科技日报记者 孙明源
10月30日，北京。一场以“Hello，AI 数据库”为主题的发布会吸引了产学研各界数百位嘉宾的目光。发布会上，中电科金仓（北京）科技股份有限公司（以下简称电科金仓）发布KES AI数据库，该产品的一大特色在于，企业数据在不必离开数据库的情况下即可参与AI计算、支撑AI应用。
“人工智能正在深刻重塑数据处理与应用的方式。过去，主要由人理解业务、编写查询。现在，智能体开始参与数据检索与任务执行。”中国人民大学信息学院教授王珊在发布会现场表示，AI时代的数据库不仅要保证数据“存得准、算得对”，更要让大模型能够理解企业的实际业务运转，实现AI在数据库场景的真正落地。
如王珊所说，随着大模型应用加速向企业的核心业务层延伸，如何让AI安全、低成本且准确地读懂企业数据，已成为业界亟待突破的瓶颈。
让大模型“读懂”业务
AI大模型在数据库场景落地面临的现实障碍，就是企业数据缺少准确的业务语义描述。即使能够获取真实的业务数据，大模型也难以理解其中的行业术语、业务规则和计算口径。一项行业统计显示，全球90%以上的数据位于企业的私域之中，其中高达68%的数据从未被分析利用。
“再好的模型，也推演不出客户自己行业的口径和规则。人工智能用得起来用不起来，卡点往往不在模型能力，而在数据本身。”电科太极总经理、党委副书记孙亭在会上直言，如果AI的能力都在数据库外面施展，数据就得在各个系统之间来回往返，每多一个环节，就会多一处风险敞口与成本损耗。
为了让大模型真正读懂业务，电科金仓在此次发布会上正式推出了KES AI数据库，直击业务语义缺失的行业痛点。电科金仓总裁杜胜介绍，针对传统架构下数据语义分散、大模型难以准确理解数据业务含义的问题，该产品在数据库内部搭建了原生的“语义层”。
杜胜解读说，KES AI数据库的创新之处在于，系统会自动采集数据的基础信息，由人工智能给出语义标注建议，最后交由业务人员确认生效，相当于为企业数据配上了一份AI能够理解的“说明书”。当底层数据结构发生变化时，语义层能够同步感知，便于及时调整这份“说明书”，减少以往外挂系统容易出现的结构不同步、语义失效等问题，让AI更准确地理解企业的专属语言。
效能与安全并重
解决了“读懂”的问题，紧接着就是如何让底层系统“算得快”且“防得住”。
杜胜提及，KES AI数据库选择让计算发生在数据存储的地方。开发者不需要繁杂的接口调用，只需使用自然语言表达业务意图，就能在库内直接调用模型、生成向量，并完成索引构建与相似度检索。关系、向量与图在同一个数据库内协同处理，减少了跨库复制与数据同步的繁琐步骤。
实测数据印证了这种架构的优势：在1亿条768维向量、98%召回率的严苛测试条件下，该产品基于磁盘的索引算法，使峰值内存开销较业界常规水平大幅降低了95.4%，查询延迟降低了80%。
对于数据库而言，安全也是重中之重。电科金仓高级副总裁冷建全在接受采访时表示，数据库处在整个IT技术栈的中枢位置，对上承接应用请求，对下运行在底层芯片与操作系统之上，必须解决大模型协同过程中的安全与合规问题。
冷建全介绍，由于全流程都在数据库内部闭环完成，KES AI数据库顺理成章地沿用了原有的身份认证、角色权限、行级访问控制及数据防火墙等安全机制。企业设定的各类安全权限可以直接作用于具体的AI智能体，所有的操作日志都集中留存在库内，企业可以清晰追溯访问行为，满足了等保三级及关键行业严苛的监管留痕要求。
筑牢千行百业数智底座
数据库是一项庞大且精密的基础软件工程，其技术迭代无法依靠单打独斗，必须扎根于真实的业务场景中，同时依赖产学研用的深度协同。
“数据库和人工智能的融合不仅需要技术，而且需要用户的深度参与。唯有扎根具体场景，倾听用户声音，才能在技术快速迭代的浪潮中，不断打磨出超越用户期待的创新产品。”王珊强调，产业界、学术界和用户应共同定义问题，建立高效的联合攻关机制。
今年5月，由中国人民大学与电科金仓联合申报的“智能数据库系统与应用北京市重点实验室”正式获批。该实验室主任李翠平教授介绍，该平台将重点攻关软硬协同、AI原生数据管理等前沿课题，并致力于将智能数据库推向智慧医疗、智慧能源等更广泛的民生与工业领域。伴随着研发投入的持续加码，电科金仓2025年研发经费已达1.9亿元，占营业收入的比重高达34%。
技术的生命力，要在千行百业的真实运转中得到检验。在发布会现场，电科金仓联合其发起的生态联盟“金兰组织”中的十余家行业头部伙伴，集中发布了覆盖多领域的深度联合解决方案。截至目前，该组织成员已超过700家。
从“单点适配”走向“场景共生”，全栈国产化路径正在各行业全面铺开。
“要让企业在合规的前提下，敢于把私域数据交给人工智能。这是打造AI数据库最核心的标准，也是我们国产基础软件能够走向全球、与全球同行共同定义下一代数据库的底气所在。”杜胜表示。
网友评论
