作家 | 柴旭晨
裁剪 | 张晓玲
靠近如今科技圈言称“AINative”的股东，阿里云资总裁、数据库家具行状部负责东谈主李飞飞却显得颇为自若，甚而主动给这股股东“降了降温”。
阿里云数据库家具本领架构部负责东谈主远在1月20日向华尔街见闻直言，咫尺许多厂商喊出的“AI原生”标语其实有些“大跃进”了。比较于急着贴上“原生”的标签，阿里云PolarDB采选了个求实的标的——先作念到“AI Ready（AI就绪）”。
为了让大听懂什么是“AI就绪”，李飞飞用了个直不雅的“4+1”公式。
设想下，以前的数据库像是个整皆划的档案柜，只存翰墨和表格。但AI期间的数据琳琅满目，有图片、有、有日记。是以，“AI就绪”的步等于让数据库形成个“大湖”，既能存表格，也能存这些芜杂的数据，这叫作念“Lakebase（湖库体）”。紧接着，数据库得学会像典籍管束员样，通过统的元数据管束，把这些海量且碎屑化的信息梳理了了。
兴味的改变在于让数据库“长出脑子”。
李飞飞评释说，大模子诚然贤慧，但它学到的都是曩昔的数据。若是你问它“今天PolarDB大会来了若干东谈主”，它详情答不上来，因为它不知谈此时此刻正在发生的事。这等于数据库的价值地点——它掌捏着新的“热数据”。通过在数据库里径直运行AI模子（模子算子化），让大模子能及时读取新的热数据，这样AI就不会“产生幻觉”，能回答当下的问题。
至于阿谁“+1”，指的等于要跟上硬件加价的设施。近内存价钱涨，阿里云通过本领技巧把硬件资源“池化”，就像分享单车样，让大分享精良的内存和算力，从而把资本下来。
既然咫尺只是“就绪”，那什么样的数据库才配叫“AI原生”呢？李飞飞给出个特地明锐的判断范例，他把这比作通达员的体格查验。
他说，这就好比个东谈主自称是国通达员，光看外在不行，得测体脂率。若是体脂率还在20以上那就别夸口了；惟有降到5以下，才具备全国通达员的肉体素质。
对应到数据库上，李飞飞认为真确的“AI原生”须达到两个硬标的：，你的数据库用户里，至少有半不是东谈主类，而是AIAgent（智能体）；二，数据库输出的内容里，有半不是传统的表格数据，而是AI能读懂的Token（语义单元）。只消没达到这两个范例，咫尺喊“AI原生”大多是在讲故事。
诚然李飞飞在看法界说上很克制，但在践诺应用上，企业们的动作却很快。
以造车新势力联想汽车为例，他们就莫得把PolarDB只是当成个存数据的仓库，而是把它形成了个智能处理中心。联想汽车运用PolarDB的站式才能，不仅完成了数据的清洗和标，还在数据库里面径直进行特征索取和理。
这意味着，从车辆产生的数据到终的智能决议，数据不需要搬来搬去，在数据库里面就完成了“化学响应”。这种用法，恰是李飞飞口中“AI就绪”的佳样本。
除了本领，远还特别提到了笔经济账。在AI期间，不仅算力贵，连存数据的内存都在加价，明天可能还要翻好几倍。这时候，云数据库的势就体现出来了。
若是不使用云本领，企业我方买服务器，资本会越来越。而PolarDB通过“Serverless（服务器化）”本领，不错作念到致的弹——没任务的时候甚而不错不占用断节点，来了任务秒启动。这种“用若干付若干”的模式，是在硬件加价周期里帮企业省钱的枢纽。
不错说，阿里云此次传递的信号很明确：在通来回日的路上少玩看法多练内功。毕竟，惟有当AI智能体真确禁受了数据库的读写，阿谁外传中的“AI原生期间”才算真确到来。
以下是与阿里云资总裁兼数据库家具行状部负责东谈主李飞飞、阿里云数据库家具行状部家具管束与本领架构部负责东谈主远的对话实录：
问：从云原生数据库到AI就绪的若何相识“AI就绪”？
李飞飞：从原生到AI就绪，我和远分享里面再三讲到这个点我认为“4+1”4个点加1个底座。是存储层走向lakebase，数据库本来面向结构化的数据存储和湖的面向semanticshortcut，甚而answershortcutdata的存储结起来，是个lakebase。这在AI期间，AIready特地曲折，因为AI期间，能处理的数据类型大丰富了，因为我不错作念embedding，不错作念特征索取，多模态检索，这是要的步，走向AIready，是以是lakebase。
二是源数据的统管束，AI期间的特质是数据源特别多，有日记、有交游产生的数据，甚而图片、文本、音，况兼每类数据类型、数据量特别大，同类型的数据量和数据源特别多，是以元数据的统关系变得很曲折。以前的元数据几百G、1T、2T，元数据可能就几兆，咫尺元数据就上T，是以元数据的统管束这里面形成很枢纽的抓手了，而且元数据要及时新，咱们把以前作念的ZEroETL本领在是数据面的是dataplan本领，集成到元数据的管束上。数据源发生变化，matterdata信息发生变化，咱们不错及时同步到元数据管束这层，总结来讲是matterformetters（音），元数据的统管束。这是二个枢纽才能。
三个枢纽才能是多模态的检索和处理，从结构化走向半结构化、非结构化融，结embedding才能，向量、全文检索等多模态，这是三。
四个里面有两个小点：模子算子化+AgentAI的赞成，这两个是有机在起的。要在数据库里面作念模子理服务，在年多前咱们建议模子算子化，许多东谈主不是很相识为什么干这个事儿？咫尺看特地天然，因为模子会并所特等据，冷数据、温的数据通盘会被模子并掉，冷数据意旨不大了，是模子参数的部分。甚而温数据今天通过lora微调本领，也不错作念到半及时地新到模子里。
唯咫尺看，不行被模子及时并掉的数据等于热数据。因为模子今天不具备及时增改换查的才能，热数据定是永恒的、始终的有特地大的价值，那模子若是莫得热数据的加持，会产生幻觉，对事实不行相识。
热数据和模子在线理的时候产生化学响应，这是为什么咱们在数据库里作念模子算子化。明天定是token的全国，明天在接下来年token可能涨100倍甚而1000倍，全全国的token量。这些token若何被虚耗？对大多数企业和个东谈主，径直totoken，不知谈若何用的。像东谈主样，径直给他铁、铜、金不知谈若何用，然而你给他金项链、金手镯，他知谈若何用。是以定要场景化使用token，模子算子化和热数据的结就这个价值。
场景化还有个逻辑，模子算子化了，热数据及时转成token，若何场景化使用？要有多样各类的Agent，面向AgentAI，建立Agent、部署Agent、verticaAgent跑在数据库上，这也诟谇常曲折的才能。这是四个向，模子算子化+AgentAI的赞成，这是数据库走向AIready的四个枢纽成分，lakebase、元数据统本领、多模态检索和处理、模子算子化及AgentAI的赞成。
“+1”是什么呢？定要跟上硬件的发展设施，通盘的系统，数据库、database、只不外硬件跟着时刻束缚变化。咱们小时候台386、486，其时内存64K、32K，今天内存咱们PolarDB结，行家云上咫尺依然开通厚爱对外生意化服务，单实力不错作念到100多T内存池化，不错挂载CPU+GPU理节点的GPU，捕快同个内存池，下面存储池化，是以硬件的化，包括像serialold的内存池化、PD划分、KVcache这些结硬件的才能。KVcache定要结硬件作念，单从软件层面作念KVcache没特意旨，定要结硬件特质，GPU机头里的DRAM，CPU机头的DRAM，远端的DRAM，HBM，这些若何池化掉，还有和SSD这层。
是以结硬件特质的延续迭代，内存强，刚才讲数据库早发展的时候，枢纽挑战等于内存强，到今天内存强这个“幽魂”又顾忌了。刚才演讲说，内存在曩昔几个月涨了30—40，接下来咱们认为内存可能还要涨2到3倍。结硬件的革命冲破，这是“4+1”防城港储罐保温施工队，AIready要干这样几件事情。
问：诸君谈到数据库使用资本跨越裁汰，在降资本过程中，架构化主要作念了哪些内容？
远：对于资本，为什么有这样大的价比和资本势，总结起来三个点：是资源的池化，二是多租分享，三是弹伸缩。先时于当天，从云断期间到AI期间，有个逻辑是莫得变，惟有界限化到定进度，才能够有定的资本势或者资本红利，才能把这些东西开释给用户，让他享受到。是以PolarDB先领有云上大界限的数据库用户，这是咱们很的护城河，是以决定了咱们不错作念这件事儿。
二是多租分享。本领层面，不错分存储层作念了什么，内存作念了什么，算力作念了什么，存储层这边，刚才像李飞飞说了有冷、热、温三层数据，若是所特等据都是热数据，那资本详情是居不下的。而对于个企业和组织来讲，大部分数据有定的温属、冷属，需要的时候再翻出来，这时候PolarDB需要把我方干涉多的价比的存储介质，然后能对企业当中的数据作念分类存储，但分类存储不是把管束背负转嫁给用户，需要数据库里面作念智能化的冷热分层，智能化的数据调养、跨界流转和迁徙，这是PolarDB存储层作念的件事，降资本。
内存层，刚才说了CXL是咱们甘休的本领，CXL直不雅地感受是有个大界限的远端内存池，带来的果是远端内存池不错复用的，多租分享复用的，它除了能够作念内存虚耗的查询分析加速除外，也不错作念到田户之间的分享。若是能够把内存运用率提进而带动CPU的运用率提这部分资本也诟谇常可不雅的，结咫尺内存在狂的加价趋势，明天会有大的红利，通过这种本领技巧，开释给用户。
因为PolarDB采选了体化的架构，咱们会把TP、AP，加IP体化处理，它带来本领上咱们不错作念的事情等于异构算力的混调养。我不错把GPU和CPU的算力不错混调养起来，比如咱们在PolarDB里面作念的，不错把spark框架和ray框架混部，这样CPU和GPU不错综运用，同期CPU处理的东西，比如标操作、ETL操作用CPU处理完，不错字据CPU狡赖决定拉起若干GPU，处理下步的embedding操作，这些面在提同期，也会带来很可不雅的降本操作。
家具样子上，咱们也作念了打算，咱们主的serverless，等于致弹的家具样子。明天咱们认为Agent是数据库的主力用户，有个调研阐发说，新建的数据库可能有80-90都是Agent自主创建的，那Agent是7×24小时的运行步调，它所带来的作事负载是不样的，它有可能是查询、并发或者大查询的，也可能它段时刻内等于不作事的。这时候弹的才能，端情况下不错断节点，惟特等据存储，莫得算力，但旦有算力来，不错秒拉起对应断节点，处理Agent或者用户提交的任务，通过家具样子，咱们也能够保证在场竞争中有相应的价钱势。
咱们通过系列的本领技巧，加家具样子打算，保证家具在市集上的价钱竞争力。
李飞飞：跟着存储资本上升，是周期的事情，咱们回头看历史，过段时刻存储上升，厂商擢升产量，价钱下来，但此次周期我个东谈主认为特地长，因为它是期间的变革。
是以短期可能三到五年，存储的价钱DRAM也好，系数HBM上升，我个东谈主认为，曩昔这样多年咱们千里淀的云原生本领和家具才能，会越来越有价值。之前有些客户自建搞服务器，归正服务器不值钱，资本很低，这个期间去不返回了，不作念内存池化、不作念存储池化，不作念serverless，不作念弹调养，资本会越来越。这是我对明天的判断。
问：为了造AI原生数据库，阿里里面不同家具才能通上作念了哪些致力？咫尺各数据库厂商都在造智能化数据库底座，PolarDB给建立者带来的互异化体验是什么？
李飞飞：阿里云通盘家具早和百真金不怕火通的，年多前咱们在political建立者大会上，咱们调模子跟百真金不怕火通，如故有些质疑的声息，你们为什么干这个事。咫尺回头看，对是轻舟已过万重山，是对应该干的事情。
不错给大讲，PolarDB以及系数仙境数据库的token量增长，在曩昔短短几个月的增长过100倍。等于通过仙境数据库的家具，PolarDB灵洞、RDS、ADB调百真金不怕火也好，调模子算子化的服务也好，调pai，咱们token虚耗量增多了100倍，短短几个月内，爆发式的增长。
二集成了哪些家具？百真金不怕火、pai，pai提供了定制化的模子理服务才能和微调才能。
三咱们我方作念了模子算子化的服务，这样咱们在SLA弹遽然爆发上，我方也不错作念overflow提供模子理的才能，这是模子算子化。而且通盘这些通过SQL语句或API。接下来咱们作念的事情，天然咱们依然具备了这个才能，但不，除了SQLAPI，通达的SDK，咱们接下来要赞成天然言语。天然言语用大模子天然言语式来缝调用通盘这些，从TP到HP、IP通盘通。这是咱们咫尺的情况。
这是和AI径直斟酌的，AI和存储团队、断团队，阿里的存储断都是度集成的。陈诉您刚才的问题，AI向对接了哪些家具。
远：刚才分享的时候有个不雅点，明天数据库用户不单是是咫尺的建立者，还有多的普通用户，明天咱们也认为他是数据库的径直用户，因为大模子才能让咱们的数据库明纯真实很大要率具备径直服务普通用户的才能，基于这个假定，建立者的体验，先传统数据类建立者咱们作念了哪些体验化的擢升？到今天为止，PolarDB采选的等于体化的路，在AI期间体化的路，等于采选了lakebase的本融会径。它从传统的云原生关系型的数据库处理结构化数据，到咫尺对非结构化数据、半结构化数据，通盘多模态数据的全力处理才能的赞成。
具体到面向建立者提供的才能，基础的向量。向量才能定会提供给建立者的，对AI期间来讲，向量定是通用的类数据表征，咱们认为AI期间若是数据库不赞成向量，基本上不行说这是AI期间的数据库，除了向量还不够，因为向量只是其中种表征，对于个企业或组织应用来讲，多模态的数据管束是枢纽，特别是些企业的训戒和学问。
比如延续施工的数据、graph数据、全文数据，无数业务标签都是全文数据，这些东西都要提供体化的多模管束才能。再往上咱们需要对于建立者好地体验来讲等于数据库和应用走得越来越近，这个基础上，提供些体化rag才能。还有circle里引入模子算子，能够让咱们建立者至少在circle里便集成大模子才能，无论大模子部署在数据库里面如故以MaaS式提供的费力调用服务，都能够给建立者提供体化的透明的服务式。这是咱们界说面向建立者的体验才能升。
面向普通用户，咱们认为明天大的增漫空间是在这，或者说数据库要能够出圈，设备保温施工比如出数据圈，干涉AI圈，或者跟AI走得近的时候，下步的体验枢纽。比如天然言语交互和多模态交互，这个才能是咱们咫尺PolarDB依然给用户提供了，明天这个可能会是主流，咱们认为明天定基于呐喊行的交互，基于器具的交互会存在，会存在于Agent和数据库之间的交互，通过呐喊行和剧本交互，而用户和数据库的交互定是通过天然言语、多模态直观的交互式擢升咱们的用户体现。
二咱们但愿数据库对数据的管束逼近东谈主的想维式。具体抒发是什么呢？除了我在管束数据，管束schema（音）的时候，咱们需要对学问、对系念作念管束，包括我的学问若何组织，我的系念，作事系念、事实的系念，训戒的系念，若何管束流转，这些东西咱们但愿PolarDB能够提供对应的系念管束才能或学问管束才能。
手机：18632699551（微信同号）三对于智能体建立应用的赞成。明天咱们但愿PolarDB行为datacentric的AIinfrastructure，咱们对PolarDB是抱有厚望的。
问：AIready阶段，从2022年到2025年，四年的时刻，刚才分享了四大才能，包括模子算子、多模态处理才能，咱们到了2026年事阶段，具备了四大才能以后，真确完成了AIready阶段了吗？
李飞飞：今天建立者大会讲的才能是AIready的connected data base，今天有些数据库厂商依然喊出AInative，咱们如故鲁人持竿，不想那么喊，因为AI赛谈自身还在快速演进，天个样。卷14个小时就寝，好意思国东谈主白日开动接着卷，全球致力卷，而且双方还不是致力，overlap，咱们干14小时，东谈主也干14小时，咱们还没就寝的时候东谈主依然起来干活了，咱们准备就寝的时候，他们接着干。
AI赛谈，咫尺喊AInative过早，因为AI自身还在快速变革，这是为什么咱们执意喊AIready，不要喊AInative，咫尺喊AInative我以为是大跃进，谁喊AI native data base谁等于大跃进。因为AI自身在快速变革，等于AIready，陈诉什么时候是AInative呢？以及AInative数据库长什么面孔呢？咱们不错畅想明天，莫得问题，对明天有判断。我不认为咫尺职何东谈主作念到了所谓的AInative，喊这个都是讲故事，而咱们讲AIready是及时，步个脚印作念到了。
二AInative明天长什么样？两句话：（1）明天的全国定是海量Agent使用数据库的全国。（2）未下全国定是tokendominant的事件。从这两个范例谋略，数据库是不是AInative了，比如这个数据库上两个枢纽范例，比如你谋略个通达员是不是国的通达员，我也不错说我是国通达员，但你不信。枢纽标的体脂率，若是体脂率在20-25，你说是国通达员扯了，起码在5以下了，全国通达员，或者至少7以下。你的基本通达教授要达到定范例。
海量Agent使用数据库，二是海量的token。若是个数据库干涉AInative期间谋略范例是它有若干实力是Agent在使用，数据库至少半的实力是Agent在使用，这是个范例。二它的output，今天数据库的output许多时候是表格，行行。它的output，bytes来谋略，因为行和token没法对比，不瑕疵咱们cover到bytes，它的outputbytes的半是token，作念到这两个等于AInative，还没到的，拿照妖镜照下。
要作念到哪些事情作念到AI native data base呢？
以终为始，倒，我要干到这两件事，我需要干哪些东西？这是逻辑地想考问题的框架，我要让我实力的半是Agent，隆起bytes半是token，我数据库要作念什么？就要执意的刚才讲的朝上延续迭代和演进，比如模子算子化、缝集成模子调用才能，Agent，甚而不光是单Agent，多Agent编排、调用，marketAgent协同，数据库里若何赞成，而且强的多租才能。SaaS场景是多Agent的雏形，明天多Agent定比今天的SaaS还SaaS。是以多租禁会形成刚需求。
然后多版块迭代，AI理的缝集成，还有rag学问库，这是咱们刚才讲的，rag等于多模态检索，及时学问的新embedding，这是明天AInative的枢纽特质。还有缝天然言语查询，甚而不是查询，而是天然言语界说问题，从问题径直到查询，到action。
为什么我讲action？淘宝电商讲，订单系统下单，终都是数据库，是以数据库是action发生的地，只不外action以前是通过API的式兑换它，以后AInative很有可能是Agent径直给数据库下指示。数据库等于action发生的地。
千问APP通了阿里通盘的生态，但换汤不换药，通过千问天然言语订奶茶或者淘宝凹凸单，找这样的一稔，它给你生成像片，你说要这样的一稔淘宝里面下单，终action发生在数据库里面的，AInativedatabase定是action发生的地。
问：阿里系还有千问大模子以及咫尺许多原生Agent应用前段时刻千问APP算是国内早不错进行在阿里系进行跨应用调用，PolarDB跟他们有莫得进行探索的作，有莫得些行的训戒？
李飞飞：有许多。刚才主论坛分享里面咱们也请了百真金不怕火PD作念分享，咱们是入协同。
远：咫尺这个期间，数据是燃料，数据库是引擎，咱们要好给大模子输能源，集团详情是咱们很好的锻真金不怕火田。千问前段时刻和阿里系数通，阿里云里面是百真金不怕火不说大的调用者，亦然阿里云里面大调用者之了，咱们每天token虚耗从岁到咫尺依然翻了几百倍，等于咱们我方的虚耗。
大有没斟酌注数据库域下半年除了大模子除外，还有个比较火的看法，发祥于个开源名堂superbase，它的理念是后端即服务。打算理念是以数据库为中枢，把企业应用所需要的后台服务，长在数据库上。这个理念诚然很径直，但能想通的东谈主特地了不得。
问：明天Agent可能存在许多跨应用调用情况，上头是不是也要作念许多智能体信任同？
远：是的，像多东谈主协同，MartinAgent系统，atoa这套体系要赞成的，Agent之间捕快详情也需要彼此健全的，刚才PolarDB在集成backendservice以后，并向赞成Astrategicapplication（音）这个向作念的时候，包括atoa，MCP这套东西，都需要纳管进来的。我刚才说的明天可能数据库的终局用户不太会使用呐喊行，但我说得明天比较长，短期内详情如故需要的。始终演进我个东谈主认为，Agent是捕快数据库的主力的话，那MCP、atoa甚而多样步调、剧本东西，都应该是Agent我方写、我方生成、我方调用，东谈主等于给数据库发问题。
问：咫尺阿里云的PolarDB如故AIready，不属于AI原生，咫尺是谁在用？而些客户牵记所谓的AI原生有操心带来资本。
李飞飞：今天有联想、度小满等，天然不是每个客户行都用了AIready的家具才能，但联想对用了，我刚才分享也讲了，它构建站式的数据平台，从数据标清洗作念embedding特征索取，再到和交游数据通、热数据通，作念在线理，这些才能它全用了，本色上lackbase+多模检索+模子算子化和调用百真金不怕火，这几个才能都用了。
另外咱们有佳行的书，背面也给了电子版的码，大不错扫下，等于PolarDBAI行全景加速企业大模子应用落地，里面有十几个到二十个案例，都是头部企业客户，有九行八业。个问题举了联想的例子，而佳行PolarDB的AI才能，咫尺有哪些客户在用，若何用？依然有敌多的案例。这本书是总结，大不错看下。待会儿二维码大扫下。
AIready到AInative这些都是看法，今天咱们不要作念看法赞成，未下全国定是AInative的全国，什么时候走到阿谁全国？我不知谈，但它定是加速竣事的，但今天这个节点，我不认为咱们不错clam（音）到AInative。因为AI自身都在发生剧变，若何界说什么叫AInative呢？这是我刚才讲的逻辑。但咱们每个东谈主都在向AInative决骤，包括PolarDB我方。这是刚才讲的中枢逻辑。
问：若是是传统的组，比如我用的搜索引擎+传统数据库或者说传统数据库+向量数据库+内存数据库的组，我迁到Agentic架构下需要作念什么改变，能获得什么收益？
远：面向AI oriented data infra要不要倒重建及本色是个问题，你问我，无须。自身大拥抱AI，特别是企业拥抱AI，应该继承平滑迁徙演进的想想，但只是速率比较于传统期间要加速，而不是被迫地等着平滑升，只是平滑升的过程定是加速的。
若是全盘翻重建，不行说错，但有点过于激进和冒险的采选。是以PolarDB亦然基于这个前提打算我方，若何赞成用户从传统的IDC或传统的架构，升成云原生架构，跨越升成AIready的数据平台，其实PolarDB有整套的打算，具体提及来，不错说到三个点：
1.自身PolarDB是云原生关系型数据库，这是基础。扩充到AI期间，PolarDB是咱们热数据的进口，是以PolarDB也直会兼容PG和MySQL，和这两个生态完好的兼容应用，让应用迁过来无须改，咱们还会提供积分体的案，平滑迁徙的案。这是要保证客户在用PolarDB作念datainfra或AIinfra升的时候，现存应用不中断，稳重。因为要保证客户业务正常运行，再作念才能的升，这是径直能够让东谈主接受的式，是以步PolarDB定会作念好热数据的进口这关，定赞成好通盘TP在线类的业务，并提供完好的平滑升科罚案。
2.PolarDB自身关联lakebase架构，因为热数据进来以后，会告捷激活企业里面的温数据和冷数据，是以PolarDB提供了温数据、冷数据平滑入湖的案，咫尺若是用传统的架构，比如ES、MySQL、PG搞得在线库，这些数据详情都是割裂的，业务上条数据发生变化，它在你的对象存储、文献系统里，对应的文献不可能发生变化的，是以PolarDB的lakebase架构，把通盘的冷温数据能够作念到体化的集成纳管，并能够作念到matedata之间的致和联动。
等于说我增多个业务标签，或者增多条修改纪录，对应到文献系统或对象存储系统上的rodata（音）会对应的updata，这样能够真确作念到多模数据的及时、致的体化新。数据的致、正确和及时保证了之后，这是业务革命的基础，这是二层，作念到冷、热、温三层数据在保证致、正确和及时基础上的联动。
3.咱们会提供系列的让客户易于革命的赞成，包括我说的托管ray框架，为客户处理数据，快托管superbase框架，能够建立它的企业应用快，跟MaaS集成、defend集成、coder集成通盘都在作念。你能设想的，任何建立式的采选，PolarDB都不错作念很好地赞成，因为采选webcoding的企业有，但还有部分企业为了保证业务经过平滑，会采选workflow的式，只不外workflow的过程中，每个节点会引入Agent，保证率，是以PolarDB行为数据平台，需要赞成多样各类的AI转型应用，这面咱们会充分和生态兼容对接。
大要这三层：热数据的进口、多模数据的管束和联动，然后AI生态的兼容赞成。这是咱们给PolarDB提供的转型升案的三个枢纽点。
问：曩昔几年咱们看到AI波涛驾临以后，针对中小企业的价钱普惠，弧线直向下，尤其是阿里的公有云部分。另面又看到硬件直在加价。模子算子化和您说的AIready对曩昔的弧线有什么变化？另外对阿里云曩昔的收入模式或生意模式，有什么化擢升的部分？
李飞飞：咱们行为云断本色上，包括AI平台化的公司，云断和AI平台化的公司，本色上是界限化的生意，生意的角度是界限。界限越大越能开释界限资本着落的逻辑，角落资本越低，越能给终局客户开释红利，有越的价值。
曩昔几年咱们延续作念普惠的面向中小客户的普惠降价，本色是通过中枢两点：
1.本领革命，咱们束缚作念池化、多租、弹，比单租的使用率，是以能开释价钱红利，这是中枢的点。
2.界限，界限越大，越容易作念弹的调养。界限小若何调？没什么好调的。界限越大，腾挪空间越大，越能削峰填谷、弹调养，开释出界限应。
个点和二个点有双轮驱动的果，是以咱们能延续开释红利，让大多数的企业客户能吃到红利，这是价钱弧线的逻辑。
另外咫尺边对新波内存存储周期加价，这波周期会相当长，以前存储价钱跌到地板价了，存储厂商不肯意坐褥，它有产能，已矣产能，是以价钱上升，价钱上升总有个东谈主忍不住跳出来坐褥，因为产能满盈的，价钱立时就下来了。这轮逻辑是产能根柢不够，不是他们有益踩刹车，需求爆发式增长，开足马力，开足通盘产能也兴隆不了市集需求，是以这波存储周期加价是相当始终的，底层逻辑是这个。
存储加价带来系数链条上的价钱上升，通算服务器，智算，GPU今天大要率也会加价，GPU里也有HBM、DRAM，底层样的。这波加价是延续长周期的，但历史角度看，终它也有周期，当AI形成特地熟练的产业的时候，变革莫得像今天这样快，每天发生变化的时候，就会回到周期的周期，这是食品发展的客不雅规章，而当下这波周期会相对比较长。我的判断。
若何帮客户创造价值呢？这个期间云断厂商、AI平台厂商能说明大的价值防城港储罐保温施工队，能够创造大的客户价值，比你自购资源、我方管束资源，越是在资本的时候越能说明大价值，因为你有界限应，任何单体客户很难有这样大的，像云断和AI厂商这样大的界限协同应，角落资本着落的逻辑。是以越是bombcost上升的时候，平台化的界限，运营的率擢升越有价值。
风险指示及责要求 市集有风险，投资需严慎。本文不组成个东谈主投资建议，也未研讨到个别用户特殊的投资标的、财务景色或需要。用户应试虑本文中的任何意见、不雅点或论断是否符其特定景色。据此投资，作事快意。 相关词条:管道保温施工塑料挤出设备
预应力钢绞线玻璃棉厂家