阿里主要业务是电商，是数据库重度依赖，后面又因为重视云的投入，数据库也是云的关键部分。因此阿里组建的数据库团队一直是国内标杆，另外一个就是华为。区别是阿里走的是 MySQL 路线为主，华为走的是 PG 路线为主。
继续抽空看下云栖大会的回放，今天看下阿里云数据库讲了什么。不过每家的面临的客户环境不太一样，也没有必要全盘抄作业，了解借鉴就好了。
提前申明
阿里数据库在国内是非常先进的，是各个厂商学习的榜样。以下观点只是抱着学习的态度一些个人看法，不代表任何公司立场。受限于时间以及本人知识有限，文中难免有大量错误，也请大家理解！
整体内容：
阿里掌门人李飞飞演讲分三部分：
1、第一部分阐述数据库为什么在 AI 时代也重要。
2、第二部分重点讲产品更新和变化。
3、第三部分讲客户案例。
第一部分：数据库为啥重要
智能时代，数据是关键要素，OpenAI 收购 Rockeset，向量数据库，具身智能对多模数据处理的诉求等。
提出观点：过去一年最大的是带来多模数据处理+实时分析两大诉求。阿里云数据库希望给客户提供的是类似搭建乐高一样，易用，好用，高可用。
快评：
1、这个多模不是指多模数据库，是指数据的种类多了，比如文档啥的，也要处理了。
2、易用，好用，高可用，挺顺口的。
3、总的来说， AI 时代，对数据库肯定是有诉求的，但也不是所有数据库都能用的上，所以没有分门别类的区分，导致观点听着会关联性不强
4、AI 时代，大模型发挥作用，通用智能是不够的，本质上是要企业数据，行业知识。这些原本存在数据库里面。怎么和 AI 结合，是值得探索的。
第二部分：产品重要更新和重大发布
重磅发布 DMS 新能力，提出 OneMeta，OneOps 理念，不光是支持阿里云的自身的数据库，对开源的也支持的，也就是所谓的 DMS+ X
快评：
1、AI 时代，让 DMS 有了更大的想象空间，这估计是DMS 以前从没有想到的。
2、不过和上一个观点比较类似，DMS 还是聚焦 ops领域，更多的是为了能接上 AI 的话题。
3、AI 这个阶段缺的肯定是各自处理算子，其实可以考虑这块步子再大一些。
三层解耦，内存池化。
快评：看华为也在跟进这个概念，说明还挺成功的。
serverless 能力再升级，粒度做得更细。
polardb 多写多读
polardb 软硬一体化，据说用了 scaleflux 更新一代硬件。
ADB 分析引擎，内置 spark，更轻量的处理推荐用这个，批量的推荐用 EMR。
ADB 也用到了 GPU加速。
lindorm 把推理，向量等引擎内置到里面了。
快评：AI 时代，有新的数据需要处理，lindorm 找到了春天了。传统多模目前看起来不成功，AI 时代说不定能有一片新天地。
RDS 通过 BPE 技术（buffer pool extension）冷热温分离，ARM 深度优化。
zero-ETL，TP，AP 各个产品深度打通，和 AWS 一个路线。
DAS ，通过 AI 智能运维。
快评:AI 时代，DAS 成了配角，不应该。
各种级别的容灾能力，免费送跨地域冷备。
Tair Serverless（对标 Redis 服务）
快评：推理加速，feature Server，还挺有前途，前提是大数据团队愿意用，这个前提在阿里估计会比较难。
用到了 NVIDIA 的库
第三部分：讲案例
ADB 和通义构建一站式 RAG
lindorm 帮助kimi 构建 AI 应用，这个案例还是比较重磅。
其他的案例特别的不多，就不一一展示了。
总结
最后总结一下，让我印象比较深的几个点：
1、lindorm 的kimi 案例，多模的车联网案例等。
2、Tair serverless 服务于推理，feature server。
3、polardb 多写多读，TP 领域还是比较领先。
因为今年是 AI 年，所以阿里数据库肯定是要和 AI 去结合，不过总体感觉贴得不够紧。如果要和 AI 结合，有以下几个方向，可以参考：
1、DMS 提供AI 算子，或者打通 PAI，实现 AI 数据处理。而不局限于ops
2、各个数据库打通和 AI组件，实现企业数据到大模型的无缝流转。
3、ADB进一步 构建知识管理平台，而不是停留在向量上。
4、DAS 不停留在运维上，做几个Agent，解决真正数据库好用的问题。
