蚂蚁OceanBase CTO：企业私有数据成大模型落地瓶颈

蚂蚁OceanBase CTO：企业私有数据成大模型落地瓶颈 随着预训练公开文本数据接近枯竭，大模型竞逐转向企业私有数据融合，促使数据库从交易工具转型为融合混合检索与海马体记忆的核心设施。 对话围绕数据在大模型演进中的边际重要性展开，指出 2025 年至 2026 年的核心转折是企业私有数据与 AI 的深度融合，数据工程与底层数据库的演进已成为模型性能突破的关键。节目复盘了数据库大赛赛题从单纯向量检索向“混合检索 + RAG”的演进，参赛团队分享了在索引层交集优化与架构重构中的工程攻坚经验。此外，嘉宾们深入探讨了 Vibe Coding 对传统程序员的冲击、自主学习（Continuous Learning）的技术路径，以及 OceanBase 将打造全球化开源数据库生态的未来愿景。 随着公开文本预训练数据趋近枯竭，大模型演进中数据工程的边际重要性急剧上升，2025至2026年企业私有数据与模型的深度结合成为落地核心关键。 (3:46) 大模型打破了传统数据类型界限，推动底层数据库向多模态原生处理和混合检索演进，通过充当“海马体”为模型提供精准上下文并抑制幻觉。 (26:48) 全国大学生计算机系统能力大赛的解题实践展现了极高工程突破力，选手通过意图重写、重排序及索引层交集优化，将混合检索性能提升了10倍以上。 (20:58) Vibe Coding与AI工具已全面融入年轻开发者的开发流程，但传统手写代码锤炼出的底层逻辑，仍是排查AI代码漏洞与系统精细化调优的基石。 (33:37)

嘉宾指出，随着公开语言预训练数据趋于饱和，AI竞争重心正转向范数据工程以及企业私有数据与大模型的深度融合；数据库系统不再仅是后台存储介质，而是演变为提供原生多模态支持、复杂混合检索以及充当大模型防幻觉“海马体”的核心基础设施。 私有数据融合与数据工程成为核心瓶颈 (3:46) 节目梳理指出，2025年AI行业聚焦于强化学习的深化，而2026年的前瞻共识逐步转向自主学习与在线学习，推动数据在要素中的边际重要性急剧攀升。目前公开文本数据已被大模型厂商挖掘殆尽，多模态与世界模型数据依然匮乏。在此背景下，范数据工程（Data Engineering）成为模型分水岭，如Google Gemini等模型的性能差距往往源于数据清洗微调与底层Infra的快速复现能力。 技术应用的转折点在于大模型与企业私有数据的结合。私有数据属于企业核心资产，不能直接用于预训练。MIT此前报告显示，95%投入AI的企业尚未在实际业务中获得预期回报，这并非路线失败，而是表明企业私有数据与通用大模型的融合工程仍处于落地早期。 数据库演进为“海马体”与混合检索中枢 (14:43) 大模型打破了传统非结构化数据的处理壁垒，促使数据库向原生多模态处理演进，并内置AI Function反向调用模型推理能力。针对大模型固有的参数幻觉与位置漂移，嘉宾认为数据库起到了类似人类“海马体”的记忆中枢作用，通过存储确定的事实与数据来约束幻觉，并大幅降低重复调取大参数模型的算力成本。 技术演进也带动了工业检索方案的变化。全国大学生计算机系统能力大赛的赛题从上一届的单纯向量检索升级为混合检索加RAG工程，涵盖全文、图和标量数据。华东师范大学亚军团队通过查询意图重写、Reranking以及索引层交集优化，将检索性能提升10倍以上（跑分从600多分升至7100分以上）；北京邮电大学冠军团队则通过整体重构执行流程，取得了超过7700分的全场最高成绩。 AI编程浪潮下开发者角色与逻辑底色演变 (33:37) 年轻一代开发者在比赛中全面展现了对Vibe Coding与AI工具的采纳。得益于IDE直接读取整套工程上下文的能力，代码生成与源码阅读门槛大幅降低。原本推崇手写代码的参赛选手在见证AI快速拆解逻辑与提交可用PR后，也转向全面拥抱自动化工具。 但与会者强调，传统编程训练并未过时，而是转型为新型手艺。全由AI生成的代码容易隐藏系统逻辑漏洞，开发者需要充当“人肉Reviewer”来排查缺陷并进行Token降本优化。ACM竞赛等训练出的严密逻辑思维，依然是向AI精准拆解架构需求、应对Prompt注入等多模态安全攻击的核心壁垒。 企业Agent落地路径与全球开源生态目标 (63:46) 针对2026年的技术演进，OceanBase CTO日照预测AI Agent将深入企业核心流程。他将Agent分为以每年10倍速增长的通用C端Agent，以及深度嵌入业务流程的2B Agent；后者虽非爆炸式扩张，但有望将金融、医疗、风控等高ROI私有数据场景的传统业务增长率从20%拉升至30%~40%，并保持长期韧性。 在持续学习（Continuous Learning）路线上，业内面临模型内部微调（目前自动化难且不可控）与数据库上层上下文工程（如Vector DB、PowerRag）两条路径。日照表示OceanBase已完全开源核心代码（Apache 2.0协议），科技公司的核心资产在于组织与创新能力，团队目标是在2026年推动OceanBase从中国主流演进为与MySQL、PostgreSQL齐名的全球知名开源生态。 本期节目强调，大模型的工程化落地正将数据库推向技术前台。面对私有数据安全、持续学习自动化以及多模态逻辑融合等未完全收敛的行业命题，开放的数据库基础设施与底层数据工程构成了企业真正释放AI生产力的关键依托。

[0:00] 大家常说这一轮 AI 的爆发或者 AI 的发展本质上来讲是工程能力代表的东西……而落地到这些公司每天在干的活本身来看，似乎也跟数据的关系越来越大。 [5:00] 日照: 因为这些私有数据它是企业绝对核心的资产，它是不可能作为这种大众数据或者基础数据丢到模型里面去做预训练的。 [10:14] 日照: 数据其实一直以来对于所有科技公司或者互联网公司来讲，它都是在最核心的位置上。 [11:11] 日照: 数据库软件本身要具备这种原生的能力去直接管理、处理以及检索这种非结构化或者半结构化的数据。 [14:43] 日照: 随着像 DeekSeek 这种很多模型的便宜，其实有很多公司的 CEO 天天催着说你要上 AI，但是到底卡在哪了呢？就是上层的那些标准不统一。 [26:48] 日照: 大模型很多时候它是像人的大脑皮层，它更强调的是一种推理、表达的能力，但是它需要一种像海马体这样的结构，而数据库系统往往扮演的就是海马体这样的角色。 [26:48] 日照: 未来的数据库一定是一个更加开放的数据库……不再是一个单纯的做交易或者做简单分析的工具，而是应对这种非精确性的搜索、应对大模型记忆支撑的工具。 [49:18] 日照: 因为大模型它的逻辑是它的那个规则是泛化的，它的这种被攻击的这种面其实是被无限放大的。 [63:46] 日照: AI 也能带来增长，但是它可能不是爆式的增长，它是从 20% 变成 30%、40%，但是这个东西它可以持续 20 年。 [70:47] 日照: 做数据库除了像 Oracle 这样非常独特的公司之外，今天绝大多数被广泛使用的数据库，包括像 MySQL、PostgreSQL，它其实都是开源的。我们也非常坚定地相信开源的力量。 [73:00] echo: 原本以为数据库是一个有些传统、有些古典的事情，但 AI 这波浪潮来袭后，让这件事往前走了很多步。今天我们能够拿到这一轮 AI 模型能力的巨大提升，很核心的原因正是因为这些做数据的人的努力。

[0:00] 大家好我是明浩通证之处的主播今天想聊一个可能最近我一直有一些疑问的话题就是关于数据的问题这一轮AI大模型发展到今天这个时间点我回看了一下我在去年11月份做的年度总结我说AI大模型这一轮人的公司在25年解决的问题更多的是三个问题基底模型的问题记忆的问题跟benchmark的问题然后在这三个问题的基础上我其实总结了一下我说大部分问题可能都是数据层面的问题然后在二五年的话大家如果回头来看整个AI大目清理发展很多人会说二五年是强调学习的一年然后进入到二六年的初始这个状态也有很多业界的观点会认为大家往前推可能在期待的比较共识的是强调学之后的事情变成了continental learning或者是online learning自主学习的这个过程然后关于这个事情的概念跟定义似乎也有很多的分歧每个人对这个概念定义都有各自各样的标准当然这件事情在过去这三四年整个的这波发展当中无数的新名词出现的时候都是这样的就是概念都是不清楚的每个人都有自己的说法但是我们追根溯源来看或者说以我自己一个观察者角度来看似乎如果能够想在无论是乔学习的进步演化还是Alan Learning的真正的出现的时候似乎在我们看整个I大模型现在发展的三要素里面数据算法算力的角度来看可能数据的重要性会非常的高然后又因为过去几年大家一直在强调其实这一轮AI的爆发或者AI的发展本质上来讲是工程能力代表的东西而不是纯研究代表的那这个工程双野号的这个哼城落地到真正印象比如这些公司到底在干什么他们每天在干的活本身来看似乎也跟数据的关系越来越大所以这个角度来说那到底这个东西在干什么用什么样的方式很多公司在到底在做什么样的事情这个东西到底对模型发展有什么样的意义可能是今天我想探讨的问题然后今天这个机器播客可能跟我之前播客不太一样我之前播客一般都是自己来讲自己做个PVT然后跟大约上课一样讲100多页的然后今天这个问题实在我是不那么了解所以我今天请了几位比较有意思的嘉宾然后我先介绍一下今天的几位嘉宾今天的第一位嘉宾是这个蚂蚁旗下的开源的数据库的公司Oceanbase的CTO日照老师跟大家打个招呼大家好然后还有我知道Oceanbase其实已经连续五年组织了一个数据库的比赛对吧然后针对在校生然后这已经是第五年然后今天很荣幸请到了今年的比赛应该是昨天刚刚比完然后冠军队伍跟亚军队伍的负责人两位非常鲜的小鲜肉跟大家打个招呼大家好怎么称呼我是杨同学来自来自华东师范大学OK然后你们的成绩是我们的成绩是亚军OK大家好我是来自北京游定大学冰城高手团队的吴龙涛就是吴同学OK你们团队的名字叫什么我们团队叫抽空就干抽空就干为什么起来因为我们团队就是来自五湖四海然后我们各有各忙的地方所以是抽空把这个活干了对我们在节奏推叫抽空了干也叫抽空干对吧对对对对你们起这个名字怎么想的我们觉得我们的辨词能力很强很强OK然后所以刚才我们回到这刚才我聊的话题就是大家会说这种AI模型主要是数据算法算力三件事情今今天这个时间点我想第一个问题问这个日照老师就是因为你们是作为一线在做数据库系统而是做了很多年的这个真正以上的工程实施的工作而且有很多的客户做了很多的真正以上现在这个实验点真实企业发生的案例的这个执行那你是否认为今天这个时间点比如说AI的能力的提升再从比较看重模型能力到数据能力的这个事情的提升在编辑增强就这个趋势是否是一个我们可以在25年底20年初来去给这样一个时间点一个这样的说法就这个问题我觉得相当好就是首先我们还是回到这个问题的本质就我们今天回到这个本质它还是先看数据以及对AI的应用因为我们从这个数据从应用的角度也好的话AI它第一个阶段解决的一个问题是对公共数据的应用就是预计量的一些对对对我们什么ChatGPT是是是CodingCoding本质上它所有的数据其实大部分企业的Coding用的代码Github那也是差不多的对所以它比较容易做成这种2C的Application去把它给通用化也比较容易在一些企业它没有差别的去应用范范的去应用那到了这个25年开始也是去 [5:00] 去年开始包括今年开始一个会非常大的一个变化还是说这个AI的一个应用它会有一个完全就基于公共数据的一个应用也是增强模型的能力慢慢到一个在这个不同的企业里面私有的对对那私有数据的话它的一个特点就是它一定不会被殉到大模型里面去对它是每个企业最核心的资产那这个时候呢最大的一个挑战在于说怎么把这些私有的数据真的给管理起来以及跟大模型通过公有数据形成的大模型它有一个很强的智能推迪的能力这两个东西怎么结合在一起来一家一家企业或者一批一批企业真的把大模型用到企业的业务流程里面到今天为止我觉得大模型在一些coding在一些聊天这样的依赖公共数据包括文身图文身视频等等都是依赖公共数据这些场景其实落地还是相当好的但是呢在企业的核心业务流程里面现在目前来讲还处在一个非常早期的一个阶段所以你看去年Q3Q4MIT不是发了报告说那个95%的企业其实投的投到AI的预算最后的实时效果都不是特别理想所以当时有一轮大的关于POMO的探讨出现了大家也会认为确实你想吧22年底XGPT出现23年大家开始在最大模型的技术能力到2425年开始真正意义上做实施做部署做企业应用确实我觉得哪怕只是存从实施的角度来说它也需要一段时间的过程才能让这个东西融合的好那似乎25年也不是一个特别好去说我们就没不行的这个时间因为还比较早从时间执行角度来说确实也需要时间而且现实能力在于确实公用数据大家所有人都会说今天这个时间可能预训练的或者说在线能够被公开挖掘的数据未给大模型这件事情的预训练的这个事情可能看上去已经编辑效应非常的低了那再下一步无论是模型能力的本身的提升还是真正一场我们把模型或者AI的能力付诸到2B的企业跟行业当中而言似乎我们要边际上选择那些更有效果的板块似乎无论是企业内部的数据还是已有的东西还这些东西看上去它的边际的位置就得到了加强对逻辑上来讲就是这样一个过程对吧是这第一个其实我觉得这个预训练它的数据肯定如果是在这个语言这个这个类别它应该是基本上都用得差不多对但是除了语言以外其他的什么word model什么embody的类似这种聚神症等等这里面其实这个数据还是相当有限的就是这里可能需要用更多的一些方法那同时呢即使是面向语言这样的一个模型虽然说数据它其实都已经用到了这个大元模型的预训练里面但是怎么用好那可能不是你们干的活吧对也不全是我们干的活因为它只是这个大模型预训练本身就是怎么把这个预训练的数据的质量真的做好把里面的很多这个数据用数据的一些bug或者用数据做的不好的一些工程的细节给解决掉这个是大模型公司要做的事情其实这个东西呢现在可能可能也有很大的一个挖掘空间因为你应该知道前一段时间Google GermanySuite对吧效果是比较好非常强它最核心的一个做的好的点可能是预计链你也用了这些数据我也用了这些数据为什么它就比较好因为它里面的工程细节做的每一个数据或者说用很多比较细微的所说的一些技术类的活把每一条数据给调好它需要你这个算法工程师去调这些数据那同时可能也需要一个很好的一个info一个很好的底层架构去支持你比较稳定的能够复现结果能够很好的快速的迭代那它是因为这些东西做的好它把预训练的效果就比别人好那可能未来的这个GoogleGEM04可能或者567可能它还有什么想外学习的一些对是是是你还会更大的所以它就变成了就是大家经常那种好像就讲踢运动就是经常左脚踩右脚就飞上去了尤其模型能力提升数据训练然后预训练调查学习甚至包括后面我们可能会聊到从基础数据到合成数据的这个也是一脚踢运动的状态有可能似乎我们可以被期待中的AI模型能力的提升是可以通过这些方式来去做那似乎这个问题就变成了那是不是某种程度来说在今天呢我们就要以公众化为代表的这轮AI我们抛开那个纯学术研究的角度我们纯以今天世界业界在用的工程化的AI能力的提升这个角度来讲本账来讲数据这个我们或者说范数据这个系统的叫我们叫他的角色从原来可能是一个辅助跟边缘的服务角色变成了一个很重要的我们不说心脏核心的一个位置的状态似乎是不是可以这么或者说再直白一点今天一个时间点世界上最头部的 [10:00] 这些AI的消耗公司包括美国的那些公司包括中国的群众包括蚂蚁都是大家都在做自己的模型那为了要提升模型的提升似乎在未来一段时间数据件事情的位置是不是要被放到一个更加核心的位置上来去做我觉得其实数据它对一个互联网公司或者是对真正的那种最一流的科技公司它其实一直以来都是最核心的位置那今天可能说大约模型它带来的一个不同在于什么呢在于说它把原来用不了的这些数据也能用了原来用不了什么因为原来可能我们主要用的数据更多是一些结构化好的数据那可能原来比如说对很多的这种文本类的一些这种视频类的这种音频类的它是它的这个使用的是比较有限的那今天大约模型它有一个放话的能力它那很用一种通用的做法而不是针对每一种类型的数据写一个不同的算法你直接就把世界给用起来那也就是说今天能够用的数据它是比以前要多很多的所以我们就有了CPU还需要有GPU对对但是呢呃以前的结构化数据也是他们的中心今天可能除了结构化数据也有这种半结构化无结构化数据那这种数据出我觉得对于比如像你们这样的数据软件提出了什么样的嗯新的要求因为原来数据软件可能更多是基于偏解构化数据的这个体系构建的那今天这个时间点呢我觉得有两个点那第一个点在于说这个因为它的这个趋势就是会把更多的半解构化五解构化数据它会引路到整个数据处理的体系里面是的那数据处理的体系我觉得最核心的两个组件一个就是数据库一个是大墓形对那不管是这个数据库还是大模型它都会去处理这种就是多么泰的一个数据对吧那从数据库的角度来讲第一方面它自己需要能够处理这种无结构化的多么泰的类型的数据对因为让用户会更加的方便会有一定的这个控制的能力这是数据库的优势那另外一个方面的话数据库去做这件事情的时候也需要跟大模型去结合在一起它需要去利用一些大模型做得更好的一些能力反过来帮助自己的反过来帮助自己或者是帮助用户做的更简单那这个引发另外一个问题这个问题也是一直可能致敬反正我想比较多就是原来大家会说比如这轮大元这轮大模型发展先是语言嘛嗯嗯就是纯chat或者是图文的文本的这个结构的东西对然后到多么太子兴起图片视频其实是其实图要比语言更早一点其实图片视频语音甚至今天world model然后大家又会说coding可能也算是一个重要的一个板块然后原来大家就用这个我经常有个比喻是像打德州一样这个主桌看上去有三桌或者两桌半语言多么太能coding但是呢发展到今天的时间尤其比如这轮GIMMX3出来之后你会有种感觉是说其实他们是一桌就像您刚才说原来文本我觉得还是偏可以用结构化处理的就像你们比赛前面对的题很多都是偏文本的结构为主那图川普架构之后他用了另外的方式来去做然后到视频到沃德蒙朗然后到扣定然后到今天我们用比如我们用最新的世界上最好的这一波图片生产模型的时候你会发现他的图本身带着逻辑他的图本身带着推移他不是一张画就结束他是带着前因后果带着搜索的结果带着逻辑带着故事带着所有这些东西那是不是如果未来再往前推演因为刚才您说的就是结果化本身要讲是要最后变成一起来处理的那似乎是不是应该是一桌就是其实它是一个一起的一个东西我不知道您怎么看我觉得从用户的视角它肯定是一个大桌对吧虽然里面可能因为技术限制可能会有各种各样的做法比如说因为我没有办法具备放话的能力所以我是用户的我看到就是一个大作那可能你每一个角度都用这个做法那个小小的那个做法但是我用户其实本质上不关心只是在本代什么时候能有一个放话的做法包括你刚才讲这个图这个视频其实它里面的做法也有不同的流派语言是统一了这个还没统一掉所以这个是一个我觉得是一个反正这轮大部分发展的今天时间其实已经过去三年多的时间它的技术发展的我们叫分叉已经多的烂七八糟了对吧各个板块都已经多的非常多了哪怕只是在数据量这个事情上也分了很多的角度对吧然后大家在做的各种各样的工作每家公司在败的事情其实也不太一样对然后那我们就真心聊一聊比赛的事情聊点比赛的一个事情对吧然后我们就聊这一轮比如说大家都说数据是瓶颈这个瓶颈到底今天是它卡在什么位置然后比如说在你们日常的工作过程中有没有遇到一些实际的问题通过AI的模型能力包括数据库的能力提升解决了一部分的这个阶段遇到的这些瓶颈的问题 [15:00] 瓶颈还是比较明显的就是大模型这个东西其实一般的企业它是要需要很高的这个基础能力才能把它用起来就是今天我们这个因为前一段时间DeepSig它把这个大模型的成本降下来所以每个企业都说我要用大模型那用大模型的人其实都是CEO对他不是这个CTOCEO说我要用大模型然后其他人说我不知道咋用对然后这个时候呢我们一定是需要这个底层的系统需要有进步的比如说以前我们把这个IT或者说把这个信息系统用起来是因为有数据库数据库是因为有标准化对那今天到了这个企业信用大模型的话其实没有标准化就什么人没有我们都不知道到底什么是对的因为你没有一个所谓的评估体系是标准化的它是case by case的也没有一个所谓的标准的这个语言标准的构建的方式标准的解决方案其实这些东西都是随着时间的发展要去摸索起来的所以我们想做的更多还是说这个数据跟这个模型怎么结合在一起慢慢的融合在一起对慢慢去解决企业在真实去用大模型里面遇到的一些问题让它用起来更简单那当越来越多企业都基于我们这种数据家模型的方案去使去去用这样的AI技术的时候慢慢它自然会形成一些行业的解决方案甚至是一些标准那比如说你们这看到这个趋势跟这个眼镜的过程包括你们这些实施是否也在影响比如这五年你们的大赛上的这个出题的这个变化的眼镜的过程对因为其实我们我们去年的题目其实是向量数据库今年的题目其实更多是一个缓和签索因为我们在去年的时候当时大模型能力比较弱所以我们更多是通过向量通过做这种即Embedding就是做RAG的方式来去增强向量数据库的能力那到了今天其实业界它肯定会由这种简单的通过向量去做Embedding来去演进成为一个更多叫上枪工程的一个这样的一个解决方案那上枪工程的话它就不仅仅说是去用相量做做embedding了它可能会有相量有这个全文有这个图也可能会有以后有更多的一些这种标量啊这种半解构数据的一些所以跟搜索的方式以及呢怎么把这些这个数据的一些能力跟这个模型的能力结合在一起对所以我们也会有一些类似AI function这样的一些方式在数据库里面直接去调一些AI的一些能力对所以今天的题目就是一个混合签署我们认为说混合签署下来签署它肯定是一个我们做这种数据跟模型融合的一个初级阶段最终它一定是要通过这种各种各样的一些不同的方式的混合给用户提供这样的一个工具然后呢帮助用户去基于这样的工具构建一个很好的解决方案然后慢慢成为一个数据模型混合的一个标准对那你们感受到今年的这个题的跟去年的这个或者之前几年的状态的区别大吗嗯就是感觉今年它那个混合检索的部分还是蛮新颖的然后还增添了一道REAC的题目然后最快让我们因为我本来是个传统做数据库的然后现在是对AI相结合了然后这样做起来还是蛮有意思的因为你刚才咱们聊的时候其实你已经在上班了你已经在做真正意义上的现实事件发生的业务而且也是偏数据的对吗按我理解原来可以这么说吧就是一些银行的业务就是银行业务然后银行业务也跟数据结合非常紧那今天时间当你看到这个比如说考题题目出来的时候你会觉得比如说跟你现在在做的工作之间的比如区别或者差别或者是这个状态的这个一统会怎么样感觉不会非常相关因为我们这边是一个底层的数据库搭建就是数据库的内科制作然后我们那边主要是一个数据库的使用这两个一个是技术难度也是非常不一样但是感觉业务线这一块就是你需要去理解他们的产品怎么用的然后这些数据你该怎样更好的传输会给他们用户更好的交互主要考虑是这个方向然后内核这一块的话我们可能考虑的更多是我如何去让用户更好的拿到这份数据然后让他没有感觉然后一个是性能要快一个数据要准所以今年的题就是刚才日照也说了今年的题是一个混合搜索的一个一个决赛的题对所以你们从因为从最后的结果的打分上来说就是看谁的性能更好跑分更高然后结果更短是是这个这个角度来去做这个这个评判的是的您呢呃就是对于那个对于那个赛题就是我觉得嗯 [20:00] 嗯就是混合检索加全文就是特别的新颖就是我们在做的时候实际上我们也有考虑到就是大模型他如果没有上下文的话他可能生成的答案非常的模糊不准确然后我们就用到了就是大赛的混合检索能力然后同时我们会就是我作为学生的角度吗我们就去参考一些就是实现一些工业上比较粗糙的那种方式就是我们实现的就是比如说啊对呃用户的问题进行重写就比如说让他的那个语意更加清新化显现化然后就更便于我们检索了所以你在用户需求发出那一层又做了一层就我们对把用户的那个问题进行重写然后就把它的意图更加显现化这样子就更便于我们进行检索然后对然后检索到问题呢我们就后面又进行了重排序就是拿到更更加语意准确的那块对明白你们前后的决赛接到题目到真正跑通大概流程是怎么样的老师我们有一个整体的思路框架然后我们按照这个这框架什么时候想的差不多了我们队员开了一个会然后一起讨论了一下你们队员构成你们几个队员大概我们有三位队员然后都是同学吗还是对我们都是一个学校的然后我们对就是怎么组队的呢就是分分队情况吗对不是你们怎么组合在一起的是原来就认识还是对我和我和我和我和队长是原来就认识但是还有另外队员是我们在学校论坛上就是相识的OK然后当时是怎么去把这个框架差不多定下来的对就是我们开了一个会然后我们就参考了就比如说每个人想一部分然后就参考了一下就是业绩上的做法然后我们把它实现的比较粗糙那就是可能没有工业上时间那么细但是我们也达到了一个比较好的效果对所以你当时框架想完包括初期跑完之后就对这个比如说结果跟最后的成因有一些预期吗对我们感觉能参考还行是吧对就那还行你参考了谁吗我能问问实际上就是参考的Ocean Base主要是OK可以你们当时是怎么走的因为你们是来自不同的地方我们就比较有意思了就是我最开始我我有点就想当自己一个人参加了solo是吧因为实在找不到人然后后来我想了一下我之前参加的一个开源社区就是mini geo然后我想我去问联邻的老师能不能抓一点这边的人参加然后就在上面发了帖子然后当时有一个同学抱过来我就觉得我终于不是一个人打比赛了我有更新的问题那你当时想找的这个人的要求你先了吗我当时要求没有非常高就说要有足够的时间然后最好是还有一点C++的基础就可以了就可以了今天这个门开已经这么低了随时模型能的地方门开已经这么低了我们这些文科生已经快要去摸到那个地方是吧也不能这么说因为社区里的人他都是对看起来有贡献基础都是达标的然后你们组在一起了远程大家远程在线聊然后去确定方法然后做实施对我们基本是没有固定的时间我们做着做着想到了什么东西就发消息在群里然后就觉得需要聊一下的话我们就会拉一个会议对我想问比如说比赛过程中它其实是一个有没有一个明确的时间点是比如说我们要做好东西提交然后在这些要等比如说评判的过程是这样一个过程是吗有对有的OK在比如说做的过程中遇到过一些什么样的比如说卡点或者是难题或者是争吵或者是什么吗就是纠结或者是一些弯之类的我感觉我们这边还是比较和谐的不过当时是有遇到一个难题就是我们开始最开始做出来600来分的时候就觉得已经差不多了已经到上线了然后看到然后就是晚上两个同学去玩了一会游戏玩了游戏之后回来一看不最近了有一个叫不要有小情绪的队伍他一下子飞上来好像是1300还是1600然后我们就在说他不要有小情绪我们有小情绪你们是有一个能够实时看到所有人都打分的状态的是的是的,然后从那个时候就开始你正常的传统优化在这个上面你最高就是差不多600 700的样子让他们绝对不是一个通常的优化思路然后我们后来是从执行的流程上把它整个优化掉你们后来跑到多少呢7700哇哦77001好像,7100还是7200那你们呢我们是接近7100那你们呢 [25:00] 中间有遇到什么波折吗对就是就是有很长一段时间然后我们的就是我们的性能没有得到提高然后后面是就我们队长他就想到一个方案然后把我们的那个性能提高10倍然后我们顿时就非常有性能是个什么方案大概就是做了逻辑上是怎么样就是做了呃所应层的交集的那个嗯操作然后就把速度能提高大概10倍以上然后从那时候开始我们就立住了对然后我们就更有信心去往前冲了那你们解决了这个态度到了一个阶段之后后面再做实行是就再优化吗对我们后面就是那是索引层我们后面还做了那个就是下面的全文扫描那一层的那个能力优化对我们是一层一层的最后几层大概对最后一共整体的方案最后做了几层大概是三层到四层OK对你们了解其他的伙伴们或者是其他队伍他们的比如实现方式架构框架这些吗呃我们在就是最终答辩的时候我们就对亲他们就是我们发现他们的做法和我们就是是大成竞艇的不太相同每个队伍他都有自己实现方式这是不是也是这轮原来大家会认为数据库就是一个严格的结构的东西它已经不能再结构的话现在是一个非常趋同的状态但是因为无论下降数据库模型能力然后各种各样的信息的样子的变化导致这件事情变得没有那么严丝合缝的被封在一个地方这个是不是也是一个变化我觉得数据库肯定会更加开放一点就是因为原先数据库它主要用来做交易跟做分析对处理结构化数据而且因为数据库它经过这么多年的一个发展很多理论它都会有一些比较成熟的经验所以在原先做交易做分析里面可能是经过了好长时间会有一个比较大的突破会有一个方法性的一个变革那到了今天这个数据跟AI结合在一起很多时候它变成了一个搜索问题就是你怎么从这个上下文里面找到你跟大模型比较的更好的一个东西它不是个百分百准确的对对它有一定的这个非精确性再加上这个东西属于比较早期所以很多方法都没有定性所以有的时候我们发现包括我们在座两位选手也包括我们现场的选手他里面会想到一些方法凝聚答辩的我是评委可能我们也不一定就是会想到那样的所以这里面也有一个互相学习的一个过程所以现在你看AI很多时候是年轻人的天下AI视剧库也很多小号年轻人不是我们一些老头的天下我们已经被拍在沙滩上然后还想问一个问题就是因为大家会说这轮模型出现之后没有办法解决的是幻觉的问题然后大家会把幻觉的问题引发到数据层面的问题因为刚才据上他说他没有办法摆入买精准那必然会有一些问题出现那这个事情当然有人会说我们可以通过路由的方式把一些问题分到就跟最近NativeSick那个路由不在解决类似的问题吗那这个事情您怎么看就是说幻觉然后能不能解决以及用什么方式解决或者说这件事情真的需要解决到那个程度吗我觉得幻觉其实就基本上这是一个比较关键的问题你要做好幻觉肯定其实像我们的大脑一样我们大脑它可能刚开始有了比较强的一个推定能力但是这是不够的因为你还有类似海马体这样的东西对吧所以说DBg它确实是尝试把一些东西结合到这个模型的底层对那也可能是说因为它结合的底层也是一加一这样的方式它不是楼到那个参数里面它是放在外面的一个挂件里面对吧所以它跟外面在数据库去跟这个模型结合在一起里面用的一些这个方法跟思路有的时候可能也是一种这个有点像是本质是差不多的你需要有一套这个数据库的能力你把有一些这个固定的东西给记下来然后就放在那对就放在那然后就去那拿对他第一是解决了经济性的问题第二个是解决了这个成本和效率的问题因为不需要每一次都跑一遍这个是没有必要的比如在你们因为你们这次的决赛问题就是一个混合搜索的问题那不可避免的会出现幻觉的这个情况你们怎么去就第一次遇到的时候会很烦然后怎么去解决把这个事情变得更好一些就是我先说吧就是我们我刚才已经说过了就是我们先把问题用户层那一层对就先把它重写就是可能说有那些语意相似的词进行替换然后或者说有些缩写还有它的全称进行这种替换我问一下那这次搜索这个就是它搜索 [30:00] 需求的题目是固定的对吗就是他就是他搜索的这个就是用户发出的这个需求的这个地方在题目里是固定的对吗呃对但是我们不知道就是啊对啊是忙忙的是吧忙盒啊对对对对对对来讲是个忙盒是是是然后您继续啊就是我们做了这一层之后然后我们还对呃就是混合检索之后的输出再进行了啊重排序我们还是这个操作就能大幅度的减少减少那个就增大语义的相关性然后减少这个模型的幻觉然后最后输出出来但这同时过程中也要兼顾效率的问题对吗就是他又不能让这个工作变得更复杂或者变得更难不能让整个路径变得非常的庞大对我们这边就是开始是看到了那一份答案就是说出问题的答案之后我们比对他的回答是非常的对但是他的那个相关的文档和页号就是感觉一直在飘还有好几个然后我们当时就去问了那个这边那个初题的人然后他说他们会增加一个视觉模型去解决这个问题然后但是他加了之后我们还是还是嫖还是嫖然后发现才是我们自己这边就是他能说的对但他来源不对然后感觉这个其实在业界应该会是一个非常严重的隐患因为你要知道他是哪里来然后你才能给出真的正确的答案而不是他猜出来的一份答案然后我们就首先对我们通过我们的truck去对文档进行盘去先选择了最可能出现答案的文档然后再通过文档里的页号去定位最可能出现的页就还是要做几层的确定性的位置的确定然后最后结果还可以我们的结果感觉是数据量大了之后我们考虑的没有非常的周全因为我们后面时间有点不太充裕所以这资料赛体上我们是做的比较差总共几道题两道那另外一道呢内核的做Q片就是混合间做所以你们是出了谁出的题这个是我们团队的一些工程师出的题我觉得这个题出的也我会觉得出题的这个这个题的范围角度深度跟可能性真的是蛮难的对因为你们已经做了五年了每年要根据行业变化技术趋势啊包括现在学生的能力去综合考虑出这样一个东西对因为他第一个是你初题的方向对这个我们可能整个团队会大概讨论一下比如说今年我们觉得要往哪个方向我加AI类的对吧那第二个是这个初题的难度以及到底像考察的点是什么这个点是比较关键的因为你不能你一定要有区分度那同时你也得刚好是考察了这个点跟数据库的内核以及跟当前的一些应用场景是能比较结合在一起我们这个比赛虽然今年我们是加了一个叫AI相关的一个业务场景但这个比赛到现在第五年其实它一直是专注做数据库内核的所以它也是基于AI场景的内核怎么去优化好来治好这样的一个场景所以我们还是希望通过这样的一个比赛去培养底层的一些针对内核的一些基础软件研发人才那连续这个问题因为您明做了第五年就是这五年走下来你感觉这些参与选手他们的画像有什么变化我觉得今年跟去年吧我可能印象会比较深一点我觉得有两个变化第一个变化是今年有两个本科生的团队进入了前十年就整个学什么呢选手们他相对来讲会更年轻一些他们本科生学什么本科生学计算机的也是学计算机的对也有学网络安全的但是本质上也是基本上资贯机相关的那第二个是今年的选手他可能他在做这个题目的过程中要去理解这个题目理解元代码甚至可能要做一些Coding他里面会比较大量的采用一些A相关的技术那就严续的话你们用了WebCoding的工具你们感觉当然这个可以抛离开这次比赛就在你们日常的无论是工作学习做项目的过程中这一年或者二五年这一年走了之后你发现比如Aircoding对你们的或者你们怎么开Aircoding这件事情怎么用的程度对他的认可程度乱七八糟我先说我在参加这场比赛之前我还是比较偏向于那种传统手锹蛋手锹选手对因为就觉得自己写的东西会比较牢靠因为我本身是ACM [35:00] 我们就更那什么了更古典了你这好一点然后对我最大的冲击是我有一个队友是我当时社交召了一个队友他叫吴静华然后他当时在我们做那个mini OB的时候他就开始用那种AI的工具就开始做了我开始就觉得这种做的是不会理解的不清晰然后但是这个我们通过提一个PR然后我们大家都可以看到修改的地方然后我们都是每个人都学习过对方写代码然后才会去合并这份代码然后到了决赛之后他这个优势真的就是完全发挥出来了他结合GPT把那个代码分析完然后用Cloud把那个代码他直接就做出来了我在那里看了好久我都还没有搞明白这个东西前因后果怎么样他已经做完一版的功能发出来给我们看了那你现在开始用了吗我不开始用了就从他这一下给我打击打完我就开始了就他是AI使用的大神然后就一直跟他学就听他是怎么用的他说只要把问题讲清楚需求描述清楚对他的AI就可以做得非常的好我其实比较早就开始用AI了可能从21年20年的末尾就是GPT4出来的时候我就开始用了然后就是我在我在这几年中用的时候我就感觉今年和以往最大不同就是很多一些编程IDE的那个工具出现它直接能读取整个代码原码的那个上海文然后这样子的话就是我们去就是编程就更加方便我们不用不用把每个代码片段再粘贴过去对对对对对这样子其实非常大的便利我们开发者去阅读员然后去做开发对那就大家就面对这个问题未来似乎肉眼可见Coding能力还会继续再提升对对对对于原来的首艺人怎么办首艺人有首艺人的优势就是我们AI改完之后它肯定是会有一些暴躁如果你要是直接去让AI完完全全的去改它会用掉很多的token然后就是费用会比较高但是像有一些其实很简单的问题我们其实扫眼就觉得就这里它没有写对然后手动改完之后再跟AI说这边这个部分我已经修复了它其实也能提升一部分的性能还有一个就是你全靠AI写的话你对这一块的代码会会非常的了解对像我们自己这种他写完我们会很仔细的去过完了解他的整体的执行流程这也是我们后来反超的原因你们怎么看就是手艺人们怎么办呢手艺手抠的怎么办呢我就是很长时间都用 AI我已经迎接了对我已经拥抱对我完全拥抱我会觉得这一代的在座的都是这样就是他他不会像我们有那种对吧有那种类似那样的情感的更运在我觉得是一种新的手艺对对对把这个 AI 用好的手艺有几类就是第一是说这个手艺它有些新的技能你得去还是得与时进去学习对吧第二这个AI它毕竟是现在才是coupy了对它能够帮助你对怎么用好其实是需要你经过这个传统手艺的一个这个可能是一个修炼最后你才能用好这种新的手艺对你们内部怎么看我们内部这个AI coding的使用率非常高啊基本上我们的这些这个代码尤其是写代码这个方面我们是大量的采用了这个AI codingAI coding它在一些这种前端一些这种生成一些这种实验性的代码那效率是极高的包括做一些中间件啊这些都还是极高的但是它做一些特别严谨的代码其实还是有比较大的一个问题现在是然后再加上这些AI coding他做的这样的一些代码的话他最终还是需要一个比较好的人去review他对他直接做出来的东西里面是有坑的你要去review他所以第一是怎么用好这个AI coding第二是怎么基于这个AI coding建立一个更好的开发测试产品协同的一个方式他有发生一些变化所以我觉得到了今天这个时代肯定有了好的工具我们是要去适应这样的工具但这引发另外一个大家也会说因为Coding毕竟还是一个对于任何家公司而言都是一个很核心的很重要的一个数据资产但如果我们用了公开的Coding工具那似乎会有安全隐私 [40:00] 这种问题那这个你们因为你们本身上除了你们是一家开业数据公司本身上你们也是一家一千多人有不少业务的一家一家公司那你们怎么看待这件事情的这个问题对就我们最核心的代码都是完全open source所以对我们来讲就是欧币的最核心的资产其实是我们的员工而不是他形成那些代码对就是最终你还是要不断的去创新才能在这个场景竞争里就是比如说欧币我这个团队形成的这个组织能力使得我不断的能够通过创新来去更好的解决用户的问题当用户遇到问题我能给他兜底那这些东西他都不是说我有一天合理合理非常合理然后我们再聊一个这个这个这个更更热更更新的名词啊就是进入到26年大家都说反正至少硅谷的公司是说这个自主学习对吧continental lending是一个趋势了那这个就像我们刚才在前台就是肯定论这个词这么热今天这个时间点似乎这个词本身的定义也还没有非常的清楚但是也有一派观点会认为这件事情真的想实现的话可能更重要的还是数据的问题您怎么看这个观点和这个角度我觉得今天确实有一个词比较热门Continuous LearningContinuous Learning它是在两个层面去做第一个层面是直接模型去模型本身内化对 模型本身内化Continuous Learning第二个是模型跟数据库结合在一起来去做叫玩商学工程因为数据库它本质上就是一个能够实时读写的一个能够持续的进化的一个东西对 但是它跟模型的机制又不一样第一种方式在模型里面直接去做的方式到目前为止还是没有一个很大的突破的就大家在试可能有些新的实验室在试对有那个Thinking Machine Lab他们在试这样的一些东西但他们出事了那个再说了但是本质上就是这里面它确实有一些比较大的挑战这个挑战在于说比如说我们今天拿到一个模型我们去做微调对吧去做LOLA搞几次以后开始这个结果到底是什么基本上你是不可预测的不知道要冷去看它所以它很难找到一种自动化的方式去做好这些事情那到底是这个有一些理论上突破了就能做到呢还是说可能说这个不一定可能说这里就做不好因为可能后面做不好对吧那我们我们是一个比较实用的做法我们实用的做法我们还是首先我们先把这个基于数据和模型结合在一起来做Continue这件事情完明白其实基于上下工程去完明白数据和模型结合我觉得已经没搞明白对已经是很前沿的事情了已经很前沿的事情那所以你像传统数据库到向量数据库到向量加上下文加加上所有东西那这个是不是也在匹配这个趋势的变化对就是我们今天这个不管是OB还是SIGDB我们在讲这个混合数字其实它解决的就是通过持续的迭代的上下文来去实现这种模型跟这个数据结合在一起不断去进化的这样一个过程对那这个过程我至少认为这种方式虽然我们也现在没有把整个事情完就完明白但是它一定是一个正确的方向而且不管是对这种大企业还是小企业其实都是非常有效的一个方式因为小企业你来了以后你第一件事情就是要把数据管起来才能把模型用好你需要有好的tool你需要有数据有变化的我得随时去迭代我的能力那就是我们要的OceanbaseL-CGDB加模型的能力其实你们在做的也是在匹配这个趋势的状态中虽然大家不知道是不是比如说纯研究角的会突破也不知道今天时间基于更多工程上的努力也能走什么样但至少我们在匹配这个浪跟这个趋势的状态再往前去做我们数据库相反的工作能够让这个事情往前更走的更好的一个东西对而且我们的所有的东西包括我们的6DB包括OB也包括我们上面还会有一些探索新的一些工具比如说PowerLag PowerMemory这些东西我们其实都是全部Open Source的全部全部Open Source的而且是Apache 2.0的就是第一我们是认为这个方向是对的第二我们认为说可能业界有一些人也会用我们这一套的图玩得更明白因为我记得蚂蚁开源每一段时间会发一个整个AI领域开源的趋势的那张Map对吧你们也感觉在可能在二十四二五年之前业界对于开源领域的这些趋势变化是没有那么多或者说这些东西变化跟纯真正意义上的产业之间是割裂的可能技术研发或者开源世界在玩一套东西业界在研究另外一套东西但是在25年我印象特别深马蚁开源是第一次发这个报告应该是去年6月还是几月就是他的那些比如说agent的框架infra 然后数据层的那些东西的趋势变化Github的新的 [45:00] 提升以及研究的热点跟业界是完全匹配在一起的就是这个状态似乎也代表今天时间大家会说开源其实并不等于公益开源并不等于没有商业化开源今天这些事实乎史无前例的跟真正一场业界发展再绑在一起来做对就是因为早期这个AI它其实还是更多做一些创新对所以它跟原有的这个技术站原有的系统它其实是有一定的这个gap对那今天AI包括你说的半年之前它其实已经开始说我甚至有一些传统的应用怎么去做智能化那它跟原有的这个技术站它是要去结合在一起自然而然原有的技术站也得想办法去拥抱这个AI因为这个趋势现在是非常确定的这个的状态也会让因为大家也会说可能2025年整个业界是强大学期年但中国如果换一个关键词其实是开源如果我们去只拿一个关键词和标签定义25年中国AI行业的发展的话可能很多人会讲到开源这个关键词无论是模型层面的开源还是整个生态的变化为什么个变化那为什么就是我之前写皮皮的时候我说我说过一个方法我说开源可能是结果也可能是原因就是引发我们这种跟中美的AI对抗蓝地发的这些事情它可能是结果也可能是原因你怎么看这件事情就是中国公司为什么我们在开源生态突然间这么强就这么拥抱而且看上去正确就双眼号的证券我觉得有很多原因吧那第一个还是说这个跟中国的今天的商业环境跟中国整个技术在全球的影响力也包括比如说很多AI的一些东西毕竟还是美国人他把那个算法先发明出来那我们更强的地方在于说是在工程能力上做得更好他对一个你不是第一个做出来的但是你在工程上优化的更极致的一个这样的一个产品最有效的方式就是面向全球市场就做看员对让生态帮你继续发展的更好你们一直在建设这件事情对OB我们一直都是完全开源开放OB之前应该是蚂蚁的一个内部项目吗还是然后后来变成公司化的欧币应该是2010年我们就开始做那前面的10年它都是蚂蚁内部的一个项目然后20年之后我们才是正成为公司公司化之后第二年我们就马上就那个开源出去了当时是谁做的决定开源其实是我们建立这家公司的时候大家就讨论好了要开源出去不过是炒备了一段时间因为其实开源它并不是说你把内部的代码直接一步进行不是的开源要做的事情很多比如说有很多2020年我们当时成立公司的时候我们就想要开源要做的这个事情123对吧第一可能就是对蚂蚁的代码的依赖得去把它给调掉对第二就是有些写的不好的代码得去改一改文档啊等等要对外来要建功跑了对对很多活要干那我有另外一个更好奇的就是说本质来讲因为原来我们相当于是做内部支撑的一个一个东西然后今天我们要把它开放甚至我们要去找客户要找不同的样子就是这个过程对一个原来是一个偏因为我们有公司我们公司内部也有一些team在这个时间内想做类似的这样的但是你会发现特别难就是因为你的角色你的状态你的位置然后你的目标完全不一样明白我觉得这个首先还是你这个产品的初心是什么就是这个产品创建的第一天第一天是为什么它是为了什么创立呢OB创立的第一天是要讲做世界级的数据库虽然是2010年当时只在内部但是所以我们的所有的Design是朝着通用的去做的第一天发心就决定了对可以可以这个回答很好非常好嗯好我们再聊一个另外一个话题就是想问两个同学就是你们现在就是我知道你们今天都是延二是吧你已在工作你可能马上也要面临这个工作问题你就现在这个时间点当然可能因为你们已经站在这个浪潮的最前面了对吧那你们怎么看当下这个时间点AI比如对于尤其你们还是学计算机的或者说集在你相关的专业就是你觉得AI这波浪潮对于你们这些无论是你们学的东西还是你们未来要做的事情的影响跟变化会有什么感觉吗我先来说吧就是我感觉AI就是能大幅度的提高我们学习速度的就是学习的速度然后就让我们接触到更新的东西 [50:00] 他们教会我们非常快的去教会我们东西这样子就让我们就是更快的那种推力让让我们前进但这是努力已经急的那有不努力不急急想躺了怎么办呃就是就是如果你我感觉如果你不去接受 ai 就是你可能就是会被在 ai 时代被淘汰你让你去学安全的对对安全似乎更我觉得离这件事情更尖少就更在那个尖上的位置因为关于AI就是安全的探讨变得更复杂因为传统的安全因为我原来一个搞传统的安全还是一个偏就跟传统书库一样它是一个基于定式的结构化的有相对固定套路的一套但是今天AI之后你会发现它变就那个口子被打得无限大了对对对就是犯的不能再犯了对现在AI就是我们现在接触到的AI行业他已经不在原来安全行业对不但是原来传统的是的当然他现在已经引出了比如说大模型的安全啊对啊是国泰的安全啊就是对所以我们就是我们的口已经被拉的很大了超级大对对对对对就很有感受那你们比如说这个过程中因为之前你想之之前也很多年大家总讲的例子说那个一些某个美国的汽车公司把那个AI的客服能力放到他自己体系里结果那个一个用户就通过hacker的方式八美金买走了一辆汽车就是大方形的幻觉加各种交易的环节的安全滑车就理论是可以实现的那这个问题在AI之前的年代是不太可能出现尤其对于安全板块来讲是不可能的但是今天因为你的口子被放到了因为我们在追求通用我们在追求泛化然后但是企业内部的无论数据库网络交易系统本来讲是一个封闭体系的那么大的口子那对安全的这个要求我觉得我的天就是我会觉得就是这一波因为今年其实讨论泛安全的问题也特别的多就是无论是大美兴本身带来的各种各样东西还是因为模型跟传统企业之间的业务结合产生的新的安全的问题这个议题似乎也不小是吧你们作为算真正意义上在意见比如说未来你工作想找什么方向可能也差不多是做大模型的安全这类的可能这个事情在国内目前是大概什么样的状态我在学校就是接触到就是现在很多特别新颖的就是科研成果就是都是这个安全对大模型安全或者说云因模态啊那个其他多模态的那个安全相关的很多很多而且这个看上去这个问题也没有收敛到一个有比较明确的几件事情的状态里它还是一个很宽的对他现在还是感觉是在快速的发展这个阶段对你们你一直是做编程然后今天事实现其实你已经在你已经在干活了是吧你觉得因为你还在一个银行我觉得是最算以后保守最当然他保守是有原因的对但是今天来之后似乎对这个重击也蛮大我觉得我觉得我那边还算是稍微接受度高一点的公司他们也已经在内部使用AI去编程了但是他们的需求就是有点我本来是个后端工程师进去的然后我现在变成了一个Java也会C++也会React也会就是有点变成全战然后确实你通过AI你只需要去描述你相关的需求你只要能把它运行起来你就能去实现这么个功能那这个对未来有什么想法吗或者说想学一些什么新的东西我其实对我自己的未来非常的模糊就是没有一个固定的方向就是还是在摸索我听说你们员工里是有很多原来参与比赛的这个学生进来了对就是这个当时是怎么是机缘巧合还是本来就是这个想法因为其实我们的比赛的题目好多还是涉及到数据库内核的开放对吧所以呢所以呢这个有一些他本来就是做数据库内核研发的同学那他其实加入OB对他来讲往往可能就是一个最好的选择是当然了OB我们举办这个比赛我们不全是为自己招了而且我们最早2010年当时做这个OB的时候当时其实国内根本就没有能写数据库没有能写数据库的开发能源所以我们当时招人是挺难的所以我们慢慢有个想法是我们通过一些比赛来去来去培养人才可能有些人就会来当年耐克跟阿迪主办这个 [55:00] 小球小球员的比赛是一样就是先看一波然后再说对吧当然这个一般来讲参加了OB的比赛的同学他会比较喜欢来OB但是也不是每个都来OB基本上是会分散在整个行业里面就我们的比赛的罕见量就比较高的比较认比较认他只要能拿到好的成绩最终基本上这个大场的offer肯定是一点问题都没有而且基本上都是比较好的offer那你像刚才我们聊过你像今天这个时间点无论是限量数据库然后多莫泰然后可能Align Learning还是AI模型能力的提升对这一轮我们叫数据库人才的画像本来是有一些变化那这个变化似乎我们是能够感知到这个情况那其他那些不是专门做这些事情的厂商他们怎么看这或者他们怎么去评判这个事情我觉得第一个对数据库人才画像我觉得有变与不变首先不变的东西还是原来有一些数据库的一些基本的理论包括我要真的把AI用起来是需要把需求的理解描述的很清楚这个东西对数据库的基础理论的培养一些基础的扣定的老手艺学会了才能学新手艺这个东西是一定的然后这个东西完了之后可能确实需要研发数据库的同学数据库虽然它是软件里面最核心的一个这种基础软件但是也一定不要顾不自封要比较开放比较开放的去有好奇性的去接收新的一些东西明白我问你们两个就是因为这个比赛是你们参加过一页就不能再参加了对吧但是你们的比如说师弟师妹们会有可能再再参加就是你对这些比如说比你们小一点的哪怕是刚刚入学的学家有什么想跟他们说或者建议也好或者说想给他们提醒或者避免一些弯路之类的嗯我先说吧就是嗯就是我觉得如果学计算机的话你就就是要自己去多多探索探索对就像今天很多人会说或者很多家长会被教育是说在这个AI的能力条件下就不应该让孩子去计算机尤其不应该学coding你怎么看这些事情就是你学不学coding是一回事但是你得去慢慢的去接触一些新东西就是你肯定得跟时代去接轨不然的话是肯定这样子肯定不行的对你当时为什么选择这个专业啊我选择安全专业啊这个哈哈我选择安全专业其实呃是是因为嗯就是就是刚好到了就就所以就来了ok 没想那么多呢对对对ok 那再对比如说如果你有实力实面想参加下一名点的比赛你对咱们会有什么建议就是这个比赛周期大概有两个月左右所以就是你中间可能会遇到各种各样的挫折你可能会因此就是感觉到很挫败就是可能你的性能没有提升你可能你的效果不好那你在这个路上你就要一定要坚持下去你就坚持走到最后然后不管结果怎么样你反正你就自己是感觉到不会后悔的对我说一句话但虽然现在不太合适我想说代码始终是人写的就是你只要用心去看迟早是能探动的但现在AI写的代码是有点多越来越多但是它始终是有逻辑可以寻找的你是之前一直参加SM的比赛我就本科的期间是一直有参加你是本科学生吗我本科是计算机的然后原生是大数据现在有很多这种用AI用的好的一些人包括我们团队内部的都是那些原来写代码写的比较好的Leader对他并不是说我没有写过代码我最后就把AI能用到凭空的不是的对因为写代码就是我觉得写代码这个过程从这个高效的角度是应该去培养的因为即使AI能写但是呢你没有经过这个过程学生他是不会有那个逻辑的能力的就写代码是最好的训练逻辑能力的一种方式包括你参加ACM对吧那个东西就是怎么确保写出来代码又快又能保证它永远是正确这个东西它不仅仅说甚至是一项技能他更多是锻炼的一些能力这个很重要所以那似乎就是当然这可能都是偏那你们会不会有些什么担心呢或者说在过程中遇到哪些坎觉得真的过不太去了无论是这次比赛过程中还是比如跟AI的结合过程中这些事情 [60:00] 我感觉和AI结合就是我现在感觉AI的能力就是越来越强大了当然然后对然后就是说可能你给他直接提一个需求他可能就做的已经很好了就是对于我们现在学生角度来说嗯因为北游是一个因为你是北游北游已经是我们在整个互联络是最先锋一直的代表的一个学校就是我不太选你们比如学校内部对这种AI的看法或者比如他们从一些对学生的要求或者实施或者建议上有什么变化对他我们学校也是比较支持学生就是使用AI的就是AI确实是能很大幅度的提高我们整个那在日常教学中有什么实际的这个变化吗呃因为我因为我已经就是已经不在课堂上你二了对对对所以这这块不太了解因为我听说之前有那个哪个学校是给学生发算力的哦对我们学校有算力中心我们可以用学校的那个算力但用的多吗就用的人多吗这个应该挺多的对北游可能还是一个比较特殊的但是我上次听的是另外一所报道就是校长说我发了那么多但是就很少人用他很担心因为那已经是中国最好的学校了但还是觉得这个比例不够不够高所以他他在表达这个这个但北欧确实不太一样了那你们呢在过程中我感觉就是确实吧现在AI真的很夸张我们答辩的PPT甚至只是对我们把我们思路说给AIT然后让它生成一个文档然后再把这个文档丢过去它生成PBT它那几张图我觉得是我这辈子都画不出来的震惊了这个多想念我是常年你们代码很强的你们是手抠的传统手艺人的代码的手艺我是传统的手艺的PPT的手抠的手艺人因为现在PPT的能力真的我会觉得我们这种真正还在坚持手抠做PPT的人真的快成非议了尤其这轮这面的三的拿到出来之后尤其这一看就像你刚才说的就跟我们最开始讲的是一模一样就是他不是画一张图不是帮你做的他的问题在于你给他讲了一个逻辑他帮你把这个逻辑的可视化做的符合你讲的逻辑就这个能力是一个我就是本账来讲PPT很多时候做的工作其实是一个排版的工作他不是一个创作他是个排版排版就是说我要一二三金字塔什么他是一个那样的东西那个东西是个可视化他是有逻辑有框架有跟你内容匹配的他的核心是那个不是帮你画一张花画一个草不是那个但你想今天来的能力是基于文本多莫态可视化表达逻辑框架帮你做出来你真的会觉得我可能一辈子也做不出那样子然后我们这些非移的坚守最后那个手扣的真的越来我原来是真的非常坚持每一页我都需要自己就对齐找字体标号涂色配色全部都是一点点摁出来了但是今天因为我每大概两三个会做一次PP整我最近在做的这次里面就里面出现大量的人家做的配图因为就是他真的就是又快又好又准就是就跟代码的发展是一模一样的所以就是人类在减少的那个东西变得空间越来越小了就越来被挤压了这个感觉非常的非常的强烈就是代码是一侧然后今天我发现PPT这个战场也守不住了对然后看我们今天聊到最后聊到一些这个这个我们聊得更更更发散一些问题因为对26年有什么期待比如说你们作为一家开心数据公司在当下这个实验点在AI模型发展到今天实验数据被提升到史无前例的高度情况下比如这26年有什么期待无论是你们自己还是对业界还是对技术发展都可以我觉得26年首先我还是比较相信这个AI agent它是会在进一步爆发的那基于这个AI agent进一步爆发它会把这些AI能力真的在企业里面它的业务流程里面就用起来对那所以在这样的一个趋势之下的话我觉得不管是对OB还是对业绩我们肯定希望说我们真的能够探索出一条数据跟模型结合的一条路来对并且通过产品化能沉淀到产品沉淀到系统把帮助我们的企业真的去把这件事情给汤通对然后这样子的话只要26年汤通了那未来几年他可能他就会进一步去做复制对然后这个就我顺眼Agent也是25年也很核心的一个过程词然后又因为大家会说Agent要做规划执行数据使用然后到结果反馈这样一个过程然后又因为我们 [65:00] 从大语言的模型从语言到agent的行为这个跨越过程中你会发现上一个阶段似乎只是模型公司的事情但是到了一阵你发现这个事情变得异常的复杂因为它要跟外界环境产生交互要跟数据打通无论是企业的私有数据还是要有数据库的权限要各种乱七八八这个事情看上去它就可能是一个坏的事情因为上一个代事情它本来就是一个对算力理论上差不多就可以搞定的事情但到这个似乎就是大家会说25年Agent原点但也有人会说这个原点可能会圆5次到10次就是每年都是原点你怎么看这个角度他就我觉得两类吧就一类Agent大模型他一定是快的因为他本质上他是一个完全通用的技术带来的一个通用能力对吧Agent他分两类一类是那种通用的Agent通用的Agent现在不都是说一年增长10倍对吧那个东西就是很快的那个东西它是一类新的创新那还有一类是你要把这个A卷跟这个企业的业务流程结合在一起这个东西它一定是是一个比较要长周期的一个过程那这个时候就需要底层的这个数据类的系统这个模型的一个整个的应付的能力和在一起让企业就用起来行政解决方案行政标准它这个东西它不会特别快但是也不会慢它可能说这个有点像我们做2B跟2C的一个区别如果你能完全通用化你本质上是一个2C的逻辑你不能通用化你是个2B的逻辑但是有了AI之后呢比如说原来的2B它的增长速度假设是20%有了AI可能会变成30% 40%但是它不会说变成200%所以也是快的因为2B的特点在于说它能让这个20% 40%它连续增长20年2C可能是两年所以没关系以你们的经验比如在哪些好些看上去趋势会更好一些因为你们服务很多类型的客户我觉得一个是场景一个是行业那场景的话今天可能说在很多这种贩收水啊风控啊在这种客服啊等等这些场景应该来讲都是在一个这个有点像是在大规模要去采用的前期了这是第一个就你们是能感受到这个浪的来的状态就可能说大家不一定能用好但是大家想用而且是有的需求很迫切OK OK是那个行业的话那肯定也是一些相对来讲会大一点的行业就是他可能有一些高价值数据的行业比如说是金融医疗这些相对来讲他本身他数据的价值就比较高而且有很多是企业他自己的一些数据那这些数据他能跟他的业务也能结合的比较好能产生一个特别好的ROI所以他一定是会先爆发起来的26年有什么期待?自己也好,其他也好,都可以我可能是想做一些有意思的事情比如说获得一份有意思的工作什么叫有意思的工作?加入,跟人道老板都聊聊因为我的成分比较复杂我是个非常值得学生然后我是希望能直接进入公司而不是通过实习之后再进入那现在的工作是一个实习偏实习现实吗不不就是个正式的工作然后还有就是可能有点想成为一个独立开发者就是自己做一些有意思的东西我昨天听到一个很有意思的东西就是说把你的手机录制你今天一天的语音然后他可以给你安排你的行程你看现在不是那个国际游厂商做了一个那个挂在你胸前的摄像头吗啊就是你正常眼镜里面还是要摁的吗你要你要自己主动的去他那个就相当于他他有一套算法是说他可以进入你一天的因为他就挂在你胸口吗嗯他都看到就是你看到的对他现在就进入你一天然后他因为你一听就知道这个东西会有问题对吧他设置说你可以要求设置说所有数据在本地在你的手机里跟你的电脑然后他都帮你做事情帮你分析帮你画一张比如今天一天你来录制了对吧你去吃饭了你去挤大马了你去干嘛你去见了人每天帮你生上一张小漫画你可以把那个漫画比如分享到你上媒体上就是是这样一个小然后听起来没什么用对吧没什么用但它就是个玩具然后很新奇很酷然后卖的还可以朋友做的还可以这个确实AI能力的带来的我一直有个角度当然很多人都说技术能力的提升一定会打开很多原来无趣没有用的场景最开始可能看上去还是无趣的还是没什么用的但是它慢慢慢慢 [70:00] 有点意思人家这波能确实如此然后再再也发现因为昨天我刚从杭州来昨天杭州在办一个朋友办的马拉松黑马拉松现场估计有70到80个队伍非常大然后两天的时间然后我就看一下我说只有在技术爆发的时候才会有马拉松这种东西只有在技术没有稳定的时候才会有这种东西让大家以无限的想法把一个发展的idea做成一个小东西在很短的时间来这一步非常不明当然英国互联网也是但英国互联网稳定之后这个东西就没有了因为都是正规军了都是流水线了但人家这一步来似乎这个机会变得更多对那我从就这种学校角度来说吧就是做科研的时候就是要写论文就是我期待就是AI for scienceAI for science就是AI现在已经有能力去帮我读论文了然后但是他可能写的可能还不是特别严谨我就期待可能在新的一年中AI哦我另外一个系的比如说你们你是学密码学的吗就是你更研究的系的方式比如今天时间最前沿的密码学的这些科研的方向在研究什么就是我接触到的就是我们研究的密码学就是做呃传统态加密就是在呃加密的数据上进行运算然后得然后解密然后正确结果做这一类操作我都快听不懂这些东西了OK然后那就差不多然后最后比如说这个这个我们硬拉我觉得拉高度也没有什么意义啊就是比如说今天这个时间点问一个更我觉得更个人的问题比如说26年你期待无论是在你们工作过程中还是你们在做的事情有一个什么样的里程碑会有什么样的变化小的小点也可以不必的话我觉得26年我们最大的一个期望或者说我自己会亲自己做的一件事情我觉得肯定是怎么把欧币的开源生态变成一个全球性的生态现在我觉得OB在中国还算是一个最主流的产品但是离全球知名还是有很大的差距这个全球知名是谁数据库领域全球知名的可能就是什么MindSQL,PostgreSQL他们就开源他们也开源一般来讲数据库领域做的最好的除了Oregon以外大部分都开源男人心不在此他现在太麻烦了他已经没有心思搞这件事情不用担心他了有什么26年想期待或者想达成的事情小事情也可以生活上也可以结婚啊找女朋友都可以我可能就是随遇而安什么星座天秤MVPN我没有测过对于我的话就是可能成为一个开源社区的 committer可能对我来说是今年想要做的事之前有过积累的我之前就我们队长是阿帕奇的committer我想向他学习就是也想成为一个比较隆重的一个看社区的committer看这帮年轻人的这个这个状态还是很让人羡慕的我们现在周年老的也被踢在上台上也很有很有感受是说虚空原来是一个经常有些传统有些古典的一个事情但是AI这波来了之后似乎让件事情往前面走了很多步而且看上去很多今天这个时间我们能够拿到这一轮AI模型能力的巨大提升的很核心的原因是因为这些做数据的人的努力让这个事情走到了一个让全人类能够面对一个技术浪潮的状态所以只能说很感谢这个时代也感谢AI对然后也感谢今天的所有听我播客的听众今天通知书到此结束再次感谢几位谢谢谢谢