写点什么

甲骨文副总裁:只会 SQL 也可以搞定 AI,但对 DBA 的要求将更高

  • 2024-05-27
    北京
  • 本文字数:1936 字

    阅读完需:约 6 分钟

大小:957.81K时长:05:26
甲骨文副总裁:只会SQL也可以搞定AI,但对 DBA 的要求将更高

“最重要的不在于拥有多少大模型,而在于如何使用它们。”甲骨文公司副总裁及中国区董事总经理吴承杨说道。 

 

在全民探索大模型应用的现在,甲骨文也积极尝试。Oracle 融合数据库中的最新版本 Oracle Database 23ai 作为广泛的云技术服务正式发布,标志着甲骨文在 AI 领域的重大进展。

“只会 SQL,也可以全盘搞定 AI”

 

由于这个版本主要加入了突破性的 AI 技术,因此甲骨文将 Oracle Database 23c 重命名为 Oracle Database 23ai。

 

甲骨文公司中国区技术咨询部高级总监李珈介绍,23ai 专注 AI 主要体现在三个方面:一是 AI for Data,在数据应用在 AI 的层面上做深入加持;二是针对应用开发者,在使用层面上能够更简单;三是针对关键任务赋予 AI 能力。

 

此长期支持版本包含了 Oracle AI Vector Search 、300 多个主要新功能和数千项增强功能,专注于帮助用户简化数据中的 AI 使用。

 

AI Vector Search(AI 向量搜索) 是 Oracle Database 23ai 的一项重要功能,用户可以借此根据概念内容(而不是特定的文字、像素或数据值)来搜索文档、图像和关系数据,同时用户可以使用自然语言界面查询私有业务数据,并帮助 LLM 提供更准确和更相关的结果。

 

为什么不是一个单独的向量数据库或在 Database 引擎之上再拓展一个向量引擎?李珈表示,这样做的最大好处就是可以把业务数据和向量数据整合在一起。比如,原来用大量的业务数据做 AI 应用需要把数据拷贝出去,AI Vector Search 则可以用一个 SQL 直接查找业务数据和向量数据及其他数据类型的数据。

 

在向量化过程中,原来的做法是调一个大模型或一个嵌入的算法,这对有 GPU 资源的用户比较友好,对于多数没有设备资源的用户,Oracle 提出了新的 SQL 嵌入函数,可以把符合标准的嵌入模型放到 Oracle 里面,用 Oracle 数据库的引擎来帮用户做向量化,这样意味着即便没有 AI 方面的经验、只会 SQL,也可以全盘搞定这个过程。

 

此外,Oracle Database 23ai 可以在客户数据中心本地部署,也可以在云上部署。甲骨文还提供了 Oracle Digital Assistant,这是一个嵌入在 Oracle 应用中的数据助手,可以帮助回答客户问题。

 

“300 多个新功能,对于 23ai 的这个版本来讲非常有战略意义,是真正的 Game Changer。” 李珈说道。

 

甲骨文投入了大量的资金用于人才培养、科技研发和基础设施建设,以确保用户能够获得高质量的服务。Oracle Database 23ai 的研发周期通常为五年一个大版本的更新,但在每个季度都会有季度性的版本发布。

 

费用方面,吴承杨表示,甲骨文数据库的定价一直是以使用的 CPU 量来计算的,不会因为 23ai 的发布而改变定价规则。Oracle Database 23ai 中 AI 功能的使用不需要额外付费,因为它是作为一个新功能添加到现有版本中的。

 

“生成式 AI 用得好不好,只有一个标准,就是可以给用户带来什么效果,用户是否得到了本质性上的改变。”吴承杨强调,AI 的功能应该像用电一样简单易用,用户不需要成为 AI 科学家,只需懂得 SQL 即可。

 

李珈介绍,甲骨文开始做 Vector DB 以来,金融、电信、制造业等用户也积极跟进,应用场景包括欺诈分析,各种各样的智能体、AI 助手,长视频检测等。

 

“数据库 AI 化是一个必然趋势”

 

“随着生成式 AI 的出现,融合数据库将变得更加重要。”吴承杨说道。

 

融合数据库能够处理结构化数据、非结构化数据、图数据、JSON 和空间数据等多种数据类型,因此能够简化应用和分析的生成与运行。

 

企业在使用生成式 AI ,大模型应用时,更希望将企业内部数据放在本地。用户可以使用任何一个国产或国外的模型,比如 Llama-3,可以使用各种数据库来做 RAG。没有融合数据库,这些事情也可以做到,但需要一个很强大的开发商和复杂的技术架构。。

 

吴承杨认为,简化企业大模型应用的逻辑是“四个任何”:任何时候、任何地方、任何人、任何数据,都可以使用。把这四个加起来以后,就真正地解决了很多的问题。甚至用户自己内部的工程师、以前的 DBA 就可以解决。

 

吴承杨提到,随着 AI 进入数据库,未来对 DBA 的要求将会有所不同。“对未来的 DBA 来说,像数据库的管理、打补丁等能力基本不太需要或者需要比较少,但是对整个架构、整个数据应用方面的要求,会比以前的要求高很多。虽然仍被称为 DBA,但是要求不一样、工作范畴更大。”

 

甲骨文还强调了其向量数据库产品完全继承了 Oracle 数据库的企业级特性,包括安全、稳定、可靠和可扩展性。Oracle Real Application Clusters (RAC) 保护实例,Active Data Guard (ADG) 保护容灾。甲骨文还提供了强大的备份功能,以及 Exadata 数据库一体机,以满足高性能需求。

 

“Oracle AI 使我们的融合数据库上了一个非常大的台阶。”吴承杨说道。

 

吴承杨表示,数据库的 AI 化是一个必然趋势。对于一个数据库先进性的衡量,对 AI 的支持是必选项。而对于甲骨文来说,现在只是迈出了第一步,未来的想象空间是非常大的。

 

2024-05-27 10:004389

评论

发布
暂无评论
发现更多内容

Hibernate和MyBatis的区别比较

爱好编程进阶

Java 面试 后端开发

JAVA 序列化、反序列化以及serialVersionUID

爱好编程进阶

Java 面试 后端开发

JavaWeb之Cookie和Session技术(四)

爱好编程进阶

Java 面试 后端开发

ELK + Filebeat + Kafka 分布式日志管理平台搭建

爱好编程进阶

Java 面试 后端开发

JAVA 短链码生成工具类

爱好编程进阶

Java 面试 后端开发

消息队列数据存储表设计

随欣所遇

架构训练营5期

git(7)自定义 Git

爱好编程进阶

Java 面试 后端开发

Java7日期时间API

爱好编程进阶

Java 面试 后端开发

week6作业

Asha

GitOps多环境部署问题及解决方案

俞凡

研发效能 gitops

商业分析:SheIn是怎样成功的?

石云升

跨境电商 商业分析 4月月更

ActiveMQ详细入门教程系列(一)

爱好编程进阶

Java 面试 后端开发

DNS解析时发现域名和IP不一致,访问了该域名会如何(大厂真题

爱好编程进阶

Java 面试 后端开发

市场进展不断,STI 包括ZB等一系列上线预示着什么?

西柚子

模块8-设计消息队列存储消息数据的 MySQL 表格

卡西毛豆静爸

#架构实战营

DDD领域驱动设计实战-分层架构及代码目录结构

爱好编程进阶

Java 面试 后端开发

JavaWeb快速入门--Servlet(2)

爱好编程进阶

Java 面试 后端开发

Java中的复用类

爱好编程进阶

Java 面试 后端开发

Canal 如何实现数据库库事务的一致性

爱好编程进阶

Java 面试 后端开发

架构训练营模块八

刘帅

Java中高级核心知识全面解析——Linux基本命令

爱好编程进阶

Java 面试 后端开发

消息队列存储消息数据的 MySQL 表格设计

李大虾

#架构实战营 「架构实战营」

Alibaba2021年船新Java架构师成长笔记开源

爱好编程进阶

Java 面试 后端开发

Flink处理函数实战之三:KeyedProcessFunction类

爱好编程进阶

Java 面试 后端开发

HashMap + 软引用进行缓存

爱好编程进阶

Java 面试 后端开发

Elasticsearch Query DSL概述与查询、过滤上下文

爱好编程进阶

Java 面试 后端开发

【模块八】设计消息队列存储消息数据的MySQL 表格

yhjhero

#架构训练营

【国产化替代专题】星环科技春季新品发布周

星环科技

Gitlab Java API 使用示例

Java gitlab 4月月更

统计代码耗时的工具

Rubble

4月日更 4月月更

消息队列存储消息数据的mysql表设计

五月雨

架构实战营 「架构实战营」

甲骨文副总裁:只会SQL也可以搞定AI,但对 DBA 的要求将更高_AI&大模型_褚杏娟_InfoQ精选文章