一、Keynote大师观点分享
Keynote 1. LLMs Are Not Enough: Why Broken Processes Still Break Promises in the Age of AI -- Prof Wil van der Aalst (RWTH Aachen University, and Celonis CTO)
研究观点: 尽管当前大语言模型在单一任务上表现卓越，但组织在AI部署中未能实现真正的业务价值，根本原因是核心流程的结构性缺陷（如不透明和碎片化）与利益相关者对流程的认知偏差（如理想化路径与现实复杂性的鸿沟），导致AI沦为无效的“数字化装饰”。以对象为中心的流程挖掘（OCPM）是撬动企业级AI真正价值的关键基础技术，通过系统性方法、多维度数据整合和帕累托法则的应用，为LLMs提供精准落地的框架与聚焦点，从而避免AI沦为表面装饰。
Keynote 2. Symmetry-Aware Loss Functions for LLM Advice on Behavioral Logs -- Prof. Ernesto Damiani (Università degli Studi di Milano, Italy)
研究观点: 行为日志管理的核心挑战要求LLMs突破传统范式，而引入对称性感知损失函数通过结构化学识（如时空不变性约束）显著提升模型输出的质量与可解释性，但需在专业知识、计算成本与任务平衡中寻找实践路径。该技术的本质是用数学对称性翻译人类认知常识（如"时间倒流后行为规律应不变"），使模型摆脱数据表层的噪声纠缠。但当下的成功取决于领域知识到数学约束的转化精度——这恰是当前AI最缺乏的桥梁能力。
Keynote 3. How to Build a Brain -- Christos H. Papadimitriou (Columbia University)
研究观点: 计算机科学已完成从"工具学科"向"基础认知范式"的进化，其"计算视角"正重构多学科研究范式，而突破当前AI局限（如高能耗/缺乏情感）需回归脑科学本质(探究"微观神经元→宏观智能"的涌现机制)——这一思想在作者构建的NEMO类脑模型中形成闭环。
Keynote 4. Databases Unleashed - Rethinking Relational Databases in the Age of LLMs -- Prof.Carsten Binnig (TU Darmstadt TUD)
研究观点: 关系型数据库在AI时代面临三大交互成本（Query Tax、Tuning Tax、Data Tax），而LLM无法直接替代传统数据库，因为LLM的模糊性推理与数据库的确定性要求根本冲突，但可作为增强工具在特定场景（自然语言查询/免结构化映射）中显著降低交互成本，实现"以人为本"的数据访问革新。(Query tax即用户何如根据自己的目的把SQL查询写出来；Tuning tax即数据库需要及其复杂各种参数的调优；Data tax即要把数据抽象转化到关系表中)
Keynote 5. The Case for Collaboration (Everything a Database Person really needs to know about Machine Learning) -- Margo Seltzer (University of British Columbia)
研究观点: 在数据库系统中应用机器学习应遵循"务实三原则"：坚持轻量模型优先、倡导跨域深度协作、聚焦可量化场景——以简单性换取效率与透明性，用协作激发创新，最终实现ML技术的问题驱动落地。
在数据库优化场景中，轻量级模型（如线性回归、决策树） 往往比复杂深度学习模型更适用。
数据库专家（洞悉系统瓶颈与工程约束）和ML研究者（掌握算法特性与建模技巧），二者协作聚焦查询优化/索引推荐等实际需求，拒绝纯理论空转。
拒绝"为ML而ML"的潮流跟风
二、前沿研究趋势总结
高效事务调度机制：引入现代CPU的用户空间异步中断技术，实现轻量级抢占调度引擎，显著降低高优先级事务的延迟；自主提交机制解决了传统Group Commit在高负载下的局限，提高吞吐量和降低时延。
相关论文：
Low-Latency Transaction Scheduling via Userspace InterruptionMoving on From Group Commit:Autonomous Commit Enables High Throughput and Low Latency on NVMe SSDs
流数据处理与实时计算：提出基于摘要选择机制的流数据处理技术，优化内存与计算开销，实现高效正则子序列聚合；新型近似数据结构Pandora，有效应对基于持久性的任务，提高处理速度和准确性。
相关论文：
Pandora: An Efficient and Rapid Solution for Persistence-Based Tasks in High-Speed Data Streams
SuSe: Summary Selection for Regular Expression Subsequence Aggregation over Streams
GPU加速与硬件优化：利用GPU和SSD的硬件优势，通过GPU Direct Storage技术，实现数据的高效解压和查询处理；基于GPU的细粒度剪枝技术，减少无效数据读取，提升带宽利用率。
相关论文：
GOLAP: A GPU-in-Data-Path Architecture for High-Speed OLAP
GPH: An Efficient and Effective Perfect Hashing Scheme for GPU Architectures
向量数据库与索引优化：AlayaDB和MicroNN等系统通过解耦KV缓存和注意力计算，优化长上下文LLM推理的性能；新型索引结构和算法优化，如增量IVF索引更新，支持低资源环境下的高效向量搜索。
相关论文：
AlayaDB: The Data Foundation for Efficient and EffectiveLong-context LLM Inference
MicroNN: An On-device Disk-resident Updatable Vector Database
查询优化与性能提升：DPconv框架通过分层动态规划和快速子集卷积技术，显著提高查询优化的效率；Galois系统通过逻辑和物理优化，提升SQL查询在LLMs上的准确性和效率。
相关论文：
DPconv: Super-Polynomially Faster Join Ordering
Logical and Physical Optimizations for SQL Query Execution over Large Language Models
递归查询：引入递归表达式增强数据库表达能力，提升查询性能和效率。
相关论文：
Simple Semantics and Scalability for Powerful Recursive Queries with Aggregates
云数据库架构优化：包括提升内存利用率、优化共享存储架构、实现亚秒级冷启动和弹性扩展、利用 CXL 技术解决内存解耦挑战、高效解析云系统日志等。
相关论文：
CockroachDB Serverless: Sub-second Scaling from Zero with Multi-region Cluster Virtualization
Unlocking the Potential of CXL for Disaggregated Memory in Cloud-Native Databases
分布式系统和混合工作负载优化：通过事务表分层设计和恢复流程重构提升 LSM - tree 数据库性能；提出新的LSM文件合并策略；云数据管理服务实现多模态和库内 AI 能力；高校浮点数压缩算法等。
相关论文：
SAP HANA Cloud：Data Management for Modern Enterprise Applications
Camel: Efficient Compression of Floating-Point Time Series
Rethinking The Compaction Policies in LSM-trees
向量搜索和邻域搜索技术发展：图基向量搜索方法不断演进，出现动态边导航图、Subspace Collision 框架、iRangeGraph 等新方法提升向量搜索性能。
相关论文：
Graph-Based Vector Search: An Experimental Evaluation of the State-of-the-Art
DEG: Efficient Hybrid Vector Search Using the Dynamic Edge Navigation Graph
Subspace Collision: An Efficient and Accurate Framework for High-dimensional Approximate Nearest Neighbor Search
生成式 AI 与 LLM 引发范式转变：自然语言接口成为数据查询核心，LLM 重塑数据库堆栈各组件，智能体工作负载将成主流，这将打破结构化与非结构化数据壁垒，实现全数据生态整合查询与统一管理。
相关论文：
AI for Future Database: A New Beginning or a Boulevard of Broken Dreams
Cracking SQL Barriers: An LLM-based Dialect Translation System
数据库与 LLM 结合的应用探索：利用 LLM 辅助数据库性能问题调试、将 LLM 推理转化为 SQL 查询在关系型数据库上运行、通过 LLM 动态生成表格用于 OLAP 查询处理等。
相关论文：
SwellDB: Dynamic Query-Driven Table Generation with Large Language Models
Adda: Towards Efficient in-Database Feature Generation via LLM-based Agents
三、数据库厂商战略布局
各厂商围绕自身业务和战略目标，在数据库系统上有不同侧重，如 Snowflake 注重算存管分离架构与 AISQL、华为云 GaussDB 注重技术创新与商业优势、Databricks 注重 Data + AI 战略定位、微软倾注PostgreSQL的发展与优化、阿里云注重AI Search 技术、谷歌注重Data Cloud 服务、Salesforce 注重data stack重构、AWS 注重分析系统创新等。
四、结束
本文主要分享了对本届SIGMOD大会的洞察，后续我们计划再做一期专门针对数据库索引的洞察，敬请关注！
欢迎访问WELCOME TO VISIT
openGemini官网
https://www.openGemini.org
Star for me 🌟
https://github.com/openGemini
更多精彩内容，可以关注openGemini微信公众号查看，还有交流群等你加入哦~
