飞象网讯（孙迎新/文）9月22日，在2026年中国国际信息通信展览会期间，北京奥星贝斯（oceanbase）科技有限公司金融政企解决方案总经理李楠接受了飞象网的专访。

结合本届展会“强网兴算智汇生态”的主题，围绕数据库在ai时代发展方向，李楠给出一条成熟且经过验证的路径：oceanbase从原生分布式数据库演进为ai数据库，用一套三层架构，将结构化与非结构化数据封装进同一底座，并将这套能力落到通信行业的网络运维、智能问答与算力调度上。

从一体化到ai原生：数据库演进的两条线索

这场演进的起点，其实不在数据库内部。

李楠将其拆成两条线索。“我觉得实际上是两个逻辑。”第一条在技术侧：过去多数系统只处理结构化数据，非结构化数据受技术能力限制，往往做完ocr、语音识别就停下来了；现在多模态大模型把这些数据重新变成可用的东西。但代价也是明显的，非结构化数据的体量太大，“如果只存不用，就是成本浪费”。

第二条在客户侧。针对数据挖掘，行业已经做了很多年，可结构化和非结构化始终是两套体系，彼此隔离。运营商的用户全生命周期管理就是典型：营业厅的办理记录、视频客服的对话、业务系统里的账单，数据都在，却没有关联起来。

当技术可行与业务诉求同时发生，产品底座的转型才真正被推上台面。“一方面是技术成熟了，另一方面是业务有真实诉求。”在ai承担的角色上，李楠认为它是让数据能够被充分应用的那一环。多模态模型能读图、能看视频，还有短剧里那些逼真的画面，背后正是海量数据在支撑。

关于如何定义ai数据库，李楠给出一个三层架构。

在这个系统中最下层是底座层。在这个层级，结构化数据和非结构化数据是统一存放的。以往的数据库只注意结构化数据，而非结构化数据则散落在文件系统里。ai的作用就在于通过虚拟索引等方式，让用户看到一份统一的数据视图。

底座层向上是算子层，这个层级解决“数据怎么关联、怎么整理，最终变成ai上层应用能用的能力”。

再往上的层级，就是容易被忽略的上下文层。

“ai是有记忆的。”李楠认为，即使是百万级token的上下文窗口，在应用侧也需要有上下文维护。这个层级的意义就在于让机器能够真正读懂业务语义。如果不提供上下文，大模型就容易产生幻觉。

谈及ai数据库和传统数据库的差别，李楠认为主要在算子层和上下文层。

他举了一个知识库的例子。一份文档被切片、入库、做检索，看上去没有问题，可当文档版本更新，如果向量索引没有同步跟着改，检索结果立刻就对不上。同一个业务里的数据，必须处在同一个版本、同一套规则下，一致性才有保障。

两者间的区别还体现在使用的便利度上。当前，ai数据库通过自然语言可以完成过去需要大量编码的工作；随之而来的是，agent访问模型和数据的方式，也被吸纳进数据库内部。

ai数据库还有一个隐形的优势，这份收益就在于可以节约算力。假设库中有1000条数据，其中800条有重复，而oceanbase会通过智能过滤，让不重复的200条送出去计算。这样的数据库设计，在算力紧张的情况下，优势就非常明显。

深耕通信行业：真实案例中的降本与高可用

在国内，能够同时服务三大运营商的数据库厂商并不多，李楠表示，oceanbase就是其中之一。

当前，oceanbase已覆盖近4000个核心节点，稳定支撑超过10亿用户，部署在运营商体系内的服务器有数千台。中国电信翼支付就是其中之一，由于它带有金融属性，对底层的安全性与合规性要求极高，因此选择了oceanbase。李楠表示，“这也证明了oceanbase在高要求场景下表现出的实力。”

这份信任也经受住实打实的考验。例如2014年“双十一”期间，支付宝业务增速已接近传统架构能承载的极限，oceanbase当时承担其中10%的流量，已顺利通过了业务考验。此后十几年，每逢“双十一”大考，oceanbase的底层数据库都经受住了考验。在李楠看来，这更是获得一种资格：能扛住世界级top3的金融级应用考验，才算是获得进入运营商核心系统的门票。

李楠还介绍了oceanbase的其他具体案例。

第一个是某省级运营商。这家省级公司从2020年就开始做数据库的国产化应用，而oceanbase的加入，则帮它解决掉关键的存储难题。在如今存储成本一路上行的情况下，oceanbase通过智能压缩与优化，可以将实际数据压缩到极低的比例，让整体存储成本大幅降低。

第二个是某运营商的支付公司。它的诉求是异地多活。传统数据库架构是一主一备，当主要库出问题再切到备用库，中间需要人来判断，切换动辄需要十几分钟，但这样的方式不能满足客户需求。客户希望做到真正的多中心容灾，最终按三地五中心进行搭建，oceanbase的表现优异，数据零丢失、故障秒级切换。

对此，李楠欣慰地表示，“我们在运营商里，真正把这种金融级的高可用架构落地了。”至此，oceanbase跑通了一条国产化路径，也让运营商敢于把核心业务放心托付。

创新加速器：ai数据库如何嵌入产业链中

当外界更多在关注网络侧、运营侧积累的数据量时，oceanbase则专注于如何让网络跑得更有效率、让目标达成更省力。

ai时代的到来，也带来一大批新的数据类型。例如：气象、营销、多模态的内容，它们过去很难和结构化数据共同存储与管理。但现在可以了，oceanbase让这一切成为可能。李楠表示，“我们能把之前片面的结构化分析，与新的多模态数据串联起来，形成完整的业务洞察。”

一个具体的落点就在于智能问答。过去受限于模型能力，问答准确率其实并不高，但现在客户有了近乎苛刻的高要求。对此李楠认为，解决方案可以两条腿走路：一方面持续提升模型能力，另一方面把数据之间的关系，组织成上下文图谱，用本体、知识图谱的方式进行吸纳。

最终，oceanbase完成了任务，问答准确率随之获得提升。此外围绕数据周边，oceanbase还不断丰富面向运维的agent、智能诊断等能力。

谈及oceanbase在产业链上的位置，李楠认为，如果ai是加速器，那oceanbase所在的位置就是齿轮箱，但不是发动机。对于上游的通用大模型，oceanbase不做；下游的集成与应用，oceanbase也不做。

面向未来，李楠认为，oceanbase应专注三件事：一是持续坚守数据端，自己不做集成商，但要把可用性做扎实；二是把能力沉淀到行业内，将真实业务属性和行业know-how留下来，让能力可以复用，毕竟“未来每一个项目不可能都从头造轮子”；三是在ai上继续降本，不只局限于存储，还要在算力等环节产出更高的性价比。

李楠表示，“我们聚焦在ai时代，做一个能够提供深度价值的数据服务商。”