蚂蚁OceanBase升级智能数据平台 拦截Agent安全漏洞抢滩B端

蚂蚁OceanBase升级智能数据平台 拦截Agent安全漏洞抢滩B端 大模型算力成本因DeepSeek已不再是企业痛点，AI三要素天平彻底向数据治理倾斜，企业需通过统一数据底座及云上沙箱解决Agent软件的安全泄密与高昂Token成本。 本期节目聚焦于2026年初由Agent与OpenCloud“龙虾”引发的AI新浪潮，从底层数据库与数据安全的视角进行了深度剖析。两位数据库专家共同探讨了“数字贾维斯”在企业落地中所面临的数据隐私、安全围栏以及复杂多系统架构的严峻挑战。节目回顾了从大数据到AI时代历史的惊人相似性，指出了多模态统一存储、外部记忆体架构对降低大模型Token成本的关键作用，并为企业主在AI投资与局部试点中给出了“小步快跑、主动求变”的破局建议。 2026年初以OpenCloud（龙虾）为代表的Agent产品在个人层面爆火，但由于缺乏企业级安全围栏，在企业落地上面临巨大的数据范畴与安全挑战。 企业在引入C端Agent产品时极易发生密钥和Token等机密泄露，导致目前国内绝大多数企业出于安全防范直接一刀切禁用此类软件。 AI时代正在重演大数据时期的历史，为了实现降本增效而引入的向量、图、ES等缝合怪产品，再次导致了新的数据孤岛、技术栈隔离和高昂的副本成本。 行业目前正迎来从Agent框架和RAG系统向“AI中台”或基础技术中台治理的拐点，以统一多技术栈的切片、存储、搜索和编排。 AI三要素（算法、算力、数据）的边际效应发生转移，随着DeepSeek等技术极大地降低了算力焦虑，数据已彻底成为影响AI落地最核心的要素。

围绕2026年初OpenCloud等Agent（“龙虾”）引发的智能化热潮，数据库架构师刘华阳与OceanBase AI负责人戴涛指出，C端驱动的开源智能体在企业落地中遭遇了严峻的数据安全围栏与架构治理瓶颈；随着算法与算力成本逐步走低，AI落地竞争已全面转向数据治理，企业需通过混合搜索、外部记忆体及云端沙箱等底层重构实现渐进式落地。 C端狂欢与B端安全围栏的现实冲突 以OpenCloud为代表的Agent工具在个人端掀起“养龙虾”热潮，但刘华阳与戴涛指出，这类开源和个人驱动的软件普遍欠缺企业级安全防护。戴涛通过实际案例说明，某大厂部署的Agent会因用户直接提问而截屏泄露系统密钥与Token等机密，而具备企业防线的产品（如蚂蚁“数字十七星”）则会进行严格拦截。加之企业内网系统复杂且权限敏感，绝大多数国内企业目前采取“一刀切”禁用措施，迫使员工只能在家庭环境或云端自行试验。 此外，开源方案普遍依赖本地Markdown文件（如sode.md）记录长短期记忆，刘华阳强调这种存储形式根本无法满足企业ISO 27001等合规与审计标准。缺乏审计机制、易泄露关键信息以及缺乏内网隔离，是当前阻碍数字员工规模化上岗的首要障碍。 历史重演：警惕多模态缝合怪与架构臃肿 刘华阳回顾大数据时代指出，早期行业曾因各色组件林立而遭遇严重的数据清洗丢包、不一致与高昂存储副本成本，直到方案收敛至少数成熟数据库才得以解决；当前企业在AI领域再度外挂向量库、图数据库及ES等系统，正面临历史重演的风险。戴涛与刘华阳一致认为，单纯加装向量检索就标榜“AI数据库”属于营销噱头，多数据库拼凑无法根本解决复杂场景下的性能与治理成本。 面对Web Coding或智能调度中无边界的跨领域需求，系统需要的是真正融合TP/AP、支持文本、图像与音视频的“多模态混合搜索”。明浩以Google Maps十年最大更新“Ask Maps”处理复杂口语化长需求为例，佐证了非结构化理解需与底层统一存储深度打通的趋势，戴涛补充称这正是统一数据底座与技术“AI中台”需要解决的核心命题。 要素天平向数据倾斜与外挂记忆体破局 明浩回顾自1956年达特茅斯会议以来AI发展的70年历程，认为在DeepSeek等技术大幅拉低海量算力与虚拟化门槛后，算法与算力的门槛显著降低，影响落地边际效益的关键决定要素已彻底倒向“数据”。而在具体工程实践中，依靠模型厂商不断放大上下文窗口（Context Window）不仅在技术上面临极限，其按Token计费的模式更会给企业带来难以承受的开销。 戴涛提出的解法是引入结构化的“外部记忆体”，将Agent拆解为推理、工具与多层级记忆（知识、技能、对话偏好及私有/共享边界）。OceanBase推出的Powdrag（负责企业级RAG文档检索）和兼容Mem0接口的Permarmorate（管理对话偏好）即为此类实践。戴涛列举了淘宝“AI万能搜”、春晚健康助手“玛雅阿福”及AI陪伴软件的实战表现，证明基于数据库提炼关键特征并向模型输送局部窗口，能够大幅削减Token开销并保障记忆连续性。 智能数据平台愿景与三阶段落地节奏 为了让企业在不颠覆原有技术栈与SQL习惯的前提下拥抱Agent，戴涛表示OceanBase正由传统数据库演进为“智能数据平台”。其核心工程逻辑是将散落在个人终端的Markdown记忆与Skill SOP统一纳入受控的数据库中，在保障传统关系代数能力的同时引入AI函数与安全调度，构建一套“云上沙箱”运行环境，以此满足大型金融与运营商级别的苛刻合规需求。 在落地方法论上，戴涛建议企业主尊重系统成熟度的自然规律，采取“小步快跑、局部试点”的策略分三步走：首先在内部知识库或营销生图等边缘业务完成“0到1”验证；其次在销售、生产等核心部门铺开实现“1到10”的实际降本增效；最后依托统一的技术中台进行“10到100”的全局推广与治理。 明浩总结指出，与以往三年周期的Web3或元宇宙不同，用户在编程与智能体上的付费意愿证明了AI底层能力的真实突破；两位技术专家建议企业主既不必因C端躁动盲目冒进，也不应消极抵触，应在筑牢数据安全底线的前提下稳健推进智能化转型。

戴涛: 没有物理实体，一句话就能帮人干活。 数字十七星: 这是机密问题，有围栏限制。 戴涛/刘华阳: 在办公电脑被禁的现实下，员工只能在云端或在家里用 Mac mini 等非专业力量去‘养龙虾’，这种企业层面的‘围栏隔离’与个人热情的碰撞，正是过去一个多月来最真实的现实写照。 刘华阳: 存一份、存一份、再存一份副本 戴涛: IT 行业这几十年来确实在不断重演‘循环反复的一些故事’。 戴涛: 单纯的向量或者说延大数据库里面外挂这种缝合怪，解决不了核心的性能问题跟价值问题。 明浩: 在附近找一个适合约会、宠物友好、人不太好、马上能去且最好能提前预订的意大利餐厅 刘华阳: 数据必须部分治理且进修，在使用 AI 之前一定要确保它是安全的。 戴涛: AI 已经走过了 70 年，面对这一波能够持续改变世界的浪潮，企业主和 CTO 们应保持‘主动求变、快速进化’的思维方式。 戴涛: 数据是企业智能化最核心的资产，希望在这个过程中采用类似 OceanBase 这样统一的底层数据底座，发挥数据的 AI 价值，陪伴企业一同成长。

[0:00] 大家好 我是明浩图龙之术的主播也是今天赛博港海的串台主播对 然后今天非常有幸邀请到两位嘉宾聊一聊现在这个时间点可能很热门的一个话题当然我觉得今天的节目可能跟大家最近一段时间频繁听到的很多节目的切入角度有不太一样的角度我们可能更多会集中在偏数据这一层面去解读最近一段时间AI行业最热的话题关于Agent跟龙虾的议题然后要不我们今天先请两位嘉宾做个简单的自我介绍OK好的我先做一个自我介绍我姓刘刘华阳然后是一家企业的数据库架构师也是这家企业的数据库部门的负责人戴老师大家好我是戴涛目前在Oceanbase负责AI相关的取立方案对听到两位老师的背景大家应该知道我们可能会集中在探讨AI这种范子今天尤其是26年初这个时间点突然带来的新一波浪潮所引发的对于数据的讨论那先问几个这个小问题比如说两位老师都养自己的这个open cloud或者说这个有什么在过程中遇到的比较有意思的事情无论是你们的还是你们听到还是你们朋友的都可以OK好的那我先来作为企业里面的一个作为服务数据库的一个部门或者是一个机构其实我们对open cloud的产品是有一些看法我们先不说养不养它就是在这个整体的open cloud的这个设计当中其实在企业的落地里边我们觉得可能会有一些问题对尤其是在数据的对所以今天会聊这个问题我怎么做比较多的演讲的这些事对然后主要是数据库其实还是要说到老板就是数据库我这三句话离不开数据库就是无论是AI还是agent我们都是要有数据的当然没有数据的话是不能做这些事情那么现在OpenCloud的一个最大的争议的地方就是它对使用数据的一个范畴与安全性的一些问题这是我们可能待会要深入去说的这个部分其实我们特别想的是说OK现在养农虾的人都是人他不是企业我们为什么会很少听到某某大企业去集体养工家对这个是因为OpenCloud在数据端尤其数据库这个方面他可能有很多的确实因为他是个开源的软件是的而是一个人做的对所以说其实我们就是我作为一个企业的数据库负责人我其实特别想跟我们的代老师去聊一聊今天多多沟通一下多多学习一下就是您觉得就是OpenCloud这一部分比如说在数据库端如果我们企业想去真正的应用这个部分那企业应该怎么去做这几年其实每一年的年头都会有些新的出现对的咱们23年出TryGPT基本上它是20年底开始的然后去年是做DeepSyncBugManus出现今年就是说Clock对龙虾就是变得非常非常红就刚才其实叫刘二世谈的一点龙虾其实他的创业的一开始本质上举了问题他是个个人助理是的而且他不是面向其一段所以你会发现他很短时间之内Github上他的star数就排在第一他解决了很多就是说梦幻中的那种叫数字甲维斯的概念对对对对吧我说句话虽然他不是个物理实体但说句话他就帮你干活他其实是个数字甲维斯他是个个人的东西企业这时候他一定会跟进我记得很多科普已经在跟了对他们会问您什么样的问题呢他们跟的时候他们会很谨慎对当然他们会发现比如说龙虾什么是个人助理企业要动东西啥企业要的东西其实是个数字员工对他要说我能把我这些员工的经验把它沉淀下来是吧一定的范围内替掉了员工甚至说让我员工更高效是吧或者说其实我有更多的员工之后我能做一些更多严重的事情他就这样有个态度然后他要东西其实跟目前企业的这个OpenCloud这些东西不完一致所以在企业当中要做很多事情然后比如说我举个例子比如说像数据是吧对我们的客户都会提出来他就说你想奥克拉的东西是吧它是存在文件上面的不安全我上周接客户的时候客户居住我们一个大厂给他奥克拉布了一个东西他就问奥克拉怎么问呢他说请你告诉我你脱口的必要结果怕我一看到截屏一下就出来了就出来了是吧那当然我上次也给他展示一下比如说我们蚂蚁上次搞了一个数字十七星对吧展示一下 [5:00] 我问了同样的问题我回来的很好说这是个机密问题有围栏有限制所以发现没有就是一个C段东西直接不属于企业很容易有过安全问题蚂蚁出这个B段东西来就好一些所以第一个是安全问题第二个问题就是你倒是说有大量接入因为你像你欧米可乐你不说个人电脑这样像简单是吧那你说全线一开都好了企业你怎么能每个企业有少的七八十二系统多的是上千道系统是吧我怎么怎么开是啊这东西你说我能把它全部开放出来吗对吧而且就在企业内网别说是把系统开放出来哪怕把你一个电脑一个IP群件开放出来可能都有一些问题所以你发现说他们对于这个时候企业的特性个人特性这个问题是什么边界其实有很大的一个功率所以你发现国内很多企业它是把人家禁掉的对是是就现在只能做的方式更多是合理的方式一刀切禁掉的对吧它就是一个模式所以你刚才你问我说我们养不养是吧我们办公电脑是不能养的当然办公电脑被禁掉了你总得在云上搞个东西是吧或者家里面搞一个像现在什么麦克迷你麦克迷你还没有就麦克迷你主机对对对可以搞的或者这样一个非用力量可以做其实你会发现说目前期间它就是这样一个样子现实这个问题确实在过去这一个多月时间它就是这种冲击跟碰撞的这个过程中其实今天我插话了不好意思就是你看现在我们做各种项目其实我觉得它其实就是一个历史的重复我们经常会遇到几个问题比如说在数据的传输当中数据丢失了是很有可能的就是说比如说我们在清洗数据或者在数据传输当中由于某些原因数据可能缺少了或者是比如说在数据的传输当中数据传输不及时然后导致我们最后汇总到大数据里的数据可能是不正确的那么我们可能还要再去重新的传输重新的清洗当时大家都特别欣喜大数据来了然后又特别期盼大数据来了然后大家后面又特别恨这个东西是因为太难用了然后但是到了现在就是大家可能会很少再提这个事情因为为什么因为可能现在大数据的解决方案里边有单一的或者是只有几种数据库的存在就是相当于它的整体的架构变得简单了那其实我特别想问就是现在就是AI特别如果大家都特别想进入到这个里面企业也非常想进入了降本增效是不是我就特别害怕就是回到他数据那里面的问题就是我们的这些AI的产品里比如说现在又引用了适量数据库包括我们的比如说可能把声音把图像再转成对转成这种比如说那个Pinkhole这些这些产品就产品又太多了然后这里呢最后呢我们需要把这东西又进行RG然后再喂给我们的大模型那这里可能是不是又会出现像我们大数据里面的比如说数据确实啊数据不准确啊数据一致性的问题等等等等而且还有一个特别让人头疼的问题也是大数据曾经遇到问题就是成本的问题我这存一份那存一份还要存一份副本大数据里面要存一份可能ETR的软件里面要存一份然后这个成本居高不下就是单位有的时候上完这以后叫苦两天刚才刘老师问了一个非常好的问题其实这个问题你发现IT这几十年以来就是会不断重演一些循环反复一些故事你刚才刘老师问了问题的核心点在什么就是说你会发现新的技术浪潮出来之后企业里面会形成新的一些树立孤岛甚至说因为不同的技术站不同数据隔离核心其实是这个问题所以你发现来就是先一开始新制一出来百花之明然后的话说慢慢会觉得需要治理因为刚才有点说不舒服有点不好就要治理比如像前几年像我们有些名字像夜幕中台这概念就是系图相冲自理的角度上就处理问题现在AI的话大算也是非常明显的我举个例子比如说咱们基本上24年左右国内开始谈RIG看来Agent的开发你发现其实你看就两年左右时间企业里面就引入了很多套Agent有开源的开源不同版本的不同开源厂商的商业化的然后RIG也一样所以刚刚是技术出去跑起来问题不大你会尝鲜因为技术里面它有一个说像这个成熟曲线作为那种说刚开始是接着善于接纳这个新技术理念的人是吧是没问题的但是真正的企业里面大量的受众其实需要这个技术相当成熟以后他有更有收益的是吧所以你会发现说我们现在科目已经提出来了你说AI两年一年是吧对从工造轮子所以他们也会提出也有些治理的概念虽然这个 [10:00] 名词不完全正确但是我就有些思路给抛出来比如说他们提出来要构建AI中台但这个中台是不是业务中台说输入中台不一定但是意味着什么呢它系统是从基础上统一各种的一些调用各种能力比方举个例子我现在企业里面每做一个应用里面一个Ali的应用那里面自带了一套H点框架怎么维护呢每个Ali框架里面提债数据也不一样是吧技术也不一样所以如果说有它中台是吧它可能不是业务实体的但是说也就技术中台这种东西是吧拼挨的一些能力的比如说怎么欠片怎么统一存储怎么搜索包括怎么整体编排是吧包括像小龙虾是吧统一小龙虾的这种调度对吧统一搞出来对吧这些企业说它很有价值是吧所以我说这第一个概念说这些企业发现了它要说要做的东西但这个最后形成结果未必是来讲中台但是我说说同一级组战减少这种说技术上的这种说叫这种多级组战引在这种技术架构的复杂度第二点其实刚才其实刘老师也谈的就是说什么点呢数据因为你想你统一级组战之后你原来是因为多级组战造成的说是数据它也不是统一的对那你发现A210了之后是吧其实我们的经历都不说原来原来程序开发是什么模式先看需求需要做密码对象设计然后来做表设计也要是开发模式是吧现在你想如果我们为了开发是啥我给agent是吧我给webcoding我给他一个需求需求直接结果了我管他怎么实现怎么实现吗我管他这个面向对象怎么做当然大系统很系统不行对但是你说一个千两级系统是吧因为一位团队大量千两系统他不需要这么多东西那这时候你发现说他需要什么他需要说是一个能支持他敏捷快速变化这样的东西能把我企业里面各种吸气国关的数据是吧全部存起来而且话说能支持我时时访问支持我一些这种轻量去分析是吧这是刚才说的我项量分析各种都花质的东西是吧所以你会发现对于客用户而言如果你要结合Edging的开发或者外部开发这种概念之后你会发现未来这种数据形态它变成说对企业而言就是一个统一大数据活酷的概念对是吧各种数据多模式数据统一存储各种负载我管理TPIP像这样是吧是统一处理是吧而且来说各种那种图像图文音试图像文本本英式税率是吧你不要还考虑说文件什么文件系统啥呢图一给我是吧我来帮你处理我来帮你寻除那对于未来呢就非常有帮助企业现在已经发现这个问题了他们是否就做一些治理而且也提了很多心理想法比如统一税率里做比如像AI中台的概念是吧而且其实像我们这产品厂商其实也在往这方面努力也是不是说其实通过一些更好的技术方向情况下能在我们看得见的未来的这种三到五年里面是吧更好支持这个目前这一波AI世界发展大家这样就是今天这个时间点大家都说原来这一波发展三个要素算法算率跟数据似乎在这个时间点如果我们只看过去这一段时间跟未来短期内来说这三个要素里面对今天这个时间点业绩发展边影响更大的应该是数据这一项就我来提一下吧因为刚才你说三个话题对因为今天正好今天是26年对吧AI出来正好是五六年出来的到今年正好是70年对是的AI刚出来的时候因为盲世会议对吧它的核心其实是个算法对是算法当时是研究各种算法对对对不管你是符号主义年纪主义讲的是算法本身是然后什么时候发现注重算力呢80年代英特尔CPU包括说99年英伟大CPU你会发现你需要一些新的算力解决问题但是你会发现这时代年数据变很重要一个标准性的一个理程碑就是李飞飞去搞他的他有个ImageNet因为有了ImageNet才有星顿做两个GPU连在一起才有星顿搞出来现在的所谓这些这些就这样模式才会有全球模型的东西所以你发现2011年开始李菲菲就搞所谓的刚才说的Emanielite但它仍然是在说偏研究领域偏说互联网产业领域然后对于企业也就让你谈到的企业也说因为去年还有一个事件就DPSIGDPSIG解决了说超海量算力使用成本的问题虚拟问题这时候你发现其实我们对算法不是很焦虑了我们对算力不是很焦虑那时候企业的焦虑点发生或者聚焦点什么就是数据所以你说现在AI的这三个脚里面是吧对现在就变成说你真的到企业应用来看看数据而且企业每家企业它的经营的最核心的东西除了让你管理制度以外在数据上面对所以现在都切换点之后就跟他谈到所以我讲的话题的时候你发现我们的很多企业它动起来了嗯因为 [15:00] 因为DBC的推动有些国内各种新型的推动是吧对因为各种而且推动之后他动起来了而且他发现说他的数据很有价值不管是训练还是推理情况下是吧或者说把企业数据比如说能做一些跟他自能化情况下都动起来了所以我现在看得到这个趋势很明显的刚才戴老师这个这个话给我这个展开了我的思路我又有一些新的想法了就是我在想就是AI是不是又能带火一段数据治理这么一个事情因为现在AI要投位数据那么这些数据都是从企业来的那么现在企业的数据的准确率是不是准确的那么我们的企业的数据散落在各种地方然后我们其实实话实说我们把它收集起来我们对一些数据的准确度我们也不看去完全保证那么我们如果把如果把这些不完全保证的数据喂给AI让AI产生了一些结果比如说像经常在网上看到的这个商户删的数据误操作的这种事情我觉得就就不太好了当然这些可能是比较表面的当然更深层次的比如说我们通过AI来推演公司的未来的发展的一些模式或者是推演公司发展的一些未来的数据这个推演错误了这个事情就大了所以说我现在就回到了这个事情就是OK外行看热闹就是大家都在养龙虾现在听说60岁的老太太都想去养龙虾我觉得这件事情就有点失控了但是我觉得企业现在不动或者是动得非常的慢其实有他们的考量就是可能在AI的方面可能已经稍微的成熟了在企业应用里但是数据的这块数据的准确度我们用什么去存这些数据比如说我们有图形视频等等等等这些那这些应该怎么去处理因为现在的这个产品太多了是的那比如说作为一个比如说数据库的负责人我不可能说我引入一个数据库然后不经过测试这个长期的一种投入然后就把它弄进来然后假如说它的版本有问题或者它有bug那这些都是对企业是毁灭性的所以说就刚才像戴老师说的就是我特别认同就是架构一定要简单不要说跟我弄十个八个就是用矢矢量数据库图数据库然后ES就是哎呦那个成本高咱不说就是整体的我觉得这个东西可能数据的处理上一定要失控基本上是这样的因为刚才刘老师谈了几个观点第一次就谈到其实是数据治理的问题这个问题我再给你猜猜来看一下其实它分成宏观中观跟微观的视角宏观是假的你会发现其实去年咱们中国提出互联网加的概念之后你发现其实说我们的顶纸设计在搞什么高质量数据你发现高质量数据核心其实就决定数据数据的问题它要说国家规范上面包括说一些行业上面一些推的东西因为只有高质量数据数据只要是高的你才决定说你的训练推理是好的这我说是宏观上的问题其实国家已经动起来了因为我们也会看一下一些国家的科技上面确实有些上面一些打算去指引第二就是中观中观其实是企业这一车其实你发现其实树立自己的话题它不是一个新话题很多年前就来讲但是由于历史上各种数据严重各种什么问题真正把它做好的你发现不多但是你发现这个问题在S代它会很要命命放大了必须我们的做好它很阳命所以你会发现我们很多客户就提到概念它要做数据之力它要需要什么工具比如说我说数据之力你点击了几层统一的数据存储统一的数据加工对吧还有另外一些比较像血缘跟中华各种一些数据工具然后你上载把数据服务暴露出来所以你说可能它是一个大平台有可能是很多平台共同组合起来那么就决定企业里面我说中关税率政理问题它可能不完全是某一个单层的决定的决定但是比较欧宾欧宾这边的现在我们没有一些像税率政理的一些能力和经验但我觉得大上不上就把这个图拼起来然后我说到微观这边上有可能企业现在可能不是马上我叫做企业的税率政理因为企业它跟人一样它有性格它可能是它是长鲜型的为什么老板想长鲜老板觉得说我现在先追AI因为他怕错失这时候你说我先搞你两年错失失你来不及对那时候我可以在局部上面是吧我在微观上面比如说我先某个域你的生产域营销域销售域是吧或者说你在IT开发是吧某个域我先做起来 [20:00] 美国一我先做一些局部的一些AI东西正话说是两步步所以不是不做是吧你会另外一条线再推但如果另外一条线你会单做一条线会在局部上去做一些试点其实我们这里发现你说企业推AI它节奏大概你说先走0到1它总要走第一步对比如很多企业是IT是吧IT搞个知识库是吧或者是营销营销搞一个说比如说这种说营销生图是吧生文的东西是吧现在走第一步走第一步然后你走来的时候从一到十那你要考虑到时候我可能我在我的各个主要板块是吧我就铺点进去搞点自动体搞点自制库搞点说真正这种说提效的东西是吧或者降本东西或者说我能增加收的东西是吧做第二步第三步之后有可能就要跟他说的结合AI中台统地说的理作或者结合说的这里是吧我做进步推广所以他一定是这样一个迭代的一个过程所以我觉得这个事情其实我觉得是一个自然规律所以咱们也有不到几亿的吧弄着呗虽然AI说发展很快但是我说伴随发展它的企业信息化真的成熟的是有点中期的特别刚才说是龙虾我觉得需要的时间让它成熟对然后我这边其实有一些同事就是之前的同事其实也问我们企业这个在AI方面有没有推进然后他们发现一个问题就是现在的数据库只要是加上项链他们就说是AI的数据库这个我作为一个数据库的这个从业快20年的我不太认同这种概念我觉得这是个综合类的产品才能叫AI数据库而不是说芝芝向亮就叫AI数据库这是向亮数据库这个概念其实我觉得就是一个缝合怪因为我说应该由时间上倒许来看向亮数据库不是说因为大模型出来之后才出来的是的它其实十几年前就有的了其实Vib3那一波的时候也在套这个对他其实十多年前他就出来这个产品他其实解决的不完全是一个说大模型的问题但他有它的价值因为他把一个不具体的英式数据变成一个高位空间一个点这样的话就将来在高位空间里面求找消失度他解决这个问题但是为什么大模型出来之后就发现他就膨胀非常快因为你发现说有模型之后我肯定因为最开始出来的模型是大语言模型我的语意它会有语意因为传统的言言的搜索其实是关键的搜索它是一个K-Words对这样一个搜索情报所以你发现在大模型出来之后它引起来叫语意搜索概念由语意搜索之后情况下就会把这个所谓的向量水利库就激活了所以你发现向量水利库它有几个牛派的吧纯下量的关系加下量的然后就说是Ara加相量的然后我说这里面差异在什么呢因为你发现其实你在做特别现在结合像这种webcoding也好龙虾也好你的很多其实需求你让AI去做情况下其实你很难它是一个跨领域需求他不是说这个事情只有一个说一个相量需求这个事情它只有一个说文本解锁你那个社群它以文本为主导对吧加相量你发现没有它是一个多模态需求你发现没有就是说单纯的向量或者说延大数据库里面外挂这种缝合怪他觉得不了他的核心的性的问题跟价值问题我觉得也很有意思就是现在很多企业还是在掉入缝合怪的一个状态比如说像现在就是我们的向量的数据在数据库里面我们的标量的数据也在数据库里面可能我们的一些音频视频等等等这些图形的数据都在各种各样的数据库里所以我们现在就做了这些东西我们内部的东西叫什么呢叫混合搜索就前两天Google Map迎来了史上最大一次更新它现在主打就是Ask Maps它举大例就是说比如说我要就这附近找一个适合约会宠物友好人不太多马上就要去的一个什么样的意大利餐厅然后最好能提前预定当然我们听到这个需求之后你还是可以用传统的关键词Tag来去解但似乎就这种需求当它变成一个没有边界没有办法用传统意义上的说关键词跟Tag方式去限定的时候你还要给它解过还要返回合适的方式那似乎对于比如像Google Maps的团队而言要做的事情就是刚才你说的所有这些事情而且你若然可见这种趋势会随着AW推进发展之后这种需求会越来越多跟常见某种意义上的新的用户的界面的交互的范式对吧那当我们都要去面临这样的解决方案的时候那对于在做相关业务的公司跟企业而言那似乎就要有一个新的底层的配套的无论数据也好架构也好去适配这样的需求那似乎确实在往这 [25:00] 对吧确实看上去而且我看那个广告是Google Map什么十年以来最大的更新就是他把这个这个Ask Map放到这样一个高度就代表确实可能最先进的这些厂商在面临这样的这个问题刚才他那个广告是我们24年就已经24年我们在优货大会上是吧发布的我们的产品特性的时候就要这个举例的对就看说搜索物败以之类是吧那是说各种价格各种类型的而且好吃的一个餐厅就是那个事例就是这个事例GoogleWeb做一个重大特性提供我们把这个事例也搬到我们的官网上了我们官网上有一个东西说高德剔头去做的你就能说比如说在杭州是吧说说基本上最好的一个什么一个酒店啥的我们现在官网上就有那样事例我们正好就聊到聊到这个业务落地的角度我们业务落地我觉得第一个问题是关于搜索引发的展开数据这一套那么聊第二个问题可能关于是AI这波大模型包括最近龙虾热大家探讨比较多的关于记忆的事情因为大部分出来之后大家都会说它的上下文结构一直是很多厂商在突破的但上下文我觉得是一个这个问题的狭义的展现它不仅仅只是这件事情然后这种龙虾热很多人也会说在龙虾的整个的架构创新过程中其实对于纯跟进模型业务发展比较多的人大家会觉得他并没有做特别多的零到一的创新但是他做了很多工程上的架构的设计尤其在sode.md那个文件的设计上大家会觉得有很大的不同也是带来了个人用户在用过程中会觉得龙虾跟我们去用一个普通大模型聊天他确实在记忆这层有比较大的区别那似乎双引号的记忆这个问题也跟这一波大模型发展的过程中变得越来越那我们再把这个问题放大甚至记忆本身其实也是数据的犯的数据层面的问题只不过现在模型厂商们在做的是把自己本身的模型的上海纹在做扩不断的在加大那个数字对吧然后那当然就会出现了由此引发的很多问题那同时可能这个市面上也会有一些专门针对这波大模型引发的记忆问题做我们叫记忆的外挂就像刚才说我们做记忆的单独的外挂系统也来去解决或者来去在很多固定或者说特定场景内解决模型本身带来的记忆的问题对那这个包括龙虾用搜炎的地来去解决某种程度的问题包括用Markdown这个格式可能我觉得也是一种妥协之举对吧它也绝对不是最后的标准答案对吧那但是他至少这个方案本身可能在这个现阶段可能就比较匹配当下的发展状态技术方案成本各种各样的实施对吧那就是记忆这个问题大家如何看待这种发展包括对相关厂商的要求提出什么样的要求其实我特别想接着刚才那个话题说比如说我不是第一次来的我是第二次来了那第二次来可能我上次问过对就是可能我这个问题呢可能有一些这个这个这个标记比如说上次我是一个人来的可能这次我还是一个人来的那他推荐的这个这个产品是不是有记忆就是他的记忆我上次来过OK那我根据他上次的推荐加上他这次的这个又提出重这个重复的问题那我可能通过AI来给他计算出来一个差不多的这么一个一个部分那你说那我需要去把之前的信息要存储掉但是现在这个部分其实我觉得对AI来说可能会很简单但对企业来说非常的困难因为我们真的不知道这个数据会存多样实因为我们企业里面数据会定期清理掉比如说OK这对数据我们标定它存三年这对数据就存五年它到了时间我们会清理掉但是AI的数据我怎么标定理论上应该一直都存在了就是我到现在我没有办法去标定我说这个数据我什么时候要删没有人能告诉我那可能就是现在有一个最大的问题就是我可能要存的时间很长同时呢我还要调用它那这里就会牵扯到很多问题了比如像成本的问题我怎么调用问题怎么存储问题什么接口之类的一堆的问题谈到企业这种自能体agent的时候因为他基本有个公司怎么理解agent就是大脑加技艺加工具推理加工具所以发现技艺是一个非常重要的环节就刚才明浩说的技艺的问题还有很多结法魔教厂厂商的话说就无限的增加增加那个窗口因为说白了因为他是按照talking算钱的对吧所以他恨不得真的越来越大越浪费越好你有极限我给一个大100颗全书我给一个词卡给你你的处理吗还是处理不了虽然你总是有些极限虽然你说企业的或者这个架构字类讲上看理论上模型最好变成说是无状态的这就是最高效的然后所有这些记忆 [30:00] 它有非常多的一些类型对是的应该通过一些外部的解决方案去解决了目前看其实企业很多种刚刚您谈到的像农校里面南巴克当文件是吧其实一种会一些本地的一些缓存对我觉得南巴克当就是本地缓存是吧本地存储还有什么解法呢其实你像之前谈到的RIGRIG其实也是一种基因只不过它处理是企业里面的大量这种文档对文档支持的这种这种基因对吧它是一种解法第二种就是还有种因为从去年开始谈这个这个叫记忆体的概念对就是我可以把一些说不是这种文档偏这种对话式的东西或者偏这种说喜好偏好型东西是吧我把它变成一个说一个举例方案它叫记忆体就对我来研发说你就看你要处理什么样的记忆如果说是知识的记忆就说像这种企业一些特定知识因为模型它实际上泛行业的对吧你企业内部的一些特有知识我个人的一些特殊文档这种记忆你通过RIG去解对吧我把我这本地文档本地的一些东西一起解决掉是吧当然现在还有新的一个流派就是说我那些技能的记忆是吧我通过skill来记对吧我本地一些几些ISOP的做法是吧它不是一个知识可能是个技能我把它变成一个skill一个知识法这也是一个解法对吧变化情况下就跟刘老师谈到的这种我多伦对话我人机交互然后我给模型交互是吧我搜索这种多伦搜索之间这种记忆你刚才说从记忆去解那解什么问题呢就是说记忆里面分长期记忆管理短期记忆管理有一期就短期记忆是吧短暂记刚才说的可能跟人一样你忘了就忘了也没事是吧很重要的事情然后呢平常被含麻痹起看到东西是吧也会把它记住短暂记变长连记忆还有种东西比如说叫私有记忆是吧就我自己知道东西谁也不告诉我还有说比如说是团队去公共记忆比如你多个资料你之间是吧他要共享记忆所以你发现呢其实我需要一种记忆体举例方案去解决刚才您谈到谈到这种不同场景下面这种记忆的处理比如刚才说你弄了API级别就是你记忆的新增然后你记忆这种追溯记忆的更新记忆的淘汰机制就是这样一个状态所以你看我们其实也真的不同场景内推出了不同的一些决定方案比如说刚才谈到说针对这种说企业级这种知识库的成定下其实我们来做了一个叫Powdrag的一个软件它是这种企业级因为结合我们OB更强的这种活动搜索统一这种尊重能力是吧咱做了一个说企业统一RG能力然后针对这种记忆体我们做了一个Permarmorate的一个软件你刚才说的而且它是跟开源的Maprogram 0Maprogram Razer专门做记忆的API是一致的Maprogram有去年Saving Trades对我们刚才IPA一致但是提供了一些更强的功能这个情况就是说不管是你的这种说纯的知识记忆是吧还这种说偏对话这种记忆都能做再来举个例子像比如说在淘宝里面的话说它去的特别新功能淘宝APP里面叫AI万能搜AI万能搜就是说说它是个搜退场景每次我就搜比如说我给老众人带来礼物是吧我给收什么礼物我问他个东西是吧对于是他能把你言到问的东西他把它记下来然后就是说第二次再重新推进对就是一个完整的叫收推的方案收推的方案里面他那个记忆体是吧其实都是GEOB做的他还不是具有我们的PowerMemore是具体说是把OB变成一个向上存储之后是吧然后把他用去小资资库之后是吧能去做一些一些解锁第二次我们去年蚂蚁去年推了一个很好玩的应用叫个玛雅阿福春晚上还上了吗玛雅阿福应用它的定位叫什么叫家庭的私人医生但是阿福刚推出来的时候他是没有记忆的每次你就问他问题他就单次的你发现这新病人就是每次都是新的新病人是新医生这个不行是吧这个东西我请了私人医生你还不了解我这个不行是吧所以你发现阿福乐他就会跟欧币一起结合是吧底下一些记忆的能力正好你发现了说他就能提供一些这种篇说能把你历史上你问的问题是吧你说我今天我不舒服今天我母亲不舒服是吧或者说能帮我去学检报告我传练学的报告给他是吧就希望想记下来记下来之后他第二你在未来在问他问题的时候他能带出这些关键信息给他就多好了是吧对对对还有你说像互联网企业那个什么陪伴我们做的那个哎陪伴对啊陪伴他你之后你说你说你多人去对话是吧你说原来怎么做原来是把多人的话全部给他对哇搞死成本搞死了是吧你加个机体之后是吧加一些时间提取把你关键的机体提取出来比如说哎我老学毕业的是吧我是哪天在工作的我什么时候去过来玩 [35:00] 这些计算之后今天每次只需要把一个很小的窗口给当铺行用了今天Token所以我说这些东西不同的一个解法然后决定说你的成本对戴老师今天给我扩展的思路这样我们都能节省使用Token的费用了是这样很多企业都在谈这个问题用不起真的是用不起我们后面聊这个反正我们的现实案例是我们是一家我们公司其实是一家做社交的公司确实在AI上的尝试也是这个逻辑就是确实大家会认为传统的就是或者说基本的大模型更多是在做普通的语言那如果我们加一层情感他要做更多的更复杂双眼号情感的表达那这种表达看上去他用通用模型能力的记杀案文就是解决不了就是他就没有办法这个事件做偏那你当然可以用一些提示词工程去往这挑一挑但是那个成本就像你说那个太就我们也是我发现成本真的扛不住就是现在用户也没办法直接付钱就在国内海外可能还好一点的所以大门行长也都去这个板块大门行长基本都在海外做国内不太做然后所以逼大我们没办法中间尝试过那种方式一定解决为什么我们会自己再做自己一套自己系统就是刚才你那种逻辑既然在这个场景下用通用大门行的上岸文的记忆能力解决不了或者成本太高那我们就自己做一个做一套或者说只限定在这个场景内解决我们现有面对的问题的这一套东西然后这套东西你会发现其实市面上也有一些做相关记忆系统的公司都在解决类似的问题就是针对一个固定的场景在已有的沙汉文跟模型能力通用的基础上在这个场景下无论是提高效率还是更接近人的感觉还是降低成本反正你有一个原因以及在这些上深挖做出来一个东西现在看上去已经有一些效果在显现的过程中所以似乎我们可以看到我还认为Makdown今天我们看到这是一种中间态的妥协的方式但是这种方式让大家已经看到了它相较于通用的一个我跟一个常规的SGPT或者是豆包去聊天的巨大的区别那再往后推那似乎应该还会有更好的我们能够体感感受到更容易提升这个感觉的一套记忆的东西的眼睛所以我觉得确实他在往这个方向在走其实刚才明浩老师说的那个Markdown作为共用的我觉得OK但是今天今天作为企业的这个用户我们实在是没有办法接受原因在于这个企业都是有安全数据要求的比如说我们企业要过两万一万四等等这些数据是要经过审核我们每一个操作都要审核每一个操作都有记录每一个数据的存储都是要有一个安全的范围之内的都是有人去检查你的而现在OpenCloud企业没法用一个最根本的原因是企业他真的没有办法拿这个东西去突破这个真正的安全的数据对的防线那如果用完这个以后企业数据暴露了那比如说我是个乙方那甲方直接就要投诉我我就没有办法去干了数据是一笔安全活该都过不了对就根本就过不了所以说我还听说有一些其他国家的这个案例直接就禁掉了这个产品其实我们对产品的数据在这个方面的安全还是比较看重的或者是这是一个没有办法逾越的部分对中国企业来说其实是个非常重要的命题因为你看龙虾出来三个月了你发现其实中国的日数都比美国高超级高对吧你说中国的大量企业今天互联工丝有有牵引对吧就是过种的农虾过种玩法反而多时你看看美国的那几大AI公司比较安静反而比较安静这里面我先不说路线这个问题因为传统上都是认为中国的场景更丰富对在于说你现在如果农虾作为一个主流我们很多一些企业界客户对吧不管是处于工心私心比如说交际的一个需要他要看看农虾是吧是什么东西秀一下对研究的需要是吧要自己一些去玩一下是吧或者说现在企业内部很多说也提下了一些需要对所以发现了现在我们能看得见今年你现在三月中对你看到今年这个事情现在是一定是一个大话题而且有可能农虾变成一个入口为什么入口呢你看你不管是你嵌入到微信嵌入到丁丁嵌入飞树里面是吧它变成就是一个树的贾维斯对然后会把我的延大的所有的搜索传统知识库搜索传统这种说企业制度搜索然后我一定是任务然后还有些比如说一些经营用之类的webcoding这些写代码是吧包括一些这种是问数我全部都丢给他他就变成说其实是一个应用入口了就从他这走对像跟trygype一样他是一个对话框是一个应用入口 [40:00] 所以做事理下这个时候呢如果我们现在已经看了你既然很多客户也这么想了对也这么想去规划这么做那这个时候刚刚您谈到这个问题就来了对你说我们想马上谈第三问题安全跟隐私的问题对做完你咋搞对吧对你说一下刚才我举个例子是吧你说你就问人家密要密要一下出来了是吧这哪行这哪行所以就是我会觉得这轮当然可能也是因为逐渐的成熟这一轮关于龙虾热之后的安全跟隐私的探讨其实是比想象中更热烈甚至很多有个侧面是说很多用户可能都没有装但他会提前担心这个事情哪怕是个人用户所以我觉得这个议题就变得更加所以反而来讲为什么是中国这些安全厂商对这件事情这么的突然间的像老周副省其实都是做安全的他为什么突然间的脑袋亮了一下的感觉就是因为确实这个问题他把就是我们真的走到了因为我还是那个观点就是我们从原来的纯语言走到了agent对吧就是从语言到行为走到这的时候确实模型本身看起来能力已经ready了我们真的要去做行为了那行为必然会面临权限数据围栏所有这些事情然后龙虾相当于是一个极端按我们的意思说他把这个事情推到一个极致说我完全不care就版本版的开给你我们做出来这个东西所以他当然会在某一部分人群内得到巨大的欢迎但是他因为他是个个人软个人是开源人他当然可以以他的方式把这推到这儿告诉大家模型现在已经能做到这个样子但是问题在于他推的那个地方太不安定跟太开放算以后的开放了所以我们需要是说我们当然承认这件事情已经走到这了走到行为走到一阵队但是龙虾的示范不是一个双一号好的示范那我们要在中间找到一个合适的方式适合无论是个人还是企业来去把它真正意义上继续让那个事件往前推所以似乎我觉得安全是一个太宽的话题了就是它里面涉及到的数据安全隐私权限账户乱七八糟这套整套题本来往安全就已经是一个百花齐放产业链非常复杂且有非常多公司在做的板块那今天似乎把这个议题又推到了一个就你要知道原来那个行业的分工已经无常到牙齿了今天框给了相当于给了一个全行业的统一命题让大家去解决那就是这个问题被推到了这种程度之后你会发现这个问题好难解好难解是的其实从我们企业的这个角度来说其实我们更希望能更简单的来使用AI并不是说要加那么多东西复杂比如说我们其实非常熟悉Sircle那么我们有没有可能说未来使用AI的查询我们其实还有我们原来的那种现有的方式来去哪怕就是稍微的去改改但是你不要就是说整体对翻的然后让我重新再重来一遍从人员的消耗上这些都是问题其实我觉得从数据库厂商是不是可以考虑到这个是不是一个切入的一个点就是我们把这个起的一些简单使用AI的需求融合到数据库里边融合到社会里边去做这个事情有没有这种可能性我回应一下跟刘老师的题目就是我们今年把我们的产品运进改一下就是我们现在不完全定义是数据库厂商的其实我们现在电视电视电视机叫智能数据平台厂商为什么这么说就是database它也不是个新东西是对吧五六十年代出来的你知道70年代80年代从IBM的DB2Wallocat出来正常在搞OB在之前就说我们这个产品创立的一个基础其实它是以分布式数据库解决海量交易对因为原来淘宝的需求淘宝支付宝需求这样的一个场景对吧然后在起一段时候你发现我们其实不断的小做淘宝是一种海量大集群可能三地三活的状态起一段的话可能你没这样的基础设施所以我们变成叫三副本会这样两副本加上一个监控节点这样的架构然后我们又推出来叫什么推出来一个叫主备架构单机叫主备架构因为企业里面有应用你也不需要商务本成本人很高我们去年还推出一个级产品叫CKDB它决定到嵌入式跟端的成绩因为欧宾是一个云的产品因为大分布式为主所以端上我们也来做所以你发现其实我们是通过不同的一些产品组合去决定说传统的AI搜索的问题所以那的产品仍然定义叫AI数据库偏这种举例刚才说的AI搜索混合搜索是吧或者说一些叫AI函数据概念它提供说各种各样的一些AI搜的场景但你发现你这样往下走之后显然它就不是个路数假如说你需要啥呢你需要其实说是一个叫AI数据活库刚才说的吗可能叫那个little bags [45:00] 或者一个lakehouse它能统一处理你的各种一些数据而且包括它主图文音式数据是吧这这么来处理所以再回到刚才说你说你说您问的问题因为分了几个层面第一其实说Sycle作为底人而言它是一个通用语言我们会继续以这种Sycle为一个技术语言使得它数据做越来越强从刚才说的说AI数据库的概念到AI数据胡库的概念会增加各种文档这种数据处理这些环节而且它会以SIC base为主的这样可能会拓展一些新的语法做成一个大顶数第二话说你也会发现其实我们很多业务用户不需要了解SIC您是专业用户还是骨灰级的专业用户所以这种用户SIC是说不管数据库也好数据库也好我们是定不着数据数据数据平台公司这就是它其实是针对您这样的客户来提供一些标准服务的但是我们其实上面还有一些中间层中间层你发现了它是决定说传统这种是业务用户业务用户其实Sycle还是蛮难学的因为Sycle的底座它是关系怠速对对对吧你要没点关系态数的基础你还用不了还挺麻烦的虽然你说真的要花些时间学的也还是可以但是你对于那种普通用户咋办普通用户你发现你像说他会基于农家作用入口知识库加web coding加过了东西会变成他一些工具包括Skill变成一个过了工具他会这么的去用AI在AI之后你又回了刚才的问题就是说他需要一个统一存储统一任务掉肉是吧统一的这种过程负载在一个情况下所以我们会以传统的叫自治疏离平台再加入各种应用中间的形式那满足这种客户的一些的数据当然这里面就叠加说跟企业界的安全企业界很多东西我们都会做比如刚才你看谈小龙虾我们现在也在做我们自己的小龙虾不是给我们内部做给用户来做就说呢在一些我们的一些大客户上面是吧他也可能也需要的东西因为觉得起来就安全问题比如刚才说的说Markdown文件不安全是吧把它放到数据库里面是吧然后本机不安全是吧我放在云上杀箱跟内部杀箱里面是吧还有你的scale文件是吧你scale文件也不能说随便改的是啊有些scale是一个SOP对就是这样你不能动我把它scale文件也放在数据因为数据库它好管控对对对所以这样我们的结合本身一些标准的一些数据库数据库这些特色结合现在小龙虾的一些本身一些这种书籍把它变成说即云上沙香的这种说的一种编程服务而且结合安全管控这么就出了一些问题这话就好做一些就是现在这个数据库如果要是就是咱们刚刚说的是一种这个理念做成数据库平台那么我还是一个比较爱国的人有没有可能我们以这种方式超越国外的就是那些老牌的厂商的那种就还是那种单体的怎么样怎么样就是在上面就是增加一些功能而已就是这种产品我们有没有可能就像我们的这个军工产品一样去超越了问题这个是非常好的话题因为技术的替代其实它有多个维度有可能是说因为你结合现在大的这种说宏观政治经济形势来看其实刚刚的话题是一类是沉溺的对因为其实你在传统情况下是吧你回到30年前甚至120年前我们所属于国家基本上是美国是的那这个情况然后现在我们呢其实也会代表着新的技术路线对中国的产品是的那世界的或者第二级或者第三级是吧对这个方向其实说我们会在国的市场上会有很多不管出于供应链安全也好还是很多说避免对美国独家依赖的情况下它一定有很多一些企业或者说一些区域市场他会选择我们做第三级的产品或者中国的一些产品其实中国的很多产品我说中国是很卷对 超级卷卷出了产品之后你发现它的质量是非常牛逼的所以我在这边我这样的市场我直接的产品竞争好了你说你看看比如谈金融板块你说有拉尔银行有中国这些六大行是吧成长铁南达没有的你把我们最好的压力像运营商拿回来运营商有什么江戏移动质量移动广州移动这么提高大对没有所以说你把我们的安定拿出来之后直接知名竞争进入这样的市场所以我说刚才您混的问题我们觉得我们的愿景是我们希望我们成为一家全球知名公司然后明昊老师我还想问您一个问题就是今天我还是本来一个小学生的一个别就是如果 [50:00] 从投资的这种角度来说假如说咱们去找好的数据库公司那么去投资那么如果您是一个资深的投资者那么您以哪些指标或者是以哪些方面可能去判定上一次跟咱们准备CTO的时候其实也聊了这个议题就是首先国内的意义上看公司还是大家会把2B跟2C作为一个比较大的分割那数据股场上可能或者说偏软的公司或者偏甚至包括SaaS公司可能算我们叫2B这个市场然后2B这个市场其实过去十几年一直都是有不错的基金持续在看的但是国内的2B市场遇到了一些现实的挑战跟问题这种挑战跟问题前两天美股那边很多SaaS公司包括我们今天提到什么SnowflakeSalesforce都在暴跌然后前两天美团原来二把手王后门说过这句这样一个话我觉得说的很好他说大家原来的投资逻辑是说我们看到了美国非常丰富且繁荣的2B的生态企业服务2B 萨斯云所有的厂商都很大涨都很好都无限的扩展他们也做并购变得越来越大我们原来也期待中国也会这样但是过去的十几年似乎基于我们这边所熟知的银火网的语气下产生的这配套的这些公司而言并没有得到那个好的结果我们原来期待是说我们这些公司会长或者说会类似他们那么大但现在他们暴跌之后出现了就是说因为AI的崛起似乎看上去美国那个公司会像中国这些突兵公司一样不太值钱这是一个玩笑但似乎带来另外一句话是说新的AI时代出现之后无论是WebCoding的眼镜还是厂商对AI能力的拓展还是说我们言的更大话题是说今天所有的事情都值得被AI重做一遍的还是这种议题而言你似乎发现今天去以2B跟2C去区别看待这件事情可能本身的方法就出现了挑战第二我们似乎会觉得因为AI的能力的提升组织公司的形态包括他们去采购相关的服务这件事情的流程跟状态在中国可能也会出现变化我觉得再举个更现实的例子比如说这就是我还是觉得这轮龙虾的兴起让我们看到很多不一样的苗头大家原来会说中国的用户是不愿意付钱的无论是2B还是2C对吧就是会有一个通用的这样的感但你发现这轮龙虾出现之后厂商的coding plan是要限量卖的当然他们有算力的限制但更重要的你会发现其实面临新一波的技术上潮的时候个人也好企业也好的副院院其实某种上是比原来那个最悲观的结论上要好一些的这个度我们不知道是多少但肯定不是那个可以所有人都拍一个最极端的不行的结论就这个的天平的偏转我觉得再往这边偏就这是一个看得到的事情然后再落到比如说偏数据库这个角度因为我不是这个专家我只能说偏软件或者偏SAS或者偏云或者偏2B服务这样的公司常规带大家来看无非就是那些方式那些更战术层的操作指标收入对吧市场占有率在各个新闻领域的影响力口碑品牌历史的投资者然后发展速度然后影响力的变化占有率的提升它其实是一种偏常规态的战术层的讨论但是我还能问这种战术层的讨论在过去十几年其实被证明是不太至少那一波厂商是不太work的但是AI这波来了之后这件事情因为刚才我们谈了这么多话题就数据这件事情的地位跟状态它已经单纯只是一家纯软件公司那么简单的事情了对吧我们的原因也变成我们不是一个人我们变成平台化运营的方式平台化运营的方式就应该用平台企业的方式去衡量了那如果这个逻辑跟这个天平能转到这边一些的话那似乎这件事情就出现了变化所以就是我觉得就是所有这些我们刚才聊的角度评判标准逻辑框架或者说家学评中的这些权重而已都是一个度的感觉它没有明确当然你可以去写那些明确的指标但那些指标都是滞后的就是很多这种度的天平到了一定的预值之后它可能就把局面打开了我觉得某种人来说我们从往前推大模型到多么泰到去年Deep Seek到这轮agent其实某种人也在把天平往这边推而且我还是觉得某种人来说回看过去几年那样的行业发展基本上是符合某一项技术到了一定程度之后它就会打开一定的东西一定的局面无论是开源软件2B的生态还是个人用户的什么变化就这个事情已经正证明了好几次了那这轮更是就是它就是因为纯底层技术模型的能力到了你在做之前是不知道 [55:00] 但它到了就是到了然后突然间无论是开源软件还是一个什么特别的方案还是一个家公司做的一件什么事情它就打开了一波窗口跟一个局面然后再以这个方式扎一下之后再做延展然后再就是然后你要在过程中这个底层技术还在更新它会再打开再更新再延展所以那似乎我们就看到了这样的一个趋势的演技过程那反而讲为什么一市场中国的一市场美国一市场过去几年对UI的投资是越来越多的角度也是这个原因就是他不断的在证明不像之前我们谈论的很多就是什么Web3啊什么约宇宙甚至包括当年的大数据就是他不像那个时候他变成了一个可能三连期结束之后大家就没有人讨论那件事情了他今天看上去不是这样他在持续的打开很多事情而且你看刚才讨论过程中我们不强调的成本的问题算这个问题你看今天我们真的去回答今天我们讨论最开始龙虾引发我们今天所有讨论你说今天这个世界哪怕这些厂商这么狂推这么用力度的去更多样的策略今天真正意义上比如中国的在本地也好在云端也好部署了龙虾的运功量级还是一个很小的数量级可是你要知道这么小的数量级平摊到这么多厂商身上云厂商模型厂商互联网公司你会发现大家已经遇到了瓶颈那才刚刚开始对吗很多事情才刚刚开始还远远没有到说那你就想你直接让人想如果未来真的每一个用户都有一个agent也好个人的类似加倍思也好还是那样的什么东西也好他真的他的能力可以到像靠电影演那个样子的情况下那你需要在今天的基础上长多少呢复杂多少呢这个议题当然这么说特别的看多特别像那个大忽悠特别像一个讲故事但事实你想其实就是这么个逻辑所以如果是今天只是开始只不过是因为模型能力提升到了一个程度打开了agent这一轮的探讨并且agent这轮走到这之后需要我们底层的记忆也好数据也好属于库底层也好存储也好所有东西一直相配套那你发现上面那条路才刚刚开始那就就再往前走呗对吧我们今天就收取到最后一个问题今天确实我觉得个人已经非常焦虑了那企业主其实也是包括你们在座跟你们面对的客户那今天如果真的给到一些面临今天AI浪潮来了有非常强烈的焦虑想让自己的业务跟AI产生关联 产生绑定的这些企业主也好他们的CTO也好还是他们的CIO也好有什么好的建议哪怕是一碗鸡汤哪怕是一个案例都可以那我就先说吧就是我希望我们的AI在使用之前它是安全的并且它的数据应该进修它是部分治理它要是治理其实AI因为今年70年它其实基本上每十多年它就会有一些浪潮又会有寒冬但是这一波看起来就是说可能真的会持续改变我们很多东西所以我说如果以中为时的思想思维方式去看情况下企业主要也好还是我们大量这些用户也好它最好是一种偏说思维方式是一种偏主动求变对然后快速进化了思维方式是的不要质疑是吧对现在今天想想说AI能帮助我们举了什么问题快就用起来但用的时候不要说一上来就过于激进小不快保是吧因为企业的它方式跟员工不一样个人用户尽量对激进方式去拥抱AI对企业的话说你小不快保方式是吧一步一个节制的方式来推动AI在企业里面大量一些落地然后其实也真的说把因为刚才也谈到说数据是更重要的一个话题所以我们也说最后也是希望说企业说以类似像采用OB这样统一所以抵住的方式真正把企业的数据发挥更大的智能化AI价值我们也希望在这个过程中陪伴企业一起来成长感谢大家收听赛博感海的第一期播客节目今天是在这里然后大家有什么想说的或者想对两个嘉宾有什么询问的欢迎大家在留言区评论感谢感谢谢谢