新一代 AI 与数据库的融合_李凌霄.pdf

1、新一代 AIAI 与数据库的融合李凌霄IDC中国 软件行业研究经理GenAI 给数据带来了什么？GenAI 市场高速增长 AI 布局成企业最大支出动力37%37%28%25%降低IT运维支出加大AI业务应用布局应对新应用的高性能/大容量需求增强企业抗风险能力，提升组织韧性能力建设2025 年企业支出大幅增长的主要驱动因素年企业支出大幅增长的主要驱动因素IDC 预测，到 2027 年，在经历多个 AI 项目落地实践与挑战后，70%的 IT 团队将回归本源，专注于为数据流通质量、治理和信任打造 AI 就绪的数据基础设施平台。GenAI 推动全球企业数据量高速增长 物联网设备基数的持续扩大，边缘计算

2、与云计算的协同发展推动数据量激增；云平台提供可扩展的数据管理和分析能力，支持广泛的数据生成，对数据驱动决策的重视需要收集和分析大量数据集，进一步促进数据生成的增长；AI（含GenAI）技术的广泛应用，赋予企业从数据中获取洞察的新能力；自动化与工业 4.0 持续推进，智能设备和系统产生海量运营数据；数字孪生技术的持续进步，在制造、汽车和航空航天、医疗保健、公用事业等广泛行业和用例中得到越来越多的采用和使用，物联网与 AI 协同提升其精确度与应用价值。1001502003003502505000510202515202336.022.5202447.826.417.618.8202563.831.

3、324.824.3202684.137.633.632.32027109.945.344.143.42028145.355.357.559.1(ZB)(%)2023-2028 Enterprise DataSphere(ZB)with Growth(%)OtherManufacturing and resourcesPublic sectorRetail and servicesTotal growth(%)Selected Segment Growth RateRetail and services CAGR 32.2%Manufacturing and resources CAGR 37.

4、1%Public sector CAGR 19.7%Other BPO CAGR 32.5%Total Market CAGR30.2%30.2%+数据迁移难度大数据传输增加运营成本数据迁移需求频繁复杂度和预算均攀升云环境割裂旧架构难以承载 AI 需求，多模态能力缺失，制约发展+存储冗余与异构存储系统并存推高管理复杂度和成本数据备份与同步造成存储资源消耗与低效利用管理分散，降低业务处理效率增加运维管理成本多模态割裂异构迁移成本高易损数据技术债务TP/AP 架构分离导致资源分配不均衡资源使用效率低资源调配难度高资源成本投入高负载割裂系统性成本危机数据基础设施割裂阻碍 GenAI 落地效率GenA

5、I 的数据底座：一体化数据库单点优化阶段局部优化为目标以关键场景为试点聚焦解决部分关键问题TP 集中化管理应用原生能力技术上整合分散数据库资源管理上实现集中化和去壁垒化TP+AP+向量融合阶段实现多模态数据协同处理构建统一的数据管理策略技术上协同管理和调度数据资源多个 IT 部门协同工作AI 全链路支持阶段数据底座全面，全链路支持企业智能化发展数据、算法、业务深度融合充分释放数据价值一体化数据库是一种状态 而非技术一体化数据库能力框架能力需求全负载融合处理能力多云与边缘协同能力数据价值实时释放能力AI 智能应用响应能力多云环境 灵活调度AI 推理与服务支撑混合负载融合处理多模数据统一管理统一技术栈与产品集成化成本中心价值中心从成本中心到价值枢纽战略价值技术自主权强化多云生态主动权数据生态协同能力能力需求TCO 集约管控多云流动成本优化量化战略升级收益一体化数据库价值成本收益效益收益+=业务创新价值组织协同价值技术自主权与创新+IDC 建议模态复杂度结构化非/半结构化向量特征云策略云部署模式迁移需求AI 成熟度模型训练推理需求业务场景负载密度TP负载AP负载AI负载建议一精准评估业务痛点，锚定转型优先级建议二分阶段试点验证，控制转型风险建议三选择开放架构，构建技术自主性与生态协同建议四重塑组织能力，推动数据驱动文化落地建议五前瞻布局