22 年只做数据库，南大通用把 GBASE 带到了哪一步？

6 月 25 日我参加了 GBASE 技术云享会·2026，刚好碰上南大通用 22 周年。会场背板上写着“全栈自研迭代，全域场景落地”。

一下午听下来，我最大的感觉是：南大通用这些年基本一直围着数据库这件事转，投入也不小。国产数据库现在不只是“能不能跑”的问题，真正难的是能不能进核心系统、能不能长期稳住、能不能接住新场景。

这场会的节奏也比较清楚：前两场先讲行业趋势，后面再讲自家三条产品线。下面也按这个顺序展开。

一、国产数据库现在走到哪一步了

开场是中国信通院人工智能研究所大数据与智能化部主任姜春宇，讲《数据库产业态势及技术趋势观察》。我挑几个印象最深的点记一下：

• 市场在收敛。前几年数据库创业很热，产品一度遍地开花，这两年企业和产品数量都在往回走，已经收敛到一百多款，后面还会继续向头部集中。他有句话挺形象：中国是用一个更小的市场，养活了比美国更多的数据库企业，所以洗牌远没结束。
• 核心替换分梯队。金融和电信这两年能换的基本换得差不多了；下一波是央企，能源、交通、医疗会更靠后，整体周期可能要拖到 2030 年前后。
• 技术上是“分久必合”再加一条 AI 变量。交易和分析重新走向一体化（HTAP），本地往云原生迁，AI for DB 和 DB for AI 两个方向都在推。
  

他收尾时说数据库是个“夹心层”，上面接应用、下面接存储，既古老又总有新机会。

二、从 DB for AI 到 DB for DATA

第二场是徐戟老师（圈里更熟的名字是“白鳝”），题目叫《数据库的未来：从 DB for AI 到 DB for DATA》。这场主要讲 AI 时代为什么还需要新的数据库形态。

他把问题拉到 AI 时代：只要 AI 智能体能把需要的数据取回来用，数据具体怎么存，反而没那么要紧。关系型数据库过去积累的很多优势，也开始被重新审视。

他讲了 AI 时代对数据提出的几个新要求，我记下三点：

一是数据质量的要求变了。以前的数据“大差不差”就能用，但智能体拿到一条假数据，或者中间漏掉几条，就可能推出完全错误的结论。

二是向量检索成了基础能力。早期大家主要靠 RAG 召回数据，往后向量维度会更高，用的地方也会更多。

三是数据处理和 AI 计算开始合到一起。过去是先做关系计算，再做向量计算，最后做推理；未来最好在一个过程里完成。

他的判断也很直接：只会“存储加计算”的传统数据库，在 AI 工作流里会被挤到边上。到今天为止，不管是 Oracle 还是国产库，都还没有哪一个能算真正的“AI 原生数据库”。谁先把数据库嵌进 AI 推理过程，谁就更有机会回到中间位置。

这场留下的问题很现实：面向 AI，国产数据库不只是“把 Oracle 换掉”，还得长出新的形态。后面南大通用讲 GBase 8c 时，我感觉它基本是在回应这个问题。

三、南大通用是家什么公司

董事长丁明峰的致辞很短。他说南大通用这些年一直比较低调，22 年里跟着市场反复调整产品和战略，才走到今天；往后这条路，他看得也很清楚：国产替代这条主线不会变。

底子方面，几个数字能说明不少问题：2004 年成立，22 年只做数据库；产品覆盖全国 33 个省级行政区，远销 50 多个国家，服务过金融、电信、政务、能源、交通、国防军工等上万家用户，部署节点超过 10 万个，管理数据超过 500PB。

研发这边，南大通用研发投入占公司总投入 55%，研发人员占总人数 63%，在天津、济南、南京、西安、长沙设了五个研发中心，发明专利 313 项，过了 CMMI-5。第三方榜单上，它是 DB-Engines 国产 TOP4、Gartner 数据仓库领域世界第 7（中国第 1）、IDC 国产前 5，赛迪顾问给的是中国分析型数据库国产第一、金融行业用户渗透率第一。

四、三条产品线，三种打法

下午的核心是三场产品分享，正好对应 GBASE 的三条线。先放一张对照表：

GBase 8a：分析型这块的国产标杆

8a 是国内第一款列存数据库，也是第一款 MPP 分布式逻辑数据仓库，强项就是海量数据的查询分析。几项指标比较硬：GBase 8a V9 以 QphDS 8944478 通过 TPC-DS 权威测试，测试节点最少、平均单核算力世界第一；以 4096 个节点的集群规模满分通过中国信通院的性能及基础能力评测；融合 MPP 与 Hadoop，支持存算分离、按需弹性扩展，也能跑公私有云。

配套工具也比较全，Data Studio、GDOM 运维平台，加上 RTSync、GBLoad、DBLink 等迁移同步工具，以及面向异地灾备的双活集群同步，基本覆盖了分析型数据库上线后的管理、迁移和灾备需求。

GBase 8s：敢上电力、银行核心的那一款

8s 是这次“以产品阐述对用户的理解”那场的主角，定位是核心交易。它满足严苛的事务 ACID，可用性做到 99.999%，能撑 200TB 业务数据、响应 30000 并发连接。它的共享存储集群 SSC 对标 Oracle RAC，但架构更简单，也不依赖额外插件，这正是替换 Oracle 时很要紧的一点。

更有说服力的是它的实战记录：这是国内第一个用共享存储集群技术、并且真的上线了电力和银行核心交易的数据库。2017 年上线某电力核心交易系统，单实例撑 300 多个应用、数据超 50TB、单表最大 2.4TB（39 亿行）；2019 年又上线某商业银行核心。安全这块过了等保四级，配套有 GEM 自动化管理工具集，产品本身拿过中国国际金融展的金鼎奖。

GBase 8c：冲着 AI 时代去的新答案

如果说 8a、8s 是守住既有阵地，8c 就是往前探。前面徐戟提的那三件事——数据质量、向量化、处理与 AI 计算合一——8c 基本是按这个方向做的。它在“多模”上把行存、列存、HTAP、向量、时序放进一套引擎；在“多态”上支持集中式、主备、分布式、存算分离多种部署，物理机、虚拟机、容器、公私有云都能跑。

AI 这块是重点：自研的分布式向量索引算法，支持千亿级数据规模的相似性检索，面向 RAG、图检索、智能体记忆这些场景，也带了 AI agent 能力。安全上过了 EAL4+ 认证，兼容性上支持 SQL-92/99/2003，高度兼容 Oracle、MySQL、PostgreSQL、SQL Server 的常用语法，已经满分通过信通院第 11 批大数据产品能力测评的分布式事务数据库能力认证。

另外还有一场，是 openGauss 社区秘书长蔡亚杰讲《openGauss：构建开放共赢的开源数据库根社区》。把闭源产品矩阵和开源生态放在同一场会上，能看出南大通用对开源生态也在持续投入。

五、替换到底怎么落地

讲产品容易，难的是能不能真换下来、还稳得住。南大通用给的是一套国产化替换全栈方案，分三段走：迁移准备、迁移实施、并线运行；工具上配了 MTK 图形化迁移、SQLMapping、RTSync 实时同步，尽量把业务中断压到最小。

更实在的是替换战绩，下面这些是彩页里“替代方案与工程经验”的节选：

行业落地的案例也不少：建设银行、人民银行清算总中心、国家开发银行的核心场景；交通领域有 27 个城市 80 多条轨道交通线路、泰州大桥海陵收费站收费系统的国产化改造；民生这边有民政部的“金民工程”。从金融核心到城市轨交再到民生工程，覆盖面已经铺开了。

六、生态和服务

数据库是门长期生意，光有产品不够。南大通用这几年在生态上铺得比较广：商业伙伴已经签了 1000 多家，跟超过 1000 家企业、6000 多款产品做了适配认证；“GBase 学堂”从 2015 年开始做培训，累计培养了 16000 多名认证工程师，分 GDCA、GDCP、GDCM 三级。

标准和服务这块也有一些积累：参与编制国标 15 项、行标 16 项、团标 5 项；服务网络覆盖全国，承诺 4 小时到现场，提供 7×24 小时的本地化原厂技术支持。

最后说两句

会上丁明峰丁总说自己不算高调，姜春宇主任说数据库既古老又有魅力。一下午听下来，我对南大通用的印象更接近前者：这家公司确实不太张扬，但 22 年一直盯着数据库这件事做。

国产替代走到啃核心这一步，比的已经不只是 PPT 上的参数，而是谁真的在电力、银行、轨交这些系统里跑过多年、扛过高峰。南大通用用 8a 做分析型数据库，用 8s 打核心交易，又用 8c 去接 AI 这一棒。三条线各管一摊，但底座还是同一套东西。

如果你最近在做数据库选型或者国产化替换，南大通用可以放进候选名单里。

官网：www.gbase.cn。本文是我参加 GBASE 技术云享会·2026 的现场记录加公开资料整理，数据来自会议分享和 GBASE 官方资料。