今年9月,甲骨文迎来了两位新的CEO。紧随其后,甲骨文年度技术大会也以全新身份Oracle AI World(由Oracle CloudWorld更名)登场,这一切的变化都传递出甲骨文对未来技术格局的判断:“AI Changes Everything” 人工智能,正在改变一切。
麻省理工学院(MIT)最新报告显示,95% 的生成式人工智能投资几乎没有为企业带来收益。甲骨文公司副总裁及中国区董事总经理吴承杨认为,根本原因在于AI并未融入数据本身,不是“让AI驱动数据”,而是“让AI绕着数据运行”。
甲骨文公司副总裁及中国区董事总经理吴承杨
吴承杨曾用“血液”来比喻数据,血液中需要具备AI细胞,让AI天然存在于数据流中。
如今,甲骨文正在构建起多层AI架构:从底层基础架构到数据层、再到应用层,AI都深度嵌入其中,这也是完整的技术堆栈,能够成为企业真正释放AI潜能的关键所在。
OCI进化之路,为企业AI而生的云基础设施
从战略定位上看,Oracle Cloud Infrastructure(OCI)是一款以性能、安全与效率为核心目标打造的云基础架构产品。
与其他云平台不同,OCI是从零开始构建的系统:无论是底层硬件还是上层软件,甲骨文都进行了深度集成与自主设计,确保在设计之初就将“更高性能、更低成本、更高安全性”确立为核心追求。
AI工作负载的兴起也推动了OCI的持续演进。近年来,甲骨文在AI基础架构领域投入巨大,持续扩展算力规模与网络能力。在Oracle AI World大会上,甲骨文围绕OCI主要发布了四方面更新:
第一,Oracle Acceleron中的全新网络功能,它将成为OCI未来的性能引擎。通过将硬件加速与零信任安全架构深度整合于硬件和软件体系中,显著提升OCI的吞吐性能与隔离性,并在同等算力下实现更优的成本结构。
第二,Dedicated Region 25,为企业用户提供更高的灵活性与合规性。对于需要在特定地域部署独立云环境、同时保持统一界面与体验的客户,OCI Dedicated Region实现三个RAG起步,满足政府、金融等行业的高安全与监管要求。
第三,多云战略。甲骨文推出了Multicloud Universal Credits,使数据库服务能够无缝运行在不同云平台之上。目前甲骨文是唯一不向第三方或合作云收取出向流量费用的云服务厂商,为多云架构下的企业带来显著的成本节约与部署灵活性。
第四,人工智能。甲骨文不仅升级了AI 基础设施,还全面整合了智能体与大模型,为企业提供从底层算力到上层模型的一站式AI体验。用户可在OCI上直接构建、训练与部署生成式AI应用,显著缩短创新周期。
“OCI的核心特征可概括为高性能、高性价比与高安全性三点。”甲骨文公司中国区云工程部门总经理窦杰说道。这正如甲骨文所强调的,“客户所需,无处不在”。
甲骨文公司中国区云工程部门总经理窦杰
同时,甲骨文还正式发布了新一代Zettascale10 Cluster,这是面向AI时代打造的OCI集群架构,能够支持多达80万个GPU的超大规模部署,成为当前全球最大的AI计算集群之一,峰值性能可达 16 zettaFLOPS。
AI加持数据库,Oracle AI Database 26ai全新亮相
Oracle AI Database 26ai也在今年Oracle AI World大会上正式亮相,这是一次数据库层面的系统性变革。
“不仅是版本迭代,而是一种从核心架构到功能理念的重塑。”甲骨文公司中国区技术工程部总经理嵇小峰指出,Oracle AI Database 26ai在底层实现了AI 技术与数据技术的深度融合,让数据库具备原生的智能化处理能力。
甲骨文公司中国区技术工程部总经理嵇小峰
从架构上,Oracle AI Database 26ai带来了三层创新:
第一,把Agentic Al融入数据库
Select AI Agent使Agent可直接在数据库内运行,处理业务逻辑。同时,Private Agent Factory 允许将各种AI模型打包成容器,在私有环境中部署,无需访问公有云,满足企业合规要求。结合7月发布的SQLcl MCP Server,企业可以轻松构建、部署和管理数据库内的AI Agent,加速内部智能化落地。
第二,AI简化整个数据开发流程
从Schema自动生成,到数据意图识别,再到数据加载与优化,实现了AI驱动的端到端开发体验。数据标注是人工智能最重要的一环,为此甲骨文提供了Annotation功能,用结构化的键值对集中管理数据标注并存储在数据库字典中,使大模型能够准确理解企业私有数据中的供应链、订单或员工工资等信息。未加入Annotation的存量系统,甲骨文提供自动化 AI丰富化(AI Enrichment)功能,可根据数据库Schema自动采样并生成标注,快速丰富数据语义。
第三,拥抱Apache Iceberg提供开放的AI湖仓一体
甲骨文支持跨平台、多源数据访问,通过Apache Iceberg目录统一管理不同数据库和存储的数据。Oracle AI Data Platform 提供湖仓一体化架构,将企业数据与OCI中的大模型及开源框架(Spark、Flink)集成,支持快速开发AI应用和Agent。同时还提供开箱即用的功能,例如可视化开发工具和工作流,通过Chatbot进行数据交互,实现数据到智能应用的完整闭环。
从今年10 月起,客户只需通过一次补丁升级,便可将23ai自动转化为26ai,无需重新部署或迁移应用。这不是一次升级,而是一场“演进式转变”,让企业在保持兼容性的同时获得全新的AI能力。
Dify×Oracle,共建企业AI+数据新范式
“Dify仅成立两年多,已与拥有近50年历史的甲骨文建立合作关系。”Dify创始人兼CEO张路宇感叹,这在之前是完全不敢想象的。
Dify创始人兼CEO张路宇
自2023年发布开源AI基础设施以来,Dify在GitHub上的星标数接近12万,跻身全球开源项目Top 50,从中国起步现已迈向全球。
张路宇谈到,Dify的理念是API化服务平台,使业务人员无需深厚技术背景即可编排端到端 Agent或调用API,同时支持生产环境中的数据反馈优化。目前Dify已在全球范围内应用超过100 万次,并汇聚了1000多名开源社区贡献者共同建设平台。
Dify主要面向企业客户,提供构建Agent的能力,包括Chatbot Agent、Chatflow和Workflow。通过开放平台理念,Dify打造了一个中心化但中立的企业级AI基础设施,使企业能够连接多种模型,包括多模态模型、开源大模型和小模型。
Dify与甲骨文的合作主要包括三方面:第一,Dify产品将上架Oracle Cloud Marketplace,便于在OCI上部署;第二,Oracle AI Database 26ai的结构化与向量化功能完全兼容Dify引擎;第三,Dify将支持MCP插件,实现与PaaS各类能力的深度连接。
两者的合作也形成了“企业AI+数据新范式”。首先,开发更简单、创新更高效:Oracle AI Database 26ai 原生支持向量存储与搜索,为企业提供统一的结构化与语义化数据访问层。Dify企业版可直接使用Oracle AI Database 26ai作为VectorEngine,用于RAG与语义问答场录,实现低延迟、高精度的知识检索与内容生成。
其次,安全访问企业融合数据,提升A应用效率:Dify中的Oracle AI Database 26ai插件支持多模态SOL查询,实现关系型、JSON、属性图谱与向量数据等融合搜索。依托Oracle Al Database 26ai的一体化架构与安全体系,企业可在Dify中结合Oracle Al Database 26ai,实现统一的数据访问、分析与智能、加速企业AI数据资产价值的释放。
每一个云和数据库企业都有各自的价值主张,Dify和甲骨文的合作则是一种“双向奔赴”,通过整合优势为用户提供最佳选择。Dify可以类比为AI时代的操作系统,企业在编排AI应用时必不可少。Dify和Oracle结合后,企业在AI编排上效率提升显著。以前一个复杂流程要二十多个节点,现在四五个节点就能完成,这种高效简便充分体现了合作的契合。
用张路宇的话说,理念高度一致、专注toB市场,为合作奠定了坚实基础,也为企业AI创新开辟了的新路径。
好文章,需要你的鼓励
PDF协会在欧洲会议上宣布,将在PDF规范中添加对JPEG XL图像格式的支持。尽管Chromium团队此前将该格式标记为过时,但此次纳入可能为JXL带来主流应用机会。PDF协会CTO表示,选择JPEG XL作为支持HDR内容的首选解决方案。该格式具备广色域、超高分辨率和多通道支持等优势,但目前仍缺乏广泛的浏览器支持。
华东理工大学团队开发了3DEditFormer系统和3DEditVerse数据集,首次实现了无需手工3D遮罩的高质量3D模型编辑。该技术通过双重引导注意力和时间自适应门控机制,让3D编辑变得像2D修图一样简单直观,在游戏开发、影视制作、AR/VR等领域具有广阔应用前景,标志着3D编辑技术向普及化迈出重要一步。
Ironclad OS项目正在开发一个新的类Unix操作系统内核,面向小型嵌入式系统,计划支持实时功能。该项目的独特之处在于采用Ada编程语言及其可形式化验证的SPARK子集进行开发,而非常见的C、C++或Rust语言。项目还包含运行在Ironclad内核上的完整操作系统Gloire,使用GNU工具构建以提供传统Unix兼容性。
上海AI实验室联合多所高校突破多模态AI训练难题,提出NaViL原生训练方法。通过预训练语言模型起点、混合专家架构和视觉-语言能力最佳平衡三大创新,在有限资源下实现与拼装式模型相当性能。该研究证明原生训练的可行性,为AI真正理解图文结合提供新思路,有望在教育、医疗等领域带来更自然的人机交互体验。