有望对标Databricks，OceanBase押注AI数据底座的万亿市场

企业 AI 转向“小模型微调 + 多模态底座”，数据基建新市场。

作者 | 王涵

编辑 | 漠影

AI 落地的真正拐点，已不在模型本身。

当通用大模型足够强大且廉价后，企业发现真正的瓶颈在于数据。散落的交易记录、文档、图片及未整理的向量数据，能否被 Agent 有效利用，成为关键问题。

这一转变将数据层推向台前。当数据库使用者从人变为海量 Agent，数据类型从结构化扩展至多模态，需求也从单纯存储升级为统一管理、实时检索、语义理解与安全合规。

这些变化正在重构数据市场的边界。

9 月 10 日，在 2026 Inclusion·外滩大会《数智进化：让多模态数据成为 AI 核心燃料》论坛上，IDC 中国企业软件市场研究经理王楠发布最新研究。

研究重新划定"AI 数据基础设施"版图并给出明确判断：中国市场将从 2025 年的约 149 亿美元，增长至 2030 年的 738 亿美元，到 2035 年有望达到约 1 万亿人民币规模。

万亿级新市场正在开启，率先卡位的将是那些能将数据转化为 AI 燃料的底座。

01. 大模型不适配真实生产环境，企业选择“小模型微调 + 多模态底座”

通用大模型直接应用于企业生产环境面临四大阻碍：

第一是成本。通用大模型参数量大、推理开销高，高频规模化场景下的 Token 成本和 GPU 算力消耗令企业难以承受。

第二是延迟。企业在线业务要求毫秒级响应，而通用大模型数秒的生成速度无法满足交易、风控等实时链路需求。

第三是幻觉与口径。通用模型缺乏对企业私有数据口径和业务规则的理解，直接使用易导致回答失真。IDC 报告指出，口径不一会导致 AI 输出不可信，企业因此优先关注数据质量、血缘和元数据管理。

第四是数据隐私与领域适配。金融、政务等强监管行业数据不出域，且行业知识散落在内部系统中，通用模型难以直接获取和理解。

瓶颈在数据，解法亦在数据。IDC 建议企业拥抱“小模型 + 多模态底座”模式：构建强大的多模态数据底座，结合行业知识与场景数据，通过小模型微调实现高效、可控的生产级 AI 落地。

企业无需在每个环节调用超大参数模型，而是利用自有数据微调出更专、更快、更便宜的小模型。前提是必须将结构化交易记录、半结构化日志、非结构化文档图片及向量数据统一管理，形成可供模型消化的“燃料”。

这也是多模态数据底座成为必选项的原因。IDC 数据显示，企业新生成数据资产中约 90% 为非结构化形态（文档、图片、音视频），传统架构的能力缺口直接制约了 AI 落地。

02. 新路径冲击数据基础设施，万亿新市场诞生

“小模型 + 多模态底座”的生产级路径，对传统数据基础设施造成全方位冲击。

蚂蚁集团基于 OceanBase 的实践显示，当 Agent 成为基础设施使用者，其数量级远超人类工程师。蚂蚁内部 AI 应用平台“灵光”已生成数千万个“闪应用”，虽多数处于沉睡状态，但唤醒时要求秒级响应。这意味着数据底座需解决百万级、千万级库的高密度共存与按需唤醒问题。

数据体量也在快速膨胀。IDC 预计，中国数据生成量将从 2025 年的 76.05ZB 增长至 2030 年的 146.65ZB，五年接近翻倍。

面对重构的市场，IDC 重新划定"AI 数据基础设施”边界，将其划分为三大子市场：

• AI 数据管理平台：承担多模态数据的统一管理和处理，是 AI 应用的数据底座，规模占比最高。

• AI 数据智能：利用 AI 提升数据治理、分析和使用效率（如 AI 辅助数据治理、Data Agent 与数据产品），是增速最快的子市场。

• AI 数据服务：从传统标注向复杂数据工程和运营体系升级，包括 RAG 知识库运营、Agent 轨迹数据集构建及多模态合成数据服务。

据 IDC 数据，2025 年中国 AI 数据基础设施市场规模约为149 亿美元。预测 2030 年达 738 亿美元（复合增长率 37.7%）；到 2035 年达到 1548 亿美元（约合人民币 1 万亿元），较 2025 年增长超过 10 倍。

数据基础设施市场的天花板，已从百亿级数据库市场切换至万亿级 AI 数据基础设施市场。

03. OceanBase 的新卡位：AI 数据基础设施的底座与入口

IDC 报告指出，未来竞争关键在于谁能率先形成覆盖“数据管理—数据智能—数据服务—Agent 消费”的完整闭环，OceanBase 正朝此方向布局。

2026 年 6 月 29 日，OceanBase 发布面向 AI 时代的湖库一体 AI 数据库，核心思路是将数据湖的开放存储、数据库的事务处理与分析能力，以及多模态数据处理能力统一，为 AI 应用和 Agent 提供基础。

• OceanBase Lakebase：湖库一体的 AI 湖库，原生支持多模态数据统一管理，融合实时分析、混合搜索及开放计算能力。

• Lakebase 配套 DataStudio 等能力：提供面向 Agent 场景的数据沙箱，支持大规模生产级 Agent 基于真实数据快速创建隔离环境，用于评测、实验和验证。

• OceanBase DataPilot：面向经营分析和业务决策的数据智能 Agent，作为企业业务数据的智能入口，让用户通过自然语言完成数据分析与报告生成。

• AI 数据生态：通过 seekdb、ConyrxtSeek 等开源项目拓展生态，打通从数据到 AI、从 AI 到 Agent 的技术链路。

这套产品组合精准对应 IDC 的市场分类：Lakebase 和 seekdb 对应 AI 数据平台，DataPilot 和 AgentSeek 对应 AI 数据智能，DataStudio 和持续服务对应 AI 数据服务。OceanBase 已承担起 AI 应用和 Agent 的统一数据底座与入口的新角色。

04. 目标是 Databricks，OceanBase 增长空间刚刚打开

市场格局变化促使 OceanBase 价值重估。传统数据库估值看市场份额与利润，天花板清晰；而 AI 数据平台估值看TAM（总可触达市场）、平台化能力、Agent 数据入口及生态闭环。

按此标准，OceanBase 的对标标杆是 Databricks。后者由 Apache Spark 创始团队创立，2026 年 8 月完成 50 亿美元融资，估值达 1900 亿美元。

有趣的是，Databricks 将面向 Agent 的数据库产品命名为 Lakebase，OceanBase 也将湖库一体引擎命名为 Lakebase。两家从不同方向出发的公司，最终在产品命名上收敛于同一词汇。正如 OceanBase CTO 杨传辉所言：“不同的路，同一个终点。”

立足当前格局，OceanBase 正处于高速成长的起步阶段。据彭博 2026 年 7 月消息，OceanBase 正推进首轮 A 轮融资，目标规模 20 亿至 30 亿元人民币，这是其首次引入外部市场化资本。商业化方面，2026 年年化收入突破 14 亿元，同比增速高达 70%。

若以 Databricks 的 1900 亿美元估值为参照，OceanBase 的增长空间将没有天花板。

05. 结语：AI 下半场的胜负手在于数据基础设施

IDC 报告指出，未来企业 AI 落地的竞争焦点将从“模型军备竞赛”彻底转向“数据基建比拼”。

当头部模型通用能力趋同且足够用时，稀缺的变成了数据层的能力差异。数据基础设施构建周期长、迁移成本高，一旦形成技术壁垒和客户黏性，先行者优势将随时间不断放大。

在中国市场，不缺数据和场景，缺的是能把数据变成 AI 燃料的基础设施。填补这一空白的公司，或将定义下一代企业数据平台的形态。