在《数据库简史》书中，对行业发展进行了一个概括，以不同时代数据库技术的典型特征作为主线，分别定义了：商业数据库时代、开源数据库时代、云数据库时代。
今天应该可以说，数据库领域进入了“AI数据库时代”。
在数据技术的发展过程中，大数据的兴起将机器学习、人工智能导入到大数据范畴，Databricks是其中典型的代表。然而大模型（LLM）的兴起伴随向量计算为数据库带来了新的机遇，并且一发不可收。
AI为计算机的世界带来了无限机遇：氛围编程为数据库带来了新的伙伴，数据库的使用者中出现了“AI”，对话类AI需要即时计算和长期存储对话上下文，大模型为知识库类应用带来了新的生机……
在AI数据库领域探索的先行者，已经取得了史无前例的极速成功。
-
Neon创立4年即以10亿美元被Databricks收购；
-
Neon 和 Supabase 都是AI类应用的后端承接者。Snowflake也通过收购Crunchy Data来对抗这一变化。
2025年10月，Oracle宣布将其数据库名称变更为“Oracle AI Database”，吹响了从形式到内容的数据库AI化。
2025年11月，OceanBase宣布发布并开源其AI数据库seekdb，彰显了其对AI的态度。
如果为AI数据库给出一个定义，我觉得大体上应该是：AI数据库是一种专门设计的数据管理系统，旨在支持现代机器学习和人工智能应用，能够处理高维向量数据和结构化数据，原生支持混合搜索，可以高效存储、处理和分析多模态数据。
支持人工智能应用，这一句话的现实版本是千差万别，Supabase是通过BaaS服务赢得用户，Neon是通过分支闪回等创新特性。只要AI有无限多种可能性，数据库的创新也就允许百花齐放。在LLM发展的初期，向量数据库被认为是AI数据库，但是从长期看，向量只是AI的一角。完整的AI数据库一定多模态、混合搜索。向量融入关系。
在上周的直播中，我表达了对于Oracle AI数据库的一个Annotations小特性的观点。注解（Annotations）本质上是轻量级的声明式标记，以键值对或独立键的形式存在，存储在数据字典中。不要小看这个特性，如果从数据表创建开始，就辅助更清晰的注解描述，那么后期的数据治理就简单多了（数据治理融入数据模型），而AI能够更清晰的探索数据，给出更精准的答案。
数据治理曾经是非常艰难的一项工作，AI的加入，以及元数据能力的增强，会为数据治理找到一条新的路径。
上周看到Chat2DB团队发布的一个新产品（ZOER.AI）公告，感觉走对了路子，她们对数据库的认知非常精准，我抄录一段公告内容：
Zoer的核心思想是：“The Database-First Full Stack AI App Builder”（数据库优先的全栈 AI 应用构建器）。我们坚信，数据结构是应用的灵魂。Zoer 首先深入分析需求，优先设计和生成最核心的数据库 Schema。只有数据结构被精准定义，后续的业务逻辑和前端展示才有坚实的根基。在这个坚实的数据底座之上，才能智能地推导并生成。
Chat2DB团队曾经开发过NL2SQL的明星产品，她们应该是从中找到了灵感。如果SQL对数据一无所知或知之甚少，那么NL2SQL的探索也很难自由的支持用户的思想。反之，如果数据结构被清晰的定义和描述，那么NL2SQL的探索就可以一击必中。
而解决这一问题的思路既可以是外在的，也可以是内在的。Oracle的特性在做内在探索；而外在的探索也完全可以借鉴数据库的思路构建元数据描述。
路有千条，自始至终。
注：用Google Gemini 3做了2点插图，一次出图，还不错。
云和恩墨数据技术产品四件套，端到端解决企业数据技术应用的挑战。
