甲骨文吴承杨：生成式 AI 难以落地，缺少以 AI 为中心的应用开发架构是关键

“云、人工智能和数据，把它们有机地结合起来，这就是 Oracle 要做的事情。”甲骨文公司副总裁及中国区董事总经理吴承杨说道。

在今年的全球云大会上，Oracle 旗帜鲜明地表明了自己的重点方向，无疑也是当下最热门的几个技术领域。与此同时，Oracle 也有了落地案例，比如法国巴黎银行正在 Oracle Exadata 私有云上使用人工智能(AI)模型，发展业务的同时也加强了网络安全等。

多云，不完全是技术问题

“现今，并不是所有的云供应商都愿意在沟通当中首先谈多云。”吴承杨表示，多云是用户的根本需求，就像用户愿意选择多个数据库。而对于多云的态度，更多是云供应商的意愿问题，而不完全是技术问题。

Oracle 在多云上已经做出了自己的选择。Oracle 多云战略现在有两种表现形式：

• Oracle 数据库服务可以在 Google Cloud、AWS 和微软 Azure 中提供。很多企业的核心应用选择 Oracle，但基础设施选择 AWS、GCP 等，以前需要网络打通或要拉专线，而直接把 Oracle 数据库的基础设施放在客户的 GCP 等数据中心就可以很好地解决网络延迟等问题。另外，很多企业要开始尝试 AI，其中绕不过去的是私有数据处理问题，无论用 AWS 的 AI 还是 GCP 的 AI，都需要获得 Oracle 数据库里的数据。

• Oracle Database@Azure 现已在 6 个 Azure 数据中心推出，还很快将在另外 15 个地区推出。Oracle Database@Google Cloud 已在美国和欧洲的 4 个 Google Cloud 区域中全面推出。现在，用户可以在特定的 Google Cloud 数据中心内基于 OCI 运行 Oracle Exadata Database Service、Oracle Autonomous Database 和 Oracle Database Zero Data Loss Autonomous Recovery Service。

“两个数据中心的连接，像我们和谷歌 GCP 的端口之间，它是免费提供的。这意味着，对于某一个应用，如果 Oracle 有价格优势，用户可以转到 OCI 来，也可以用在 GCP 上。”吴承杨介绍。

“建立大型数据中心和算力的原因，根本来讲是因为需求太大了。”吴承杨表示，客户想去做各种各样的 GPU 应用，从通用领域到专业领域，都需要大量的 GPU。建立数据中心首先需要 GPU 集群，其次需要网络把多台机器连接起来，然后需要存储，更重要的是发热处理与电力来源。

目前，业内对数据中心的定位和理念，基本上是两种思路：一是业界更为普遍的作答，在全球建立数量有限、但规模很大的数据中心；二是提供多种多样的数据中心，既有超大型规模的，也有中型的和小型的。Oracle 的选择是后者，让数据中心整个的体量根据客户的情况有所变化。

目前，Oracle 在全球已经建成和正在建的共有 162 个 OCI 区域，其中就包含可能只是为某一个客户建立的公有云。

甲骨文公司中国区技术咨询部高级总监嵇小峰介绍，Oracle 和其他云厂商的区别在于 OCI Dedicated Region，“我们从最早的二十多个 rack（服务器机架）到十多个 rack，再到目前的 3 个 rack。跟以前不一样的是，以前的 rack 放在客户的数据中心需要一个连续的空间，但现在 3 个 rack 可以不挨在一起，带来了很多的便利性。”

“更重要的是，借助 Oracle Database@AWS、Oracle Database@Azure 和 Oracle Database@Google Cloud，客户可以直接访问在 OCI 上运行并直接部署在四大云厂商的数据中心内的 Oracle Database 服务，这就是我们的技术优势之一。”嵇小峰说道。

通用型大语言模型的本地化部署有两大挑战，第一是供电，第二是冷却，这对基础设施的要求非常高，一般的企业是无法负担的。不过在某些专业领域，比如癌症筛查，还是有可能本地化部署大模型的。

AI，围绕企业应用

对于 AI，李珈表示 Oracle 的定位非常清楚：关注数据和 AI 生成式应用本身，而不是大语言模型。”总体看，Oracle 的策略是围绕着企业使用 AI 的实际场景而制定，其中主要有三种不同的模式：基础设施、模型和服务以及应用内服务。

“当下生成式 AI 的热度很高，但是缺少了以 AI 为中心的企业级开发架构，因此无法真正落地，为企业提供价值，这是问题的根本。”吴承杨说道。

吴承杨提到，生成式 AI 有几个根本性的问题：一是幻觉问题，二是非实时性的，三是没办法给到企业内部的数据。幻觉是企业普遍担心的问题，要解决这个问题需要 RAG 技术，它支持企业把自己的实时数据灌进去，来达到大量的减少幻觉的目的。但这也不能完全杜绝幻觉的出现。

“Oracle 能做到更进一步，即与自己内部的核心关系数据进行交叉对比，以此减少大模型幻觉。总的来说，Oracle 可以让客户在同一个平台上，既能够做向量数据库，又能够做关系型数据库，还能够做 RAG，这是 Oracle 的独家优势。”

而以 AI 为中心的基础设施需要具备三个能力：第一，模块可以组装、互相独立，可以各自发展；第二，整个应用要能够用声明式的语言简单地翻译，对它进行描述；第三，健壮性、高可用性、安全性、一致性这些都是底座，不需要开发人员关注这些问题。

李珈介绍，Oracle 的 AI 战略覆盖整个公司和产品组合。“要把生成式 AI 变成企业级应用，Oracle 有很多相关服务，比如在 OCI 上有许多可使用的 AI 服务，我们还有一些行业解决方案，比如说在 ERP 中就有几十个可嵌入的 AI Agent，我们还有 AI 平台，让客户在整个技术堆栈中，可以在本地搭建 AI。”

Oracle 因此推出了一个新的理念，生成式开发基础设施 GenDev，在 OracleDatabase23ai 中引入了以人工智能为中心的生成式开发基础架构，开发人员可专注于构建应用功能，而非数据基础设施需求。另外，Oracle 推出了生成式 AI RAG Agent 和增强型 AI 服务，来帮助企业解决业务问题，发布了 Oracle Code Assist 测试版帮助提高开发人员的速度、OCI Kubernetes Engine 增强功能可帮助企业大规模训练和部署 AI 模型等。

“Oracle 提到的以 AI 为中心的开发架构，并不是一个关于未来的时间表，已经成为现实。比如对于应用开发商 ISV 来讲，采用 AI 为中心开发的架构可以实现更高效的开发。”吴承杨强调。