AIGC时代带给PingCAP创始人兼CEO刘奇最大的两个思考是代码和数据。
在过去一段时间,大家都不自觉的变成了程序员。刘奇说,今天我们用生成式AI做总结、写文章、生成图片,这些工作在之前都是需要用程序来完成,而在今天我们只要向AI提出需求就等于完成了编程工作。
短短7个月间,GitHub上面新增的原代码已经有超过46%是由AI生成,如果从软件开发效率的角度去看,AI已经完成了差不多一半的人类工作。
现在只要用自然语言描述就能得到想要的结果,还能用图表展示。“消费数据的门槛降低,意味着只要能连接上电脑与AI交互就可以消费数据,所以在接下来几年中数据将成十倍到百倍规模增长。”刘奇认为,这个增速对数据库是一个巨大的挑战。
刘奇过去一段时间最大的感受是,当我们大量应用AI的时候,在快速变化的时候,我们都做出了最直观的选择,那就是拥抱先进性的技术。PingCAP的客户都在讨论成本和效率,这在现在的经济环境下已经成为所有人的共同选择,而TiDB要做到的就是帮助客户的更好的关注业务创新,做到降本增效。
AIGC时代带给PingCAP创始人兼CEO刘奇
打造世界级产品
TiDB的发展分为几个段落,稳定性的提升、性能的提升、应用性的提升、工具的提升等。刘奇说,我们还需要有比较好的演进策略和分层架构设计。
过去一年PingCAP投入了大量资源解决规模化场景下稳定性和性能问题。PingCAP 研发副总裁唐刘介绍,在TiDB 7系列版本中,在线DDL性能提升10倍以上,OOM降低99%,50TB数据导入从天缩减到小时级,数据同步输出延迟低至秒级。
而且中国用户也迎来了专属福利“平凯数据库?”的发布,随着TiDB逐步进入中国用户的核心场景以及TiDB规模化进入国产化生态,PingCAP联合创始人崔秋发布了面向中国企业级用户的“平凯数据库?”。
平凯数据库基于TiDB Open Core提供增强型企业级功能,提升国产化需求的收集、研发和交付速度,提供更多元的企业级服务支持方案,以更完善的国产化生态降低中国用户升级数据基础设施的成本和复杂性。
刘奇说,从第一天开始TiDB就致力于成为一款全球化的数据库,但是从第一天开始我们就相信中国用户一直是我们持续不断创新的核心发动机。据统计,最新版本里仍有50%的需求来自中国用户,70%的外部贡献来自中国,PingCAP也希望携手中国用户,打造世界级产品。
对于PingCAP的中国战略,PingCAP副总裁陈煜琦表示,PingCAP 致力于构建“行业x区域x生态”的客户成功体系,协同生态合作伙伴为中国客户提供更贴近行业场景的解决方案,实现更具时效性的服务支持联动。
面向未来数据库
几年前,刘奇和PingCAP另一位联合创始人兼CTO黄东旭有过探讨,为全球开发者提供一个免费并且做到实时在线,拥有开放生态能够和消费端更好对接的数据库,到底应该是什么架构。他们的结论出奇一致,这个数据库必须是云原生架构。
PingCAP 联合创始人兼 CTO 黄东旭
现在TiDB Cloud Serverless完成了PingCAP人的一个梦想,有能力为全球开发者提供一个免费的数据库。
黄东旭说,如果用TiDB原有架构搬到云上,支撑这个想法成本是不可想象的,所以设计TiDB Cloud Serverless时,他当时定下了几个规范,其中一条就是做数据库的服务化,而不是服务化的数据库。
这应该如何理解?传统的云数据库首先需要云管平台,为每个租户部署一套TiDB,但是TiDB Cloud Serverless有三个新,第一换了新的云原生引擎Cloud-native Storage Engine (CSE) 架构,第二引入逻辑上的Key Space,第三资源管控技术(Resource Control)、资源组配置用量 (RU)实现从上到下做全局流控。
TiDB Cloud Serverless实现了无需资源规划、秒级启动、0 元起步、按使用付费、极致弹性的数据库服务,产品上线后的几个月时间便吸引了 10,000 多个活跃用户。
这也给很多客户提出能否支持多租户作出了回答。关于TiDB Cloud Serverless黄东旭强调了三点,第一,TiDB Cloud Serverless在设计时考虑了系统的可以执行,未来也可以在私有环境里部署;第二,数据库的最前沿发展方向就是云原生和极致弹性,要进一步思考数据库本身底层架构的变革;第三,Serverless是很好的练兵场,目前已经实现了上万用户的打磨,很快会在企业版和云上托管版本里落地。
好文章,需要你的鼓励
Akamai的分布式边缘架构从设计之初就以韧性为核心,全球平台通过跨区域负载均衡和智能路由技术,确保即使某些节点出现故障,流量也能无缝切换至可用节点。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。