【对外】【多模-移动云】AIx云原生—薛港V2.pdf

1、薛港移动云海山数据库架构师AI 云原生：数据库内核的演进之路AI 时代数据库再思考01目录CONTENTS数据库三种角色定位02海山数据库架构演进04海山数据库架构介绍03海山数据库智能路线05AI时代的数据库再思考团队以及产品介绍100+内核研发人员专注云原生数据库，自研海山数据库，基于日志即数据库理念，架构上实现了计算存储分离。产品能力：存储支持100T,一主15备，QPS 100W，TPS30S。团队的技术栈包括但不限于：数据库内核，分布式存储，云基础设施等。数据库是否会因AI改变形态？数据库的用户如果换成AI，数据库还会是现在的样子吗？AI时代数据库的重要性变化？传统应用，数据库是基石

2、。如果应用变成智能体，数据库核心地位是否发生变化数据库如何借助AI解决自身问题？统计信息准确性，缓存命中率稳定性，资源调度及时性01数据库三种角色定位02专注现有模型系统的工程效率，例如：降低训练/推理成本，提升模型吞吐与实时性；支持多模态接入（文本、图、时序、结构化）；强化数据清洗、标注等AP能力；构建大规模分布式运行架构，支撑更大TPS、更广泛场景。数据库作为 AI 基础设施数据库自身成为智能体 将模型能力下沉至数据库内核，解决传统方法无法覆盖或效率低下的问题：智能优化器、统计信息拟合，自动诊断、执行计划推荐、代价估算调优 分场景、分层次与传统规则系统互补融合，不盲目替代。数据库即智能体平

3、台数据库作为智能体运行的底座，内嵌以下能力：RAG 支撑：作为知识检索基础设施；长期记忆体：支持上下文记忆；模型服务接口：调用/路由多模型执行；外部工具调用器：作为 Agent 工具链执行协调层，目标：融合三种角色，构建真正的AI原生数据库，打造成面向未来的智能体基础设施平台。同时输出行业智能体解决方案，支撑业务从“AI可用”向“AI可控、可落地”演进。数据库作为 AI 落地的支撑平台难点数据库方案RAG链路多向量+SQL 化封装训练部署推理过程繁琐函数化封装成本高Serverless 服务稳定性主备高可用+RTO30S安全隐患权限+审计+加密数据存储与管理能力数据库提供高效、安全的数据管理能

4、力。通过支持结构化与非结构化数据，满足模型训练对海量数据的需求。数据预处理与清洗数据库内置的聚合、过滤等处理能力，可大幅简化AI数据预处理流程。通过SQL快速完成清洗、归一化与特征工程，并借助并行计算加速大规模数据处理，为模型提供高质量输入。模型集成通过内置的机器学习库或API，数据库能够实时执行模型推理，并将结果反馈给业务系统。降低了AI落地的技术门槛，使企业能够快速部署智能化应用。安全与合规保障数据库的数据加密、访问控制与审计功能，为AI应用提供合规保障。通过权限管理与脱敏技术，确保敏感数据在训练与推理中的安全可控，数据库内核智能化进化优化数据库核心功能AI 可深度优化数据库核心能力，如优

5、化器、缓存与索引策略。通过学习查询模式与数据分布，实现自动调优，提升性能与资源利用率，减少人工干预。增强场景化适应性实现智能自我升级AI 不再是外部工具，而是数据库内置的大脑。通过学习访问模式和系统负载，实现自动调参、故障预测与索引推荐，推动运维从被动响应向主动优化转变。传统数据库策略刚性，难以应对复杂多变的业务负载。AI 可实时分析并动态系统，实现数据库形态跟业务形态始终处于最佳匹配状态75%数据库模块传统逻辑AI 赋能方式优化器静态 cost model强化学习生成执行路径缓存管理LRU/策略调参模型预测热数据区域索引推荐与重建人工分析/hint基于 workload 智能生成/回收统计信

6、息分析周期采样数据分布建模自动生成成本模型资源调度/限流器固定阈值AI 预测负载趋势，弹性调整策略AI 工作负载对数据库的新挑战数据规模爆炸 AI 模型训练常需历史全量数据 多模态数据支持（文档、图、音视频等）体量大、管理也复杂数据类型多样：结构化+半结构化+非结构化 文本、文档、时序、图等异构数据混杂，要求数据库具备统一管理与查询能力；数据预处理、特征提取等过程常依赖复杂的数据操作（如嵌套结构、分词、向量生成等）。并发与带宽瓶颈：训练读取是高吞吐、低延迟的 I/O 挑战 多 GPU 并行训练时，对数据加载的实时性要求极高；批量训练常拉取大量样本，对随机