云栖重磅|瑶池数据库:从云原生数据底座向“AI就绪”的多模态数据底座演进

本文涉及的产品
Redis 开源版,标准版 2GB
推荐场景:
搭建游戏排行榜
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 Tair(兼容Redis),内存型 2GB
简介: 瑶池数据库:从云原生数据底座向“AI就绪”的多模态数据底座演进

9月24日2025云栖大会上,阿里云智能集团资深副总裁、数据库产品事业部负责人李飞飞发表题为《瑶池数据库:多模态AI数据底座,智能数据管理平台》主题演讲。他表示:“数据与AI大模型的开放融合是大势所趋。面向Agentic AI时代,阿里云瑶池数据库正加速迈向新阶段——从云原生数据底座向“AI就绪”的多模态数据底座全面演进。”


这一战略性升级聚焦3大核心路径:持续增强云原生能力、全面提升多模态数据管理能力、深化数据库与大模型的融合能力,旨在为用户提供更智能的数据管理平台,高效整合数据与AI,释放数据深层价值。

image.png

01、全球首创CXL数据库服务器,树立内存池化新标杆

今年2月,阿里云瑶池旗下的云原生数据库PolarDB以每分钟20.55亿笔交易(tpmC)和0.8元人民币/tpmC的成绩,登顶TPC-C基准测试的性能和性价比排行榜,刷新了双榜世界纪录。该记录标志着PolarDB创新的云原生架构、软硬件结合的方式,在性能、可扩展性等多个维度均处于全球领跑者行列。


技术的进步永无止境,继赢得TPC-C双冠殊荣后,PolarDB再度实现关键突破。会上,阿里云宣布推出全球首款基于CXL(Compute Express Link)2.0 Switch技术的PolarDB数据库专用服务器。在原有RDMA网络的基础上,PolarDB引入CXL高速互连技术,突破云原生数据库内存与性能上限。PolarDB基于CXL的分布式内存池解决方案,可实现和本地一样低延迟、高带宽的远程内存访问,延迟可低至百纳秒级,带宽吞吐达到数TB/s,实现内存资源“池化可共享、按需可调度”。

image.png

凭借这一全球首创技术,PolarDB在学术顶会ACM SIGMOD 2025上斩获工业赛道“最佳论文奖”。该技术成果成功攻克了长期制约数据库性能与弹性的“最后一公里”难题,标志着云原生数据库正式进入“计算、内存、存储”全解耦阶段。

本次发布的 PolarDB 数据库专用服务器,搭载全球首款面向数据库负载优化、支持 CXL 2.0 协议的商用交换设备,重新定义了云原生数据库硬件底座。它不仅支持多主机并发访问共享内存池,并首次在数据库场景中实现“交换能力”(Switching),使系统拓扑可自由扩展、灵活组网。未来,随着CXL Switch的演进,系统还将支持多级交换架构、动态容量设备及Fabric拓扑设计,进一步强化异构计算能力与横向扩展性,为超大规模云数据库提供坚实的技术底座。

image.png

值得一提的是,PolarDB数据库专用服务器还打通了GPU+CPU与共享内存池的协同通路,在大模型推理等前沿场景中,该架构有着广阔的应用前景。尤其在KVCache池化方面,可实现跨节点KVCache的弹性调度与毫秒级远程访问,显著提升推理吞吐与资源利用率,为AI时代的数据底座注入全新动能。


李飞飞表示:“从三层解耦到CXL全栈创新,阿里云瑶池数据库正以持续的技术深耕,重新定义云原生数据库的边界。”

02、湖仓库一体化,构筑AI就绪的多模数据底座

在数据洪流与AI浪潮深度融合的今天,高效、智能的多模数据管理已成为企业提升市场竞争力的关键。针对用户日趋复杂的业务与多模态数据管理难题,阿里云瑶池发布「基于湖仓库一体化」的多模数据智能管理平台,助力企业用户进一步简化数据管理流程,提升业务开发与部署效率,降低AI应用落地成本。


该平台采用湖仓库一体化设计,通过湖库(Lakebase)和湖仓(Lakehouse)融合架构,打破业务数据孤岛。数据可在数据库、数据仓库、数据湖之间无缝流转,极大地提升了数据利用率,降低使用成本。基于瑶池数据库产品引擎(云原生数据库PolarDB、云原生数据仓库AnalyticDB、云原生多模数据库Lindorm、云数据库RDS等),此次发布的新平台融合了OLTP和OLAP,兼具数据湖的灵活性、数据仓库的分析能力和数据库的事务处理能力,构建面向AI场景的统一多模态数据底座:


  • 拥抱开放数据格式:瑶池数据库产品已全面支持Lance、Apache Iceberg、Apache Paimon等开放数据格式,简化数据技术栈。
  • 高性价比的多模数据存储:支持不同成本、性能的存储介质,为企业提供灵活的存储选项。数据可在跨Region、跨介质(高性能存储介质、低成本存储介质)之间实现同步。
  • 跨CPU/GPU任务调度:支持新一代分布式调度框架,通过全托管的Ray/Spark等框架,实现跨CPU/GPU任务调度和自动弹性扩缩容,确保各种计算任务都能获得最优的资源配置。显著提升业务开发效率及计算能力,可提升高达80%的资源利用率。
  • 模型算子能力 (AI in SQL),让AI触手可及:将阿里云MaaS(模型即服务)与数据库引擎紧密结合,实现“数据不出域”,从根本上保障数据安全。用户通过SQL即可轻松调用AI大模型能力,让AI应用开发更高效,让每一位数据使用者都能轻松利用AI进行智能分析与决策。
  • 多模数据管理(OneMeta+OneOps):通过统一、开放、多模的元数据服务体系,实现跨环境、跨引擎、跨实例的统一治理,支持高达40+种数据源,可无缝对接自建、他云数据源。支持智能化的数据运维,实现数据库的自主运行和维护,进一步提升效率。


通过湖仓库一体化与模型算子等创新能力,阿里云瑶池旨在为企业构筑AI就绪的多模数据底座,将数据与智能融会贯通,释放AI时代数据价值。

03、深度融合大模型能力,为数据智能体注入新动能

Agentic AI的迅速崛起,重塑了企业内部运营到外部服务的整个价值链,这些具备自主感知、推理、规划并行动的智能体,对传统数据管理体系提出了更高的要求。


据权威机构Gartner预测,到2028年,80%的生成式AI业务应用将在企业现有的数据管理平台上开发,从而将实施复杂性和交付时间减少50%。阿里云瑶池数据库深刻洞察这一趋势,核心产品已全面支持模型算子能力(AI in SQL),以前瞻性的智能数据管理平台为中枢,全面驱动企业级数据工程走向智能化。


瑶池旗下的多模数据管理平台DMS: OneMeta+OneOps,OneMeta提供支持40+数据源的多模态Catalog,构建基础元数据层、业务知识层和AI就绪服务层;OneOps提供数据工作流自动化与编排,能够大幅提升多模态的开发效率,支持百万任务调度规模,加速企业级Agentic AI构建。目前,DMS已服务超过10万+企业客户,其中包括富途、天财商龙、七猫等行业领先者。DMS助力这些客户将多模开发效率提高2倍以上,数据交付效率最高提升5倍,同时降低90%安全合规风险。


企业对多模数据处理和加工需求的指数级增长,让数据库所承载的用户业务类型愈加复杂,云数据库亟需提供标准化、不间断的高效智能服务在此背景下,阿里云在会上重磅发布「瑶池数据库ApsaraDB Agent智能顾问」和一系列全新产品能力通过与大模型深度融合,大幅提升企业内数据场景(开发、分析洞察等环节)的使用效率,降低技术门槛。让用户在AI时代轻松“驾驭”数据,从数据治理到智能决策都游刃有余。

image.png

瑶池数据库ApsaraDB Agent提供一站式、7*24小时不间断的云数据库智能顾问服务,支持数据库全产品联动,帮助用户自助解决90%以上的数据库产品咨询问题,覆盖用户数据库实例管理全周期,包含选型、上云迁移、产品管理、实例运维、计费等。此外,瑶池数据库Agent还可化身“数字人”,为阿里云云小二提供在线智能辅助,让每一位云小二都能化身数据库领域的“全科专家”。


ApsaraDB Agent系列产品能力,还包括了面向数据场景实现数据开发和分析的Data Agent for Analytics、面向企业智能资产管理和治理的Data Agent for Meta,以及面向企业一站式数据库运维的DAS Agent。

image.png

以Data Agent for Analytics为例,它依托瑶池数据库和通义大模型2大底座的核心能力(企业级RAG、长期记忆、NL2SQL等),能够精准理解用户意图,自动生成并执行数据分析计划,最终输出图文并茂的报告。Data Agent能学习并记忆用户偏好与数据知识,将相关信息存储至长期记忆与DMS OneMeta知识库。让原本复杂的企业数据分析及洞察过程,变得像日常对话一样简单高效,实现“越用越聪明,越用越好用”。

04、AI加持,与用户共赴数智化浪潮

据权威机构IDC最新报告显示,阿里云已连续6年位居中国关系型数据库市场份额第一。由云原生和AI驱动的阿里云瑶池数据库,已服务于国内外千行百业的核心业务及新一代AI应用。


Manulife(宏利)是亚太地区TOP 3的人寿保险公司,已在全球运营超过137年,在香港服务超过240万客户。Manulife正加速向「数字化客户体验引领者」转型,并且充分了解云的价值,计划2027年完成IDC全面上云。这其中的最大挑战是迁移Oracle数据库至云上,包含保单管理系统这一支撑香港全业务的核心应用。


一方面,凭借其在保险与金融服务领域深厚的历史积淀,Manulife Hong Kong拥有积累了近30年的业务逻辑和代码,要求尽可能无缝迁移。另一方面,为满足金融级容灾需求,该云上系统必须具备高弹性、多云的容灾能力,对数据库的兼容性,弹性和高可用能力都有着极高的要求。


阿里云PolarDB云原生数据库为Manulife提供了端到端的迁移方案,既保障业务平滑切换,又充分发挥云原生优势,在弹性与高可用性上实现显著提升。PolarDB通过Oracle语法高度兼容与快速迭代,帮助客户实现核心系统零改造迁移。在高可用性方面,依托多云部署模式,支持跨可用区与跨云的容灾与业务连续性保障。与此同时,PolarDB Serverless 实现秒级弹性伸缩,最高可扩展到 120c*16 个节点,充分满足客户在业务高峰期的快速扩容需求。

image.png

Manulife亚太首席技术官Ian Pritchard


Manulife亚太首席技术官Ian Pritchard表示:“PolarDB助力Manulife Hong Kong平滑迁移上云,帮助我们大幅降低了迁移和维护成本,同时性能、弹性和扩展性得到了显著提升。基于此次成功的合作,我们将与阿里云数据库团队深化伙伴关系,共同探索具备前瞻性的技术功能,持续赋能Manulife Hong Kong的业务发展。”


作为国内领先的金融信息服务商,财联社深度应用瑶池数据库产品组合,实现每个证券交易日日均千条快讯的产能,信息发布更加准确、快速、权威、专业,为全球投资者及金融机构传递经济“好声音”。财联社基于云原生数仓AnalyticDB“AI上下文工程”解决方案和数据传输服务DTS“One Channel For AI”数据准备能力,构建了AI智慧媒体系统。该系统支撑了热点事件扩展阅读、事件脉络分析、财经类新闻 AI 协助撰稿、智能辅助审稿等系列核心业务场景。


其中,DTS“One Channel For AI”提供结构化与非结构化的资讯数据实时导入能力,可支持百万级多模数据流,“0干预”即可为热点资讯的生产提供即刻就绪的服务。AnalyticDB PostgreSQL版内置 AI 搜索算子,为用户提供“入库即可搜”服务,使得热点事件响应速度提升3倍以上。财联社通过 AnalyticDB 增强式 RAG 能力构建资讯知识库,新闻检索召回准确率提升至95%以上。在瑶池数据库AI原生能力的加持下,财联社撰稿编辑的耗时已从小时级大幅缩短至分钟级。

image.png

财联社总经理胡刚


财联社总经理胡刚在分享中表示:“财联社希望与阿里云瑶池持续探索 AI 智慧媒体的最佳实践,共同打造价值流动的金融信息生态平台 。”


目前,阿里云瑶池数据库已在全球各地的互联网、金融、汽车、零售、制造、政务等行业的核心业务系统落地,服务于财联社、哔哩哔哩、理想汽车、雅迪、月之暗面Kimi智能助手、Manulife(宏利)、MiniMax等知名企业,通过AI就绪的多模态数据底座,加速千行百业应用创新。

相关文章
|
13天前
|
存储 关系型数据库 分布式数据库
PostgreSQL 18 发布,快来 PolarDB 尝鲜!
PostgreSQL 18 发布,PolarDB for PostgreSQL 全面兼容。新版本支持异步I/O、UUIDv7、虚拟生成列、逻辑复制增强及OAuth认证,显著提升性能与安全。PolarDB-PG 18 支持存算分离架构,融合海量弹性存储与极致计算性能,搭配丰富插件生态,为企业提供高效、稳定、灵活的云数据库解决方案,助力企业数字化转型如虎添翼!
|
12天前
|
存储 人工智能 搜索推荐
终身学习型智能体
当前人工智能前沿研究的一个重要方向:构建能够自主学习、调用工具、积累经验的小型智能体(Agent)。 我们可以称这种系统为“终身学习型智能体”或“自适应认知代理”。它的设计理念就是: 不靠庞大的内置知识取胜,而是依靠高效的推理能力 + 动态获取知识的能力 + 经验积累机制。
393 135
|
12天前
|
存储 人工智能 Java
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
本文讲解 Prompt 基本概念与 10 个优化技巧,结合学术分析 AI 应用的需求分析、设计方案,介绍 Spring AI 中 ChatClient 及 Advisors 的使用。
496 132
AI 超级智能体全栈项目阶段二:Prompt 优化技巧与学术分析 AI 应用开发实现上下文联系多轮对话
|
2天前
|
人工智能 移动开发 自然语言处理
阿里云百炼产品月刊【2025年9月】
本月通义千问模型大升级,新增多模态、语音、视频生成等高性能模型,支持图文理解、端到端视频生成。官网改版上线全新体验中心,推出高代码应用与智能体多模态知识融合,RAG能力增强,助力企业高效部署AI应用。
206 0
|
12天前
|
人工智能 Java API
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
本文介绍AI大模型的核心概念、分类及开发者学习路径,重点讲解如何选择与接入大模型。项目基于Spring Boot,使用阿里云灵积模型(Qwen-Plus),对比SDK、HTTP、Spring AI和LangChain4j四种接入方式,助力开发者高效构建AI应用。
496 122
AI 超级智能体全栈项目阶段一:AI大模型概述、选型、项目初始化以及基于阿里云灵积模型 Qwen-Plus实现模型接入四种方式(SDK/HTTP/SpringAI/langchain4j)
|
6天前
|
存储 JSON 安全
加密和解密函数的具体实现代码
加密和解密函数的具体实现代码
234 136
|
23天前
|
机器学习/深度学习 人工智能 前端开发
通义DeepResearch全面开源!同步分享可落地的高阶Agent构建方法论
通义研究团队开源发布通义 DeepResearch —— 首个在性能上可与 OpenAI DeepResearch 相媲美、并在多项权威基准测试中取得领先表现的全开源 Web Agent。
1581 87