略定位 - 公司正式启用中文品牌名"海扬数据库"，品牌战略全面升级，体现深耕本土市场与引领全球分布式数据库技术创新的双重目标 [1] - "海扬"寓意承载海量数据（如支付宝每秒42万笔交易峰值处理）和开源开放生态，同时象征技术突破与全球化布局 [1] - 品牌名呼应"100%根自研"技术内核，强调15年自主研发历程 [1] 技术发展与商业化成果 - 公司诞生于2010年支付核心场景，通过"双十一"等万亿级交易考验，构建原生分布式架构，突破传统单机数据库性能瓶颈 [2] - 2020年商业化后，公有云和专有云双线发展，客户数连续四年增长超100%，覆盖金融、政务、通信等行业并实现全球化 [2] - 开源400万行代码，合作超1200家伙伴，开源集群部署数突破60000，下载量超百万 [2] AI时代战略布局 - 推出"Data×AI"战略，发布一体化数据底库4.4.0版本和首个应用产品PowerRAG，聚焦AI数据底座能力 [2] - AI解决方案已在零售、金融、物流等行业头部企业落地，推动AI从概念到实际应用 [2] - 公司目标成为全球数据库市场知名品牌，强化中国技术在全球舞台的地位 [3]

数据与AI融合趋势 - 高质量数据短缺成为AI发展瓶颈，前OpenAI首席科学家Ilya Sutskever警告"预训练时代即将终结"[1] - 全球数据量将从2024年147ZB增长至2028年393.9ZB，年增速达28%[4] - 大数据IT投资规模将从2024年3540亿美元增长至2028年6440亿美元[5] - 数据库发展范式转向"Data×AI"，即数据与模型一体化融合发展[1][6] OceanBase战略转型 - 提出构建"一体化数据底座"战略，支持SQL、AP和AI混合负载[2][9] - 15年技术积累支撑支付宝核心系统，连续十年稳定支持双11流量洪峰[13] - 全球唯一同时打破TPC-C和TPC-H测试纪录的数据库[13] - 已服务金融、政务等2000多家客户的关键业务系统升级[13] 技术能力突破 - 向量数据库性能领先，在VectorDBBench测试中超越3款开源产品[13] - 引入BQ量化算法使向量数据内存需求降低95%，2亿条1536维数据从1.2TB降至58.6GB[16] - 支持多模态数据包括标量、JSON、全文索引和向量混合检索[17] - 发布PowerRAG服务，封装文档处理全流程，准确率和召回率优于开发者自建方案[17] 产品发展方向 - 四大战略方向：知识底座、打破数据次元壁、AI靠谱参谋、流量冲浪高手[14] - 增强向量能力与融合检索，实现企业知识库动态更新[14] - 深度整合推理引擎与存储引擎，解决AI查询数据不一致问题[14] - 利用云虚拟化+分布式能力弹性应对流量波动[14] 行业生态布局 - 适配主流智能体平台包括Dify、FastGPT、DB-GPT和LangChain[20] - 开源社区用户突破百万，集群部署量超5万且年增长400%[21] - 连续两年位居墨天轮中国开源数据库排行榜第一[21][22] - 成立AI平台与应用部，CTO亲自担任AI战略一号位[21] 行业趋势判断 - 数据库正成为AI时代关键变量，模型能力取决于数据基础[23][24] - AI应用爆发产生两大需求：更海量数据和混合负载能力[24] - 未来所有数据公司都可能成为AI公司，Data×AI是核心竞争力[22][24] - 行业正从模型竞争转向底层数据基础设施建设[25][26]

公司战略转型 - 公司宣布全面进入AI时代，打造"Data×AI"核心能力，从一体化数据库转向一体化数据底座[1] - 蚂蚁集团CTO表示将支持公司在金融、医疗、生活等核心场景的AI突破[1] - 公司始于2010年服务天猫"双11"，2020年独立后面对AI规模化阶段的新红利与价格战等挑战[1] 新产品发布 - PowerRAG提供开箱即用的RAG应用开发能力，打通数据层、平台层、接口层与应用层全流程，支持文档知识库、智能对话等场景[3] - 共享存储产品实现对象存储与事务型数据库深度集成，TP负载存储成本最高降低500%[3] - 共享存储解决无共享架构在弹性和成本方面的瓶颈，适用于TP、历史库、时序类业务等场景[4] 市场需求与产品定位 - 企业分为两类需求：通用AI助力企业需结合内部数据做后训练，SaaS企业需将AI能力拆分融入[5] - 公司未来布局从数据产生到训练、应用全链条，当前重点在构建数据底座[6] - IDC预测2028年全球新生成数据量达393 9ZB，企业数据存储规模迈向EB级带来存储与管理挑战[6] 行业挑战与竞争 - 大模型幻觉问题源于数据质量或缺失，Data×AI融合是当前难点[7] - 数据库行业价格竞争激烈，国产厂商基于开源技术重叠导致低价争夺市场，云厂商通过订阅模式降低成本[7] - 公司强调技术创新带来的成本下降，认为性价比意味着更高质量而非单纯低价[7] 技术背景与趋势 - 对象存储因高可靠、低成本特性广泛应用于AP等场景，但TP生产环境依赖本地磁盘导致对象存储难以应用[4] - 海量互联网数据成就大模型，但数据获取成本增加、行业数据稀缺、多模态处理难等挑战仍存[6]