吴鹏终于拿到了自己期盼已久的IT（信息技术）投入预算。
作为一家中部地区农商行的IT部门负责人，过去两年，他没少收到业务部门的投诉。随着业务数据量快速增长，传统集中式数据库的稳定性和性能承压明显；与此同时，集中式数据库也越来越难以支撑业务伙伴的大规模并发接入，部分高并发业务甚至出现“锁账户”问题，导致贷款等业务难以实现7×24小时连续服务。
2026年4月，这家农商行董事会召开临时会议，决定拨出近千万元专项资金，用于将存贷款等核心业务的数据库架构切换为国产分布式数据库。
过去两个月，吴鹏先后与5家国内数据库厂商密切沟通，希望尽快确定国产分布式数据库的具体技术架构。
但让他没有想到的是，当他向这些数据库厂商提出“轻量化本地部署、低成本迁移、极简运维以及厂商驻场运维服务”等要求后，3家中小厂商很快选择退出，只剩下2家行业头部厂商继续提供国产分布式数据库本地部署方案。
“这些要求并不过分，不知道为什么中小厂商选择退出。”吴鹏有些不解。
吴鹏发现，与4年前相比，银行对国产分布式数据库的性能和运维需求已经发生了“质”的变化。2022年，银行关注的重点更多是数据库“能不能用”；如今，银行的诉求已经进一步转向“能否稳定运行、快速迭代、便捷运维，以及如何最大限度控制成本”。
IDC中国研究经理王楠向记者分析称，一方面，头部数据库厂商在核心系统国产分布式数据库本地部署方面的可验证案例不断增加，数据迁移服务和生态建设也日趋成熟，吸引了越来越多银行的青睐；另一方面，不少中小数据库厂商在核心金融场景服务方面迟迟难以取得突破，市场份额持续收缩，最终被迫离场。
IDC（国际数据公司）数据显示，随着越来越多银行加快核心系统数据库“进口替代”，2025年中国金融行业国产分布式数据库本地部署市场规模达到20.2亿元，同比增长37.6%。过去一年，超过60家中小数据库厂商选择退出市场；与此同时，蚂蚁集团自主研发的原生分布式数据库OceanBase、金篆信科、腾讯云、华为云与阿里云等头部企业的市场份额，从2023年的86.9%提升至2025年的90.9%。截至目前，国内仍有约100家数据库厂商在运营，这意味着过去一年约38%的企业选择退出。
“这也说明，金融行业数据库服务产业已经度过进口替代红利期，开始进入能力、生态与场景的复合竞争阶段。”王楠表示。随着“AI+金融”快速发展，今年以来，银行又对国产分布式数据库提出新的要求，即推动生成式AI（人工智能）与数据库进一步融合。
银行不再满足于“能不能用”
为了更好完成银行核心系统数据库架构转型，吴鹏开始向多家银行的IT部门负责人“取经”。
对方明确告诉他，这项工作绝不能简单理解为“把核心业务（存贷款、转账汇款、账户管理等）的业务数据从一个数据库搬到另一个数据库”。从本质上看，这是一项涉及银行整体金融基础设施迭代与重构的系统性工程。
在这一过程中，银行首先必须确保新的金融基础设施能够安全、稳定运行。一个看似微小的故障，例如一张网卡与操作系统不兼容，都可能影响整个分布式数据库的性能和正常运行。
这让吴鹏意识到，自己最初围绕分布式数据库“能不能用”的判断已经明显落后。如今，银行更加看重数据库技术路线能否满足几个核心要求：数据迁移风险是否可控、性能是否足够强劲以承载海量数据和高并发交易、兼容性是否足够高以降低升级改造成本、是否具备金融级高可用能力以保障7×24小时稳定运行，以及本地部署和运维是否足够便捷，从而提升运维效率并降低长期成本。
6月初，当吴鹏再次向5家数据库厂商提出上述要求后，3家中小数据库厂商一改过去“有求必应”的态度，转而提出需要与公司技术团队重新讨论数据库技术架构及本地部署路径。两周后，这3家厂商先后告知，由于受到技术能力限制，只能退出竞标。
北京银行软件开发中心的王子健同样观察到，银行对分布式数据库架构的诉求仍在持续升级。在“产品可用、好用”的基础上，银行对分布式数据库性能以及服务厂商又提出了一系列新要求，包括数据库核心代码100%自主研发；具备弹性扩展能力，从容应对业务数据量快速增长以及业务弹性伸缩需求；提供持续优化的兼容性评估、数据迁移、监控等工具，从而进一步解决传统集中式数据库在扩展性、可用性和成本方面存在的痛点。
“银行对分布式数据库需求的迭代升级，远远没有结束。”王子健表示。从2022年构建数据底座开始，北京银行的数据治理和数据标签工作至今仍在持续推进，距离真正将“智能问数”——即通过AI智能客服精准理解用户提问意图并提供专业回复——落地到更多业务场景，仍有一定距离。在这一过程中，数据库需要进一步协助银行构建更强的数据分析能力。
倒逼数据库厂商
2021年，随着国家持续推进金融信创，冯宇判断国产分布式数据库服务将迎来广阔的发展空间，于是加入一家中小数据库厂商担任运营总监。
近年来，金融行业分布式数据库服务市场规模保持年均超过30%的增长，印证了冯宇当初的判断。但遗憾的是，他所在的企业并没有从这轮市场增长中获得更多机会。
“3年前，国有大型银行和股份制银行关注的核心还是国产分布式数据库能不能用，并愿意通过非全栈、双轨并行等方式进行尝试。我们也曾凭借技术团队对银行数据库运维的深入理解，获得一些业务机会。”冯宇回忆道。
但如今，“产品可用”已经不再是银行选择数据库厂商时的首要考量。银行越来越看重厂商的长期服务能力和数据库生态建设能力，这也使研发投入有限的中小数据库厂商与行业头部企业之间的产品竞争力差距进一步扩大。
随着国有大型银行和股份制银行陆续完成分布式数据库本地部署改造，2025年以来，金融行业数据库服务市场的新增机会开始更多集中于中小银行以及券商、保险公司等非银金融机构。而这些客户尤其看重数据库厂商是否拥有足够多的分布式数据库服务可验证案例，能否提供成本相对可控的长期运维服务，以及持续的数据库迭代升级技术支持。
冯宇坦言，3年前，他所在的数据库厂商还能零星拿到两三家银行的分布式数据库改造合同，但从2025年开始，这项业务几乎颗粒无收，公司只能依靠过去项目产生的数十万元运维收入维持整体运营，过去一年半累计亏损已经超过600万元。
在冯宇看来，在银行需求不断升级等因素推动下，分布式数据库服务市场正在呈现“强者愈强、弱者愈弱”的趋势。
目前，OceanBase已服务超过400家金融机构，覆盖国有大行、股份制银行、城商行、农商行等不同类型银行，其中万亿级规模银行占比接近七成。在非银金融领域，75%的头部保险机构、80%的头部券商以及60%的头部基金机构均选择OceanBase承载核心业务系统。
OceanBase金融政企事业部总经理翁睿向记者透露，过去15年，OceanBase的核心工作之一，就是承接金融行业最核心的业务负载，并依托蚂蚁集团及阿里自身业务场景不断积累最佳实践。这些业务场景在并发规模、一致性要求以及容错标准等方面，与金融机构核心系统具有较高的同构性。
翁睿表示，经过多年发展，OceanBase的分布式数据库解决方案已经能够支持跨云、跨机房双活，在发生意外情况时自动切换流量；依托原生分布式架构实现应用无感扩缩容；通过同一数据库同时支持交易与分析，并利用一体化存储引擎开展实时分析；同时兼容Oracle（甲骨文）与MySQL（数据管理系统）语法及上下游生态。
王楠坦言，在当前分布式数据库市场，行业头部企业构建的生产级SLA（服务等级协议）、可控的迁移风险以及长期服务能力，正在成为其持续扩大市场份额的重要竞争壁垒，也让中小数据库厂商越来越难以招架。与此同时，随着“AI+金融”快速发展，银行希望分布式数据库进一步成为AI时代的数据底座。面对头部企业持续投入巨额资源推动数据库与生成式AI融合，研发预算不足的中小数据库厂商生存压力进一步加大。
AI时代加剧分化
今年以来，冯宇在与银行沟通分布式数据库业务合作时明显感受到，银行越来越重视“分布式数据库与生成式AI融合发展”。
两家股份制银行的IT部门负责人直接告诉他，银行管理层判断，未来将有两种力量重构银行的数据底座：一方面，越来越多AI智能体将进入客服、信贷、产品营销、财富管理等业务场景；另一方面，银行积累的大量客服语音、面签语音、尽调图像、财务文本、社交文本等非结构化数据，无法直接被传统数据库调用和分析，大量潜在业务价值因此尚未得到充分释放。
基于这一判断，上述两家股份制银行进一步向数据库服务商提出新的要求：分布式数据库需要具备更强的性能，能够处理多模态数据、支持混合搜索和实时分析，不仅要为大量AI智能体提供稳定的数据支撑，提升金融服务体验，还要帮助生成式AI进一步挖掘非结构化数据的业务价值。
去年底，吴鹏所在的农商行搭建了企业级知识库，并通过知识库开展远程银行客户服务。但在实际运行过程中，他发现，一旦知识库出现业务连续性中断，将直接影响全行金融服务能力。因此，目前他正在与两家行业头部数据库厂商沟通，希望探索生成式AI与数据库融合发展的路径，进一步构建更加稳定、更具业务垂直能力的知识库。
面对这些新的业务诉求，冯宇则显得有些无能为力。近年来，分布式数据库服务订单持续下滑，使其所在数据库厂商缺乏足够的资金和资源研究生成式AI与分布式数据库融合发展的技术路径。
冯宇此前曾与两家AI技术研发公司合作，希望借助后者的AI技术推动“数据库AI化”。但合作很快暴露出一系列问题：数据割裂，即数据分散在银行不同业务系统中形成数据孤岛；实时分析基础薄弱，即交易与分析能力分散在不同数据库中；AI幻觉问题较为严重；以及非结构化数据治理安全体系尚不完善，难以满足金融行业严格的安全合规要求。这四大问题成为数据库AI化落地的主要障碍。最终，双方在短期合作未取得明显成效后“和平分手”。
冯宇称，过去一年退出市场的超过60家中小数据库厂商中，有超过一半受到缺乏生成式AI与分布式数据库融合发展能力的影响。
面对生成式AI与数据库融合发展的趋势，OceanBase近期推出“金融AI一体化数据解决方案”，在一套引擎中统一处理交易、分析和多模态数据，支持向量、文本等混合检索，并通过在分布式数据库内置数据分支能力，让AI能够在隔离环境中进行安全探索和迭代，从而降低数据操作带来的治理风险。翁睿透露，该方案已经在支付宝AI付等内部创新项目中落地。
王楠认为，生成式AI与分布式数据库的融合发展，将推动新一轮架构革命与范式转移。一方面，AI能力将进一步深入数据库内核，在效率、低延迟和安全性等方面推动数据库架构升级；另一方面，数据库也将从过去的被动存储逐步走向主动理解，语义理解、相似性推理和跨模态关联能力将成为新一代数据库的重要特征。
这意味着，金融行业分布式数据库将进一步进入高质量竞争阶段，数据库厂商之间的竞争也将从单纯的产品能力比拼，进一步扩展到技术、生态、场景和AI能力的综合较量，并推动整个行业加速洗牌。
（文中吴鹏、冯宇为化名）
来源：金融橙
声明：此公号（ID：gh_b6a4fa62aefa）发布内容和图片的目的在于传播更多信息，版权归原作者所有，不为商业用途，如有侵犯，敬请作者与我们联系。