至顶网软件频道消息: 在当今IT领域的热门技术中,数据库并不是热点。但最近一段时间数据库成为坊间的一个热门话题。不久前,阿里云宣布对POLARDB进行重大更新,呼吁用户升级到云数据库,实现从“马车时代到汽车时代”的更换;更早些时候,华为首次对外发布了一款AI-Native(AI原生)数据库GaussDB。根据华为的说法,GaussDB有两大创新:一个是首个AI-Native数据库,将AI融入数据库内核,让数据库更智能;另一个是首个支持ARM的企业数据库。
与之形成对比的是另一件事情:甲骨文宣布裁撤部分中国研发中心员工,首批有900人被裁。裁员看似与数据库无关,但众所周知,数据库是甲骨文帝国的基石。透过甲骨文今天的境遇其实也能大体看出甲骨文数据库的市场前景。
一边是新兴力量的大张旗鼓加入数据库市场,一边是老牌厂商的褪色,难道数据库市场真的要变天?甲骨文在数据库市场的地位人所共知,甲骨文一直是数据库市场的绝对老大,多少年来虽挑战者众多,却从来没有谁能真正撼动甲骨文的市场地位,哪怕是来势凶猛的开源数据库没有真正威胁到甲骨文。那么,现在这些厂商为什么纷纷揭竿而起,挑战传统数据库市场,所谓何来?
在我看来,最根本的原因在于数据库对企业级市场太重要了,华为需要,阿里云也需要。有人说“得数据库者得企业级市场”。据不完全统计,关键业务系统中有90%基于数据库系统开发,而数据库系统具有非常高的用户粘性。甲骨文就是因数据库而崛起的。云时代来临,对于众多云服务商而言,提高客户的粘性非常重要,随着IaaS的同质化,这个难度越来越大。如果从数据库着手,将客户业务与应用及数据库深度融合,就不失为一种非常有效的“留客”方法。正是因为这个原因,云服务商纷纷推出了自己的数据库,2014年AWS推出了Aurora,3年后阿里云推出POLARDB,腾讯云也有CynosDB,青云也有RadonDB等等。今天,华为也推出了GaussDB。
另一方面,云原生数据库在和传统数据库的竞争有自己的天生优势。云原生数据库因天然地具备云计算的弹性能力,兼具开源数据库的易用、开放特点,及传统数据库的管理和处理性能等优势,成为企业上云时的优先选择,再加上阿里云和AWS等拥有的庞大用户群,云数据库正在迎来属于自己的时代。
与之相比,传统数据库诞生于上个世纪70、80年代,面临云和大数据时代的挑战。比如,不断增长的数据要么超过数据库的极限,要么需要高昂的投资来支撑。另外,传统数据库的扩展性和灵活性也很难满足很多数据处理的需求。因此,除了云原生数据库外,市场还出现了一批NewSQL和NoSQL数据库,如Hbase、MongoDB,它们在一些领域如鱼得水,非常受欢迎。这些产品也向传统数据库市场发起了挑战,再加上开源数据库市场的快速增长,进一步蚕食了传统数据库的市场。
种种原因在一起,数据库市场大变局就在所难免,传统数据库一统天下的局面正在发生改变。未来的市场谁会主导,我们走着瞧。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。