上周参加OB的开发者大会，和很多业内的朋友交流了很多关于未来数据库在AI方向上会做成什么样的话题。我当时有一个观点，用户会用AI做什么，数据库厂商就应该为用户提供什么。
从AI4DB的角度看，AI技术提供了一种数据处理的新模式，可以方便地处理原本不太容易处理的数据。AI强大的数学能力和推理能力也必将增强我们对数据的理解和应用。在AI4DB的应用场景中，多模态、融合数据库是十分基础的能力，就像Oracle在23AI的那个测试场景中所述的，我想找到一个离市中心3公里范围内，价格低于10万美金，楼层是3层，带2个车库的房子，房子必须是坡顶的，带有一个西班牙式的门廊，.....。在这些条件中，有很多是传统的关系型查询条件，而对房屋的描述虽然也可以通过将房子的各种特征罗列出来，不过这样的数字化工作成本太高了，而且无法满足一些更加复杂的需求。如果我们看到一套房子，觉得不错，最简单的方法是拍张照片，然后问数据库，能不能找到离市中心3公里范围内，价格低于10万美金，楼层是3层，带2个车库并且和我这张照片很像的房子。这样数据库要能够融合向量、关系、地理信息等多种数据的处理。
现在很多的厂商都在尝试使用自然语言生成代码，减少开发人员的工作量。实际实际上文生代码并非最好的处理模式，还绕了一个大弯子。我估计未来很快会出现通用型的以自然语言为核心的处理框架。最近我们社区尝试了一个新的框架，在这个框架的基础上，可以使用自然语言描述来分析运维数据，推理问题根因，发现优化方案，完成自动修复。基于该框架的商用系统在一两个月内将会推上市场，同时也将会提供社区版。不过与以前社区推出的社区版软件不同的是，因为需要算力服务器的支持，因此我们只能用一体化硬件的方式提供社区版的一体机，我们目前还在优化方案，争取把整体费用控制在5、6万以内。
我觉得未来的数据库应该是一个AI就绪的数据基础设施平台和数据处理平台。对用户来说，越简单越好。未来的AI数据库必须是开箱即用的，不需要我们去搭建向量、图、地理信息、RAG/KAG，数据预处理等复杂的应用环境，而是将这一切都融入数据库产品中去。
如果未来的数据库产品还像现在一样，只是集成了一些数据存储和检索的功能，缺少构建AI应用的其他能力，那么当一个企业想要构建AI应用的时候，不是围绕数据库进行的，而是围绕某个AI应用框架进行的，这时候数据库的选择是多样化的，边缘化的，那么我为什么不选简单的开源数据库，而要去选择一个复杂的商用数据库产品呢？
