作者 | 金旺
IDC预测数据显示，2024年全球人工智能产业规模将达到6233亿美元，同比增幅高达21.5%。
中国信通院在相关分析报告中也指出，人工智能产业之所以能保持高速增长，除了大模型的涌现，另一个重要原因是生成式AI正在加速产业化。
要想推动以生成式AI为代表的人工智能技术在产业中快速落地应用，事关AI计算、存储等的基础设施技术升级就成了其中关键。
1月16日，OceanBase公共云产品总监陈小伟在OB Cloud见面会上透露，面向AP实时分析场景的首个LTS（长期支持）版本OceanBase 4.3.5 LTS版本即将上线OB Cloud。
这将成为OceanBase接下来支撑企业AI应用落地的一次重要产品更新。
OceanBase首席科学家阳振坤曾指出，“今天全球有很多云平台，这些云平台提供了很好的数据库服务，但是他们都存在一个局限性，那就是每个云平台提供的数据库本质上只能在该云平台上使用。”
无论是基于故障、容灾方面的考虑，还是基于企业出海和全球化对于更多云的可选择性方面的考虑，企业业务往往需要在多个云上进行部署。
然而，即便是同样基于MySQL的数据库，不同云上的MySQL数据库往往有着诸多不同，因而，企业业务的跨云部署就成了一大难题。
作为云中立的数据库供应商，OceanBase早在2022年OB Cloud发布之初，就开始支持多云部署。
OB Cloud的跨云高可用方案为了解决单元基础设施不稳定问题，按业务需求不同，又分为跨云冷备和跨云热备两种模式：
跨云冷备是基于OB Cloud兼容不同云服务的对象存储系统的能力，通过数据备份+实时日志备份，提供快速的集群恢复服务；
跨云热备是OB Cloud直接通过OMS（数据迁移服务）打通不同云产品，在企业某项业务使用的云服务出现异常时，直接切换入口至备用云产品。
此外，OB Cloud的云内高可用方案，也为企业业务在节点、机房、地域多级之间提供了高可用保障：
在节点级高可用方案中，OB Cloud通过三副本Paxos保证企业业务不在相同机器，以避免机器级故障；
在机房级高可用方案中，OB Cloud是通过单地域三机房和单地域双机房+异地仲裁节点保证机房级高可用；
在地域级高可用方案中，OB Cloud则是通过数据备份+日志实时备份快速做集群恢复，实现异地冷备。
正是基于这样的云内高可用和跨云高可用方案，OB Cloud如今已经在美洲、欧洲、亚洲30多个地理区域的100多个可用区，支持阿里云、亚马逊云科技、谷歌云、华为云、腾讯云五大主流公有云基础设施，提供一致的云数据库服务。
例如映宇宙（原映客）一直与阿里云、腾讯云、亚马逊云科技等多个云厂商有着密切合作，这一方面是因为映宇宙不同业务对云产品的需求不同，另一方面也是因为多云部署有着更强的灵活性，也有更强的议价能力。
不过，由于各大云厂商数据库产品之间有着技术与合规壁垒的存在，能够进行多云部署，也就成了映宇宙选择OB Cloud的一个主要原因。
正是在选用OB Cluod后，映宇宙实现了多云下的统一技术栈，简化了运维流程，实现了超30%的降本。
映宇宙的多云部署更多是基于业务发展需求的考虑，此外，随着近年来云故障事件频发，多云部署方案的热度还在继续升温，越来越多企业基于对云上安全和容灾的考虑，开始基于多云方案部署核心业务系统。
也是在这时，在OceanBase 4.3.5 LST版本上新的同时，OB Cloud推出了跨云双活的主备库新特性，以满足企业跨云容灾的业务诉求。
以企业部署在阿里云上的实例为例，OB Cloud可以为该实例在AWS上创建备实例，以实现从阿里云到AWS之间的主备容灾诉求。
在这个过程中，通过基于日志备份的物理备库，将日志归档写入到主库所在同地域的对象存储中，备库通过公网来获取主库的备份归档日志，相较于以往的专线方案，这一方案无需额外打通成本，也无需管理复杂的VPC网络连接，降低了使用成本和技术架构的复杂性。
与此同时，通过在不同站点保留完整的数据副本，OB Cloud跨云双活架构大幅提升了系统的可靠性和抗风险能力，即使某一云产品出现不可用的极端情况，也能快速切换至其他云基础设施，确保服务不中断。
这让OceanBase成了国内首个实现跨云容灾的云数据库服务商。
2012-2023年这11年间，我国数字经济规模由2012年的11.2万亿元增长至2023年的53.9万亿元，数字经济规模扩张了3.8倍，数字经济占GDP比重高到42.8%。
在潜移默化中，数字经济已经成为全球经济增长的重要引擎。
与此同时，在生成式AI新模式的带动下，人工智能技术正在成为驱动全球经济发展的另一个重要变量。
人工智能技术的阶跃式发展背后带来的是数据量的暴增，据中国信通院研究报告显示，在2020年6月1750亿规模参数的GPT-3大模型发布后，大模型的知识密度在持续增强，平均每8个月翻一番。
尤其是在多模态大模型成为行业发展的主流趋势后，非结构化数据爆发式增长，对数据库提出了多模态需求。
陈小伟指出，人工智能时代非结构化数据的爆发式增长带来了三方面挑战：
第一，数据体量大，企业级的非结构化数据通常以PB、EB量级存在，存储和使用这些数据需要大量的存储和计算资源；
第二，数据格式多，包括文本、图片、音视频、日志等格式；
第三，数据理解困难，由于非结构化数据的多样性和复杂性，使得快速、准确地查询信息变得非常困难。
这时，OceanBase打造的多模一体化技术架构的优势就凸显了出来。
例如，OceanBase与支付宝“百宝箱”团队合作，基于LBS搭建了一个可以实现周边服务问答的智能体。
现在在支付宝的百宝箱中，你只需要对着它说出诸如“请推荐距离3000米内，评分4.5分以上，人均消费200元以内的潮汕牛肉火锅店”，它就可以自动将符合条件的火锅店推送给你。
在这个过程中，虽然仅仅是一次简单的问答交互，对于数据库而言，背后却涉及到了空间搜索和计算、标量过滤、向量检索在内一整套复杂流程和计算过程。
如果基于传统数据库方案，开发一个这样的AI应用需要使用多个数据库产品，由于不同数据库查询关注的维度有所不同，往往又需要基于不同数据库召回大量数据并在内存中对多路召回数据进行重新排序，这不仅会消耗大量内存和算力，还需要较长的开发周期。
由于OceanBase多模一体化数据库原生支持各类数据类型和索引，这类AI应用的数据库架构从多库简化到了一个库，支付宝“百宝箱”团队仅仅用了一个星期的时间就完成了这一应用从0到1的开发。
OceanBase CEO杨冰在2024年OceanBase年度发布会上曾指出，“在未来数智化时代，数据库技术由分走向合已经是一个必然趋势。”
在经过这十几年的技术研发、产品迭代，以及2000多家商业客户实际应用场景中的打磨，如今的OceanBase已经形成了面向数字化、智能化时代的数据架构，OB Cloud也完成了向一体化多模分布式数据库、一体化多云、一体化云平台、一体化数据库生态的进化。
而基于“一体化”数据架构的OB Cloud，不仅支撑了零售头部企业和中国超60%的千亿规模消费电子企业的数字化转型，在接下来人工智能大潮下，也将成为支撑更多企业数智化转型的一体化云数据库。
