达梦9发布会归来：AI 时代，我们需要一款什么样的数据库？（原文链接）
梁敬彬梁敬弘兄弟出品
引言
周日晚，福州老茶馆包厢。
新晋DBA小羊正对着平板指点江山："大牛，老马！现在数据库厂商要是没个内置大模型，不能用自然语言生成代码，都不好意思出来混，讲究的一个all in AI。"
运维总工老马冷笑一声："攒点 AI 功能就叫拥抱 AI 了？基础不稳，功能越多负担越重。并发打满时锁冲突解决了吗？内存还漏吗？可要悠着点哦。"
正僵持间，刚从北京达梦9（DM9）发布会回来的L老师推门而入。
"你们说的其实都有道理。"L老师抿了口茶，直奔主题，"小羊看的是水面之上大模型带来的交互浮华，老马守的是水面之下核心业务的稳定性命门。但这正是关键：AI 时代的数据库就像一座冰山，大家都在拼命卷水面上的耀眼功能，却往往忽略了水面之下的承载力。AI 对数据库来说，不仅仅是多了一层功能，更是对底层架构的一场极限压力测试。"
"我们首先要看清 AI 时代底层变化------数据库的访问主体，正在从人转向智能 Agent。
"L老师加重了语气，"Agent不知疲倦，它可以24小时不间断地发起海量调用，甚至暴力攻击。这也正是未来所有并发海啸和安全危机的根源。这次从发布会归来，剥开DM9的迭代逻辑，我发现它在拥抱 AI 的同时，更在通过重构内核来守住底线。AI时代基础软件生存的终极法则，就藏在八个字里：对 AI 友好，对 AI 严厉。"
1 守住本分不抢活，认清边界镇波澜
"对AI严厉？现在大家都在迎合AI，恨不得把所有的控制权都全交出去，怎么个严厉法？"小羊愣住了。
"因为这个行业里，有太多人连基础软件的物理边界都搞混了。"L老师敲了敲桌子，抛出了第一层底层逻辑。"当下主流的认知误区是，数据库要学会抢大模型的活。厂商们焦虑地在存储引擎之上，强行叠加智能分析、内容生成、甚至轻量化业务界面的搭建。"
"但其实业务端最核心的只是数据指标。"L老师一针见血地指出，"至于前端界面，未来大概率是基于指标由大模型动态生成的'千人千面'。底层软件在当前去抢前端界面的活，完全是本末倒置。"
"我们从物理计算资源的分配上来拆解这件事。"L老师的语速变慢，带着剖析的严谨，"大模型的核心优势是什么？是概率学的模糊计算，是语义理解和逻辑推理，这需要海量的并发算力去猜结果。而数据库的核心优势是什么？是极其严苛的结构化治理、高并发的 I/O 调度、以及容不得半点差池的事务 ACID（原子性、一致性、隔离性、持久性）保障。"
"所以，我们必须把处理 AI 数据和跑 AI 模型严格区分开！"L老师加重了语气，"数据库作为底座，去原生支持高维向量的存储和检索，这是做好数据容器的本分。但大模型那种发散的、概率式的推理生成计算，和数据库收敛的、确定性的计算逻辑是有本质区别的。底层存储软件的架构设计，天然是为捍卫绝对的确定性和高并发而生的。如果你强行在内核里跑大模型推理这种越界的 AI 算力，必然会极其野蛮地抢占高并发交易的资源。而且退一万步讲，大模型技术迭代如此之快，数据库厂商今天投入重金强行内置的 AI 功能，明天可能就会被快速淘汰，这不仅容易引发风险，更是巨大的投资浪费和尴尬。"
"DM9极其清醒。它没有去搞那些花里胡哨的表层 UI 和内置大模型。"L老师总结道，"它明确了自己的本分：把智能分析交给专业的大模型，通过标准接口生态联动。数据库绝不越俎代庖，只做最坚实的数据底座与并发容器。有所不为，才能有所作为。所以，这第一道严厉------守住本分不抢活，认清边界镇波澜。"
2 拒绝AI瞎指挥，死守内核定江山
"跨界做功能浪费资源，这我能理解。"大牛皱了皱眉，"但现在流行DB for AI，很多前沿厂商在尝试让 AI 自动调优，甚至让大模型去接管数据库的查询优化器（Optimizer），这总算是底层创新了吧？"
"这是更加致命的危险尝试！"老马作为运维老兵，瞬间警觉起来。
L老师赞同地点头："这恰恰触碰到了底层架构最不能让步的禁区。查询优化器，是数据库的大脑。一条 SQL 语句进来，走哪个索引、用嵌套循环还是哈希连接，优化器要在毫秒级内给出成本最低的执行计划。这个计划的生成，依靠的是严密的数学统计和基数估算，它是极其精确的规则系统。"
"但 AI 是什么？AI 存在幻觉，它的本质是概率预测。"L老师指出了最恐怖的隐患，"如果你放任 AI 无限制地侵入内核，让自带概率幻觉的模型去接管底层执行计划，无异于把满载乘客的客机，交给有创造力却随时可能失控的艺术家驾驶。一旦 AI 出现判断失误，生成了灾难性的执行计划，引发的将是系统资源的瞬间耗尽、大面积锁表、甚至事务一致性的彻底崩溃。"
"所以达梦在内核层面划定了一条绝对的红线。"L老师敲击着桌面，"AI 可以作为外部辅助工具，帮你做监控诊断、辅助 DBA 建模。但涉及到内核优化器调度、底层事务逻辑的更改，数据库必须具有一票否决权。决不允许 AI 随意改动内核规则。以强管控守住数据底线，这就是对大模型时代最好的防御。所以，这第二道严厉------拒绝AI瞎指挥，死守内核定江山。"
3 安全防御拉到满，国密铸盾锁深渊
"既然水面之上的浮华不能碰，内核的底线也不让，那数据库在 AI 时代到底要升级什么？"
小羊被彻底颠覆了认知。
"升级水面之下的防波堤。"L老师抛出了一个深刻的洞察，"正因为主体已经从人切换成了 Agent，过去的防线彻底不够用了。过去四十年，数据库服务的对象是人。人类的操作速度很有限，查询习惯是线性的，人为操作是可追溯、可基于岗位角色管控的。"
"但在深度 AI 化周期里，当一个用户向大模型提问时，后台可能会瞬间唤醒成百上千个Agent。"L老师描绘了一幅令人窒息的场景，"这种主体的切换，带来了摧枯拉朽的压力。"
"第一，并发海啸：传统的连接池瞬间被打穿，系统负载呈指数级波动；第二，安全挑战被放大了无数倍。"
L老师加重了语气，"Agent 是不知疲倦的，它可以发起极高频的自动化暴力攻击。更可怕的是，大模型能力越来越强，寻找后门和渗透的门槛被无限拉低了。前段时间 Anthropic 紧急关闭了能纠出OpenBSD 零日漏洞的Mythos 版本，就是一个响亮的警钟。"
"正如我之前在《当AI强到连"造物主"都感到恐惧，我们该怎么办？》里提过的担忧：当 AI 的进化速度快到连它的开发者都感到战栗时，系统防线面临的是降维打击。现在，连普通人都能用自然语言引导大模型，批量且持续地试探数据库漏洞。传统的简单权限划分，在 Agent 面前显然有些力不从心了。"
"这就倒逼数据库必须在看不见的水下进行严苛的升级。"L老师一字一顿地说道，"这次 DM9 并没有把安全性作为最耀眼的招牌去宣传，因为在金融、电力、政务等命脉领域，安全稳如磐石本就是达梦的底色。但面对失控的风险，系统必须具备一套完整的纵深防御体系：事前能精准预警，事中能迅速熔断、阻断恶意进攻的操作，事后能通过全行为审计进行回溯。DM9 实际上在水面之下做了大量硬核加固：死磕国密算法全栈适配、拉满最高等级等保规范、做全链路数据加密..."
"应对 Agent 带来的不可预测风险，唯有极致的安全。升级后的全行为审计机制与细粒度访问控制，就像给这些疯狂的AI 机器狗，套上了一条由国密标准打造的精钢锁链，真正做到了安全可控。"
"这也正是 100% 纯自主研发在 AI 时代显得尤为珍贵的原因！如果是基于开源改造，面对这种全新的并发海啸和安全漏洞，想要深层修改内核逻辑是极其困难且高风险的。只有每一行源码都真正攥在自己手里，才能拥有绝对的架构掌控力，从根源上保障核心数据不被反噬。所以，这第三道严厉------安全防御拉到满，国密铸盾锁深渊。"
4 弹性架构顺潮汐，三位一体铺坦途
"严厉的逻辑我听懂了。抵御了风险之后，那所谓的对 AI 友好又从何谈起？"大牛终于理清了思路。
"友好，就是放下身段，用最底层的物理重构去主动承接 AI 业务的真实痛点。"L老师眼中闪过一丝对纯粹技术的赞赏。"这次达梦9在架构上实现了真正的三位一体，为企业铺好了三条无缝滑翔的底层演进路径。"
L老师竖起三根手指，条分缕析："第一位，是支持先单节点 DSC 后多节点 DSC。通过 DSC One Node 技术的落地，让单节点部署也拥有了共享存储集群的底座，保留了未来向多节点无限扩展的主权。
第二位，是支持先单机后分布式。彻底打破了行业里逼客户做二选一生死抉择的惯例，让数据库架构可以随着业务的爆发平滑升级。
第三位，是支持自适应存算分离与存算一体。"
"为什么要大费周章搞这么灵活的跨度？"小羊问道。
"因为 AI 业务有着极其可怕的潮汐效应。"L老师分析道，"在构建企业级 AI 知识库和处理多模态数据（如大批量的清洗和向量化）时，你需要海量的存储和爆发式的算力去吞吐语料；但到了前端应用的日常调用（如 外挂知识库检索）阶段，算力需求发生偏移，高并发的混合查询又成了主角。如果你用传统的存算一体（计算和存储绑定在同一台物理机上），扩容时就必须同时买 CPU 和硬盘，造成浪费。"
"所以，达梦的存算分离，顺应了云原生时代的底层逻辑。"L老师补充道，"它把计算资源和存储资源彻底解耦。算力不够了，就横向增加计算节点；数据爆了，就单独去扩充低成本的对象存储。同时，存算分离底层天然具备共享数据的优势，这让企业打破数据孤岛、构建统一的数据集市和跨业务数据共享变得极其顺畅。"
"但达梦绝不搞一刀切。"L老师话锋一转，"它依然保留了性能损耗极低、事务强一致的'存算一体'架构。这意味着什么？意味着一家大型银行，可以用达梦的存算一体去跑核心的信贷交易，保障极致的一致性；同时在同一套系统里，用存算分离去跑海量的 AI 风控模型，实现低成本的弹性扩容。甚至在同一套系统里，这两种形态可以融为一体。"
"这种架构上的极度灵活，让企业在拥抱 AI 时，做到了成本、复杂度与安全的全面可控。不逼着客户去做断骨增高式的基础设施重构，而是通过自身的架构弹性去拥抱业务的波峰波谷。所以，这第一份友好------弹性架构顺潮汐，三位一体铺坦途。"
5 标量向量融一体，多模共生天地宽
"算力弹性的问题解决了，但大模型要吃的粮草变了啊。"小羊紧追不舍，"现在的大模型，理解世界靠的不是二维的表格，而是高维的向量，甚至还需要图片、音频这些多模态数据。达梦传统的结构化引擎，能嚼得动这些新口粮吗？"
"这正是很多传统数据库在 AI 时代被边缘化的致命伤。"L老师赞许地点了点头，顺势剖开行业痛点，"
面对多模态数据的爆发，现在业界最普遍的"偷懒"做法是什么？是打补丁。在原有的关系型数据库旁边，硬生生外挂一个专门的向量数据库。"
"这种外挂模式在实验室里跑跑 Demo 没问题，一旦上了生产环境，就是运维的灾难。"老马太懂这种痛了，他拍着大腿补充，"两套系统的数据怎么同步？延迟怎么解决？事务一致性怎么保证？大模型那边要查询，这边还在同步，整个系统架构会变得极其脆弱臃肿。"
"所以，达梦选择了最艰难但也最彻底的一条路------原生融合。"L老师在桌上重重地点了两下，"DM9没有去搞复杂的外挂，而是从底层引擎级别，原生集成了向量检索能力，并全面兼容了非结构化的多模态数据存储。"
"这不是简单的功能叠加，而是底层执行逻辑的彻底打通。"L老师眼中闪烁着技术人的兴奋，"它实现了标量与向量的统一混合查询。这意味着什么？业务系统不需要去两套不同的库里捞数据、再到内存里做 Join。一条 SQL 语句，就能在毫秒级内，同时完成过滤出年龄大于 30 岁的 VIP 客户（结构化精确匹配）和找出购买意向与该商品最相似的人群（高维向量语义检索）。把数据类型兼容、一致性保障这些最脏最累的活儿，在底层内核里全包圆了，让大模型在获取知识时无比顺畅。不去抢 AI 算法的风头，却甘当最完美的数据喂养者。所以，这第二份友好------标量向量融一体，多模共生天地宽。"
6 资源隔离防踩踏，云化多租纳百川
"并发和 I/O 有弹性了，数据类型也兼容了。但我有个最现实的问题。"大牛端起茶杯，提出了企业级落地的一道坎，"大型企业不可能为了搞 AI，把原有的业务线全停了。这就意味着，大模型的外挂知识库检索和海量数据调用，要和传统的 OA、核心交易系统，跑在同一套数据底座上。大模型一旦发起全表扫描或者海量向量检索，把 I/O 和 CPU 全占了，我原有的核心业务不就直接宕机了吗？"
"大牛不愧是干架构的，一眼看透了资源踩踏的恐怖。"L老师笑了，"达梦如果解决不了这个问题，那它对 AI 的拥抱就是句空话。破解这个难题的，是达梦彻底落地的云数据库与多租户架构。数字化转型进入深水区，大型政企的数据库走向"集约化管理"是必然趋势。达梦的多租户架构，就像是在一栋超级大楼里，建起了互不干扰的独立套房。"
"它不仅实现了逻辑上的数据隔离，更实现了物理层面的计算资源池化与硬隔离。"L 老师详细拆解，"你可以给传统交易业务分配固定且最高优先级的 CPU 和内存资源；同时给 AI 业务划定一个弹性的、受限的资源池。"
"在统一的底层运维视角下，大模型的潮汐式查询再疯狂，也绝对跨不过资源隔离的防火墙，传统业务的稳定性依然坚如磐石。"L老师继续总结道，"支持云端、本地、混合云的灵活部署，让数据底座具备了像云一样动态分配资源的能力。它允许极度激进的 AI 创新与极度保守的传统交易，在同一个物理空间内和谐共处。这才是大厂级数据底座该有的格局。所以，这第三份友好------资源隔离防踩踏，云化多租纳百川
。"
7 纯软性能翻一倍，卸载加速一体机
"既然要在底层包揽这么多复杂的并发、多模态和资源隔离，那对数据库本身的计算能力要求得有多变态？"小羊倒吸了一口凉气，"AI 带来的并发洪峰，单纯靠软件扛得住吗？"
"咱们打个形象的比方。"L老师放下茶杯，"以前传统业务查数据，就像你去图书馆找一本书，管理员（数据库）按索引拿给你就行了。但 AI 时代的并发查询，就像你让管理员瞬间翻遍整馆的书，把所有关于春天的描写全都摘抄出来并做个总结。这种从找书到海量知识重构的场景变化，对算力的压榨是毁灭性的。
"
"这就涉及到达梦这次发布会上最硬核的两张性能底牌了。"L老师竖起一根手指，"第一张牌是纯内功。
DM9 本身光靠软件层面的优化，理论性能就直接提升了一倍以上！"
"纯软件翻倍？！"大牛和老马同时一惊。在底层基础软件领域，百分之十的性能提升都值得大书特书，翻倍简直是魔法。
"对，不借任何外力。"L老师解释道，"达梦在底层对查询优化器、并发锁机制进行了彻头彻尾的重写。这是纯靠极其深厚的代码功底，硬生生把软件自身的潜能给榨干了。这第一重飞跃，是纯软件层面的。这，就是它给行业的底力。"
"但这还没完。"L老师话锋一转，竖起了第二根手指，"软件优化得再逆天，终究会撞上物理 I/O 的极限。所以，达梦打出了另外一张独立并行的王炸------软硬结合的一体机。"
"一体机的核心是计算卸载。它直接把计算逻辑下推到了存储端，在数据还没离开硬盘时就完成过滤。但我要强调，真正的难度不在于单方面的代码实现，而在于深度的生态协同。这需要数据库厂商与底层硬件厂商深度互信，双向打破壁垒，投入巨大的研发精力去进行底层联调。打通软硬件的任督二脉，是一场极其考验技术底蕴与合作定力的双向奔赴，想要达成这种极致的底层共生，远比想象中要困难得多！"
"但达梦硬是把这块硬骨头啃下来了。所以，DM9 软件本身翻倍的性能，再加上一体机硬件卸载的二次加速，那就是性能的双重飞起。这种不留死角、双管齐下的算力压榨，才是它敢向 AI 的并发海啸张开双臂的终极底气。所以，这第四份友好------纯软性能翻一倍，卸载加速一体机。"
8 数据主动懂业务，语义融合谱新篇
夜已深，茶壶里的水添了第三遍。包厢里的气氛，从最初的浮躁，沉淀为了对技术边界的深深敬畏。
"不越界、控风险、强并发、多模态..."大牛梳理着今晚的逻辑，"底座打得这么深、这么厚。那除了被动地提供存储和检索，数据库在 AI 时代，未来还有主动出击的进化方向吗？"
"当然有。这也是达梦正在提前布局的关键战役------数据库语义化融合与AI 协同。"L老师的目光穿透了眼前的茶雾，投向了更远的未来："大模型虽然聪明，但它面对一个拥有上万张表、字段名全是无规则缩写的老旧数据库时，它是个瞎子。它不知道哪个字段是主键，不知道财务规则的约束，更不懂那些历史遗留的业务逻辑。所以，未来的数据库，必须具备解释自己的能力。"
"这要求数据库主动向外暴露具备丰富业务语义的元数据，把冰冷的表结构，翻译成大模型能懂的业务上下文。"L老师描述着那幅未来图景，"而反过来，大模型也会深刻改变我们底层的数据架构。以后建模型这种活儿会直接交给 AI 来做，人主要负责做语义交付。而且为了顺应 AI 的理解习惯，未来的业务数据设计也会更倾向于宽表。在此基础上，数据库再利用大模型的推理能力，辅助我们的 DBA 进行故障根因分析和自动化调参。"
"这绝不是让 AI 去直接接管内核，而是在安全可控的边界外，建立起一种生态级别的深度协同。"L老师为这种进化定了调，"让底座真正拥有感知 AI的能力，同时让 AI 能够精确读懂底座。这种双向奔赴，才是 AI 时代基础软件走向伟大的终极形态。所以，这第五份友好------数据主动懂业务，语义融合谱新篇。"
结语
茶馆外的夜风渐凉，福州的灯火映在茶碗里。小羊悄悄锁屏了那份写满"All in AI"噱头的调研报告，这一刻，那些花哨的参数显得格外轻浮。
"我们到底需要一款什么样的数据库？"L老师起身推开窗，缓缓说出了整晚论道的定论，"不是一款随波逐流的杂家，而是一款守得住底线、扛得住洪峰、读得懂未来的重器。
"看懂了达梦，就看懂了 AI 时代数据库底座的生存法则。
那是三道"守底线"的严厉：认清边界、死守内核、安全铸盾。它以 100% 自研的定力，冷酷地拒绝了 AI 幻觉对物理边界、数据库内核与数据主权的任何侵蚀。
那是五份"扛重担"的友好架构弹性、原生多模、资源隔离、性能跃迁、语义协同。它以底层重构的实力，热烈地承接了 AI 时代爆发的架构复杂性、多模态口粮与业务逻辑的深度理解。
在这场智能化的浪潮中，达梦拒绝了水面之上概念的浮华，选择深潜入水面之下，让数据库回归了本源。不盲目跨界、不迷失本心。这种对水下底座的极致坚守，才是数字化长河中劈波斩浪的最强利刃。属于 AI 时代的数据库重器精神，正如这杯中残茶，泛起真正的回甘。