阿里云开发者大会2013_阿里云谈AI下半场 数据库已经开始比拼性价比

全球金融中心的“全球问题”系列报告

[全球网络技术报告记者Li ]在最近举行的2025年阿里巴巴云开发人员会议上，阿里巴巴云宣布将成为全球数据库绩效和成本效益的排名。

to the of the (TPC, ) that Cloud the TPC-C test with a of 2.5 times than the , a new world for TPC-C and cost- with a score of 2.055 per (tpmC) and a unit cost of 0.8 yuan (price/tpmC).

这意味着，自我开发的云本地体系结构不仅突破了单个集群的可扩展性瓶颈，而且还可以成功地与世界上最大的并发交易峰一起成功地，在诸如性能和可扩展性之类的多个维度上引领世界。

“这次排名得分为0.8元TPMC，是以前最佳分数的2/3，从本质上讲，这是一个降低成本。”阿里巴巴云智能集团副总裁兼负责人李·菲菲（Li ）在一次采访中说，从本质上讲，降低所有系统成本的最终目标是使用100％现有资源和有限的资源。

在AI时代，数据库的核心进化方向是“ AI本地”和“架构集成”。通过智能操作和维护，多模式集成，云原生弹性和开源生态系统，可以实现最终的资源利用和AI功能，最终降低了企业智能转换的阈值。

AI访问数据库以创建“极端”成本效益

在2025年的阿里巴巴云开发人员会议上，Cloud 正式启动了一个AI版本，该版本具有内置的大型模型，以帮助个人和企业开发人员迅速部署和启动AI应用程序。 AI节点采用模型计算表，以支持用户直接优化数据库中的搜索和推理。在线推理吞吐量可以增加10倍以上，从而大大降低用户部署成本。

“ Ali Cloud拥有完全集成的数据+AI，旨在为用户提供更具包容性，易于使用的数据管理平台，以帮助单个开发人员和企业用户使用数据来推动创新，”阿里巴巴云的负责人李·菲夫（Li ）说。我们将继续发展朝着云本地和AI驱动的发展，使AI时代的数据库开发与“构建块”一样简单，从而大大降低了数据库的应用阈值。

从产品的角度来看，这次新版本启动了三个主要方向：绩效突破，极端的成本效益和AI的深层整合，旨在降低企业数据处理成本并通过技术创新提高效率。

例如，在云本地体系结构上，通过共享存储，分布式块存储（）和物理日志（重做日志）优化实现高并发和低潜伏期。基于CXL的模型被部署在公共云特异性资源库中，以改善内存资源利用率。就AI天然功能而言，大型模型（例如 ）嵌入了数据库内核中，支持推理加速度和内存溢出管理，并将推理吞吐量增加了10倍以上。

简而言之，数据库是AI服务。 AI功能需要深入嵌入到数据库中（例如推理加速度），将大型模型（例如）直接集成到数据库内核中，并实现端到端推理加速度。

降价也触及了行业的敏感点。作为回应，李·菲维（Li ）表示，不论成本如何，都进行了价格战，目的是通过燃钱策略将竞争对手赶出市场。这种方法很难持续很长时间，因为它依赖于背后的强大财政支持。基于技术进步和有效利用资源的竞争方法旨在不断提高产品和服务的成本效益。这是促进科学和技术文明的进步以及更可持续发展的发展模型的关键。

希望通过技术创新实现最终的成本效益，而不是简单的价格降低。例如，通过解开CPU和内存，相同的内存可以支持更多的负载，从而进一步降低运营成本。这种方法不仅提高了内存资源的利用率，而且还提高了系统的灵活性和可扩展性，从而使竞争对手难以模仿或跟进。

Li 强调，阿里巴巴云数据库希望使用极端技术优化来降低边际成本，从而实现最终的成本效益。

软件和硬件协作是趋势

云本机数据库是专门为云计算环境设计的。他们通常采用分布式体系结构，支持自动缩放，提供高可用性和容错性，并可以有效利用云资源的弹性特征。这些功能使云本地数据库非常适合处理服务中的大规模数据存储和访问要求。

随着AI技术的开发，尤其是深度学习和机器学习的应用，已经提出了用于数据存储和处理的新要求。

AI本地数据库不仅关注如何更有效地存储和管理数据，还专注于提供更智能的服务。这意味着数据库可以理解数据内容并基于上下文做出决策，例如建议系统可以根据用户的浏览历史记录提供个性化的建议。

在Li 认为，AI的第一波主要是由算法和模型（例如体系结构）中的创新驱动的。但是，随着技术的发展，AI领域算法和模型中的当前突破变得有限，现在它更多地关注系统级优化和分布式工程问题。

已发表的开源库专注于系统级优化，例如数据库管理和分布式系统改进，这对于利用新硬件（例如DPU）至关重要，并且具有巨大的实用价值。

“开源模型的出现赋予了复杂的推理能力。” Li 认为，成功和成功都表明，软件和硬件共同努力的能力将是未来的主流趋势。仅依靠软件级创新不足以支持技术的进一步发展，需要更多的关注来关注硬件级别的优化和集成。

将来，GPU体系结构可能会以类似于当今CPU体系结构的方向发展，从而实现了计算，内存和存储的分离和汇总，以提高效率并降低成本。当前的研发重点是如何通过辅助手段（例如CPU+DRAM）有效地使用昂贵的GPU资源并降低整体计算成本。

抓住AI爆炸的关键时期

从企业的角度来看，企业不想满足大型数据库模型（例如需要向量，图形数据库和内存数据库）等技术提出的各种要求，但必须掌握和管理许多不同类型的数据库。这不仅增加了对技术技能的需求，而且还使与多个数据库供应商的关系管理复杂化。

因此，全球云数据库魔术象限的高级研究总监兼首席作者Gu 认为，未来的开发趋势指出数据库的集成，也就是说，将多种类型的数据库功能集成到一个平台中，从而简化了选择和管理过程。人们认为，这种集成的解决方案在云数据生态系统的未来发展中起着重要作用。

当前是爆发AI应用程序的关键时期，抓住这一机会至关重要。 Li 认为，无论谁可以领导将AI技术与现有业务和数据处理流程相结合的人，将在这一领域获得巨大的竞争优势。换句话说，企业可以通过将AI技术与现有的业务和数据处理流程相结合，尤其是关注后培训阶段的应用和服务，从而降低运营成本并降低运营成本并最大程度地提高资源利用效率，从而使数据最大化其最大程度地提高其在市场上的优势，从而使资源最大化，从而降低运营成本并最大程度地提高了资源利用效率，企业可以降低运营成本并最大程度地提高资源利用效率。

“全球问题”：本专栏将重点关注全球经济热点，主要的政策调整和尖端业务趋势，并通过深入分析和权威解释为读者提供独特的见解。我们不仅专注于大型跨国公司的业务发展策略，还专注于新兴市场的机遇和挑战；我们不仅分析了政策变化背后的深层逻辑，而且还评估了这些变化对不同行业和领域的长期影响。