演讲实录 | 尹博学：构建 DataxAI 能力，打造面向未来的零售数据底座

感谢各位来宾，大家下午好。今天和大家分享一下数据和 AI 融合的时代背景下，OB Cloud 在帮助零售企业构建未来数据底座方面的思考。

OB Cloud 性能及能力

首先，简单介绍一下 OB Cloud 的特性。OB Cloud 的内核是强大的 OceanBase 数据库引擎。OceanBase 于 2010 年诞生，从最初服务于蚂蚁集团、支付宝等内部场景，随后逐步扩展到支撑千行百业。

OB Cloud 于 2022 年发布，身处 OceanBase 的 4.0 时代，核心聚焦于一体化、多云部署，是面向 AI 的创新版本。

OB Cloud 以 OceanBase 数据库引擎为核心，致力于打造面向千行百业、云端一体化的云服务平台。其主要特性包括 HTAP 能力，支持实时分析，同时紧跟 AI 时代的需求，集成了 AI 向量、混合搜索、多路查询等创新服务。平台还具备高度一体化能力，内置 SQL 引擎，并兼容 MySQL、Oracle。所有这些服务和能力都可以部署在多种云底座上，保证在不同云环境下为广大客户持续提供一致和连续的服务体验。

OB Cloud 目前已覆盖亚太、欧美等 50 多个地域的 170 多个可用区，支持阿里云、华为云、腾讯云、百度智能云、AWS、Google Cloud 六大主流云基础设施，并提供跨地域与跨云场景下的分钟级故障切换能力，保障业务高可用。同时，OB Cloud 现已在零售行业实现规模化落地，覆盖鞋服、商超、美妆、3C 、餐饮等十余个细分赛道，支撑全国及海外门店、线上商城、即时零售等全渠道场景，服务客户数超过 200 家。

这是 OB Cloud 的主要功能介绍，接下来将重点和大家讨论、阐释 OB Cloud 在零售行业一些关键场景中能发挥的价值。

首先看一下主要的能力体现和场景的结合。

第一，极致的弹性能力。OceanBase 引擎与云原生架构深度结合，充分释放了云端的弹性优势。基于这一能力，OB Cloud 能够为零售行业，尤其是在应对脉冲流量场景时，提供强有力的弹性保障。

第二，针对当前 AI 时代和数据时代对数据场景提出的高效、严苛的实时分析需求，提供了行存与列存混合的 HTAP 引擎，帮助客户在同一份数据上兼顾事务处理（TP）和分析处理（AP）的双重工作负载。

在标量数据、传统关系数据的基础上，OB Cloud 也支持了向量数据，在数据库内部实现了标量和向量的混合检索。这些能力在 AI 时代的应用场景中，能够帮助客户高效、快速地实现 AI 场景的落地。这也是 OB Cloud 最为突出的三大核心特性之一。

在这些特性基础之上，OB Cloud 还带来了极致的性价比和多云环境下服务体验的一致性，帮助传统企业充分利用云端的弹性优势，实现架构的平滑上云和升级。这也是在零售行业中，结合 OB Cloud 所看到的典型应用场景和关键价值体现。

OB Cloud 在零售核心场景的探索与实践

下面我将结合几个客户案例以及应用场景和大家分享： 

首先，想和大家分享一下脉冲流量的典型场景。过去几年，零售行业经历了线上化和 DTC 转型，由传统渠道型销售逐步迈向直接对消费者的营销模式。同时，在电商先驱的推动下，如今大多数零售企业都会参与节假日促销、爆款活动等线上营销。这种营销方式势必会带来脉冲式流量的激增，给企业带来新的挑战。

面对这样的流量冲击，如何让 IT 系统和订单系统、营销系统、优惠券系统等，都能稳定承载脉冲流量，成为企业迫切需要解决的问题。而且，仅仅“顶得住”还远远不够，企业还要在保障系统稳定性的同时实现更优的性价比。

OB Cloud 以及 OceanBase 本身，经过多年在支付宝、淘天等场景下的实践，已经打磨出了极致的弹性扩缩容能力。将 OceanBase 与云底座的弹性伸缩技术深度融合后，我们能够为客户提供多维度的弹性能力，比如租户级的弹性管理、垂直向的弹性扩缩以及横向的弹性扩展。这些分层弹性能力，帮助客户在面对不同类型的脉冲流量时，都能实现自如承接。

接下来，可以举一个非常典型的案例。我们有位客户在线上推出抽盒系统，在这一新的消费模式下，系统的脉冲流量会随着不同爆款的推出和用户参与度出现剧烈波动，每一轮活动都带来显著的流量高峰，对系统的弹性和承载能力构成了极大挑战。有些时间段，抽盒系统的流量暴增至平时的 20 至 30 倍甚至更高。

面对这样的流量压力，他们引入了 OB Cloud，依托 OceanBase 强大的租户级、垂直及横向扩缩容技术，实现了高效弹性应对。过去两年多的时间里，抽盒系统在可控成本的前提下，始终能平稳应对每一次抽盒活动的流量高峰。

进一步来看，在当前数据驱动的时代，许多营销和运营决策都高度依赖于数据支撑。随着业务形态持续演变，对数据决策的实时性和效率也提出了更高要求。以往的方式是先在 TP 库中进行事务性处理，再将数据抽取到数仓进行分析，但这种异构系统下的 IT 架构已经难以满足、支撑业务对实时数据分析和决策的需求。

在这一情况下，对数据架构和底层能力提出了更高要求。OB Cloud 的 HTAP 引擎正是为满足这一需求而打造。

在整个技术底座上，我们基于一套数据引擎同时支持行存和列存，构建了能够兼容行列存储的分布式数据处理引擎。这个引擎不仅实现了统一的标准接口，同时向用户提供了行列混存的能力，既能满足高效事务处理，又能支持各类复杂的数据分析，为企业带来了一体化 HTAP 服务。

接下来分享另一个典型案例零跑汽车。

零跑汽车的营销系统最初是在开源 MySQL 数据库上搭建的，由于其业务类型多样、数据分析需求复杂，系统在处理复杂 SQL 分析时遇到了性能瓶颈。

为此，零跑汽车调研了多种新架构方案，比如使用主流数据分析引擎，中间通过数据管道实现数据流转。但在实际测试中发现，这种架构存在很大的局限性，比如因为中间的数据管道容易出现不稳定的情况，导致数据分析的时效性难以保障。此外，上游数据结构改变，下游数仓引擎是否能平滑承接，也是一个非常大的挑战。

在这一背景下，零跑汽车选择了 OB Cloud，通过 OceanBase 的 HTAP 引擎，完美解决了营销系统对数据实时分析的场景需求。

这一选择不仅解决了上述难题，还显著降低了运营成本。过去需要分别为 TP 和 AP 两套引擎付费，但采用 HTAP 一体化引擎后，仅需一次投入，就能满足事务处理和实时分析的全部需求，真正实现了降本增效。

第三个主要场景是大家当前最为关心的——在 AI 时代，OB  Cloud能提供什么样的能力？

无论是 GPU 还是 CPU 算力架构，OceanBase 及 OB Cloud 均能灵活部署。在数据类型方面，我们不仅支持结构化数据，也兼容半结构化和非结构化数据。在全量数据上，OB Cloud 既能提供 TP 和 AP 双引擎支持，还具备模糊匹配、全文匹配查询等能力。同时，也引入并支持向量技术，能够在传统标量计算与分析的基础上，提供向量相关的计算和分析，形成标量与向量混合引擎。

这种能力可以支持大模型推理，消除幻觉的 RAG 服务，例如，结合精准模型，通过数据库中高质量的本地数据对大模型进行训练，实现更可靠、精准的模型表现。此外，基于大模型和本地数据的 RAG 服务，底层依赖标量与向量的多流混合能力，可以为上层应用提供消除幻觉的智能服务，赋能零售企业在 AI 方面的创新应用，例如以图搜图、以图搜视频、智能导购、智能巡检等。

以我们与合作伙伴 in 银泰商业联合打造的“智能问数”场景为例，原有的数据分析和数据运营流程通常要求员工具备一定的 SQL 技能，需要通过 SQL 命令以及相关交互界面，与企业的数据分析平台进行沟通交互，这对人和整个运营人员的效率而言，是一个比较大的挑战。

当下， AI 时代的交互界面从 SQL 语言、要求比较高的计算机语言变为自然语言。我们的数据分析人员现在只需用日常对话的方式与计算机系统交流，这背后所涉及的技术，正是“自然语言 to SQL ”这一 AI 技术的创新应用。

系统将用户的自然语言请求通过 AI 技术转化为标准的 SQL 查询，最终由数据库处理并返回结果。我们与 in 银泰商业合作的“智能问数”项目，正是这一技术的成功实践。

以上是我们面向应用层，比较受大家关注，也是非常典型的三个场景。接下来，我还会继续分享一些内容，这些内容同样能帮助传统企业，不管是上云，还是在降本、提高性价比这些方面，都可以和 OB Cloud 进行很好的结合和创新。

首先，关于传统企业的上云。其实现在无论是 AI 的驱动、数据的分析需求，还是应对脉冲流量的驱动，云服务所提供的弹性能力和性价比优势，都能帮助企业实现业务创新。所以最近有很多企业，尤其是零售企业都在积极推动上云的计划。

在这一大背景下，部分企业的 IT 系统可能存在一些“包袱”，这个“包袱”，主要指以前大家投资建设的 IT 设备或系统，大多基于像 Oracle 这样的传统架构，这种架构可能没有相对特殊的硬件、相对封闭的软件系统，会影响企业直接上云的进程。

针对这一痛点，OceanBase 这两年一直在打造两个搜索引擎：一个是兼容 MySQL 的开源引擎，另一个是高度兼容 Oracle 的引擎。兼容 Oracle 的引擎能较好地帮助传统企业上云，它兼容 Oracle 的特定语法和用法，为企业升级云原生数据库提供了选择。

第二个案例也是比较典型的，就是我们服务于华南地区的一家药品流通领域的零售企业——大参林。大参林线下门店的 POS 系统，原来是基于 Oracle 在线下来做的。但随着 POS 系统数字化升级的需求，他们希望把整个 POS 系统迁移到云上，充分利用云的弹性算力，甚至结合边缘算力，为新一代的 POS 系统带来更多业务创新的可能性。

在这个过程中，我们通过云原生的 OB Cloud 服务，帮助大参林将原来线下、基于 Oracle 的 POS 系统平稳地迁移到了云端，实现了对原有 Oracle 业务系统特定用法的兼容，同时获得了云上云原生的能力。

其实刚才的行业专家也已经提到，现在整个零售行业正处在转型升级的阶段，这是一方面。另一方面，大家在成本管理这块也都在想办法降本增效。在这一背景下，我也想跟大家交流一下，OB Cloud 以及 OceanBase 自身在这方面，能够为零售企业带来的一些能力和价值。

首先，OceanBase 是一款具有较强数据压缩能力的数据引擎。这个功能经过我们和很多客户的测试和生产实践，不管是在效果还是性能方面都得到了认可。举个简单的例子，如果在传统的开源 MySQL 数据库里有 1TB 的数据，迁移到 OceanBase 之后，通常可以将原有数据量压缩至 80% 甚至 70%。

同时，我们的计算引擎还支持多租户能力，能帮助客户把以前更多在微服务架构下分散的、小的数据库集中到一个比较大的分布式数据库的集群里，提升计算的密度。配合刚才提到的数据压缩提升存储密度，整体来说，存储和计算的密度都大幅提升，企业的总体成本也就随之大幅下降，从而实现更高的性价比。

汤臣倍健是我们的一个典型客户。通过刚才提到的技术能力，在实际业务层面，他们实现了非常明显的降本增效，也进一步验证了 OB Cloud 在零售行业性价比提升上的价值。

OB Cloud 的朋友圈

以上是我对 OB Cloud 的独特性，以及它和零售企业在各类典型场景下深度结合与创新的一些案例分享。第三部分，想简单回顾一下 OceanBase 以及 OB Cloud 在零售行业的一些积累。

其实我们也提到，2 年来，OB Cloud 已经在零售行业服务了 200 多家客户。在这一过程中，我们也非常感谢众多生态伙伴的深度参与和支持。无论是数据中台、营销系统，还是业财系统的合作伙伴，我们都进行了深入的系统融合，也一起优化了客户服务体系，甚至在商务政策方面也实现了紧密协同。正是通过这样多层次的合作，我们才能够共同服务好 200 多家终端零售客户。

在这里，特别介绍我们合作的三个典型伙伴。

第一个是石基，我们跟石基一起，帮助传统零售客户，尤其是商超和百货客户上云。我们还有数据中台领域的伙伴，无论伯俊还是百胜，在和他们的合作中，我们充分发挥了 OB Cloud HTAP 引擎的优势，不仅能够很好地应对节假日促销等脉冲流量带来的交易压力，同时也可以实现对交易数据的实时分析，帮助客户及时做出营销决策。

OB Cloud 的极致性价比，以及多模融合的能力，也让我们的数据中台伙伴在为客户赋能时有了更强的技术支撑。

总的来说，客户的这些新一代数据中台系统都和 OceanBase 以及 OB Cloud 形成了非常紧密的结合，为零售企业提供了更加高效和智能的业务解决方案。

这就是我对于 OB Cloud 在 Data 和 AI 融合时代如何面向未来，为整个零售行业提供一个全新的数据底座的思考和实践。谢谢大家。