OceanBase公開靈光AI應用數據架構，支撐3000萬閃應用運行

OceanBase 首次公開了支援螞蟻靈光 AI 生成應用的數據架構實踐，透過邏輯表、共享物理存儲與受控 SQL 計算等技術，實現「應用數據模型獨立、底層資源共享」的新型資料庫架構。這項設計為 AI 生成應用的大規模運行提供了穩固的數據底座，尤其針對螞蟻靈光平臺上已累計生成約 3000 萬個閃應用的龐大規模，展現出在資料管理與資源調度上的突破。 隨著 AI 技術大幅降低應用開發門檻，大量由 Agent 自動生成的應用快速湧現，傳統資料庫架構正面臨全新挑戰。一方面，每個應用都需要擁有獨立的數據管理與計算能力，以確保業務邏輯與資料隔離；另一方面，若為海量應用分別建立獨立資料庫，則會帶來難以負荷的存儲與運維壓力。OceanBase 針對此痛點，設計了面向海量 AI 應用的「邏輯表」方案，在保持應用層資料獨立性的同時，實現底層資源的統一調度。 在具體實作上，每個閃應用在使用層面仍擁有獨立的數據表結構，能夠建立資料表、寫入資料並執行標準 SQL 查詢。然而，這些應用底層不再各自佔用獨立的物理存儲空間，而是共享 OceanBase 的統一物理存儲。透過接入 OceanBase JSON Table SDK，應用數據會以 JSON 格式存入共享表，資料庫則根據每個應用的獨立 Schema 完成數據映射、查詢與聚合計算，從而提供精準的數據處理能力。 這套架構相較於傳統做法——例如將所有數據集中存儲為一個 JSON 大表，或為每個應用建立獨立物理表——能夠顯著降低海量應用帶來的資料庫管理壓力。同時，由於邏輯表層次已實現多租戶權限隔離，不同應用之間的數據安全與隔離性也獲得保障。當單一應用的規模成長到一定程度時，還可以將其遷移至獨立物理表，以獲得更高的查詢與寫入效能。 OceanBase 表示，此次公開的實踐不僅驗證了 AI 生成應用的數據管理能力，也反映出資料庫正逐步從傳統交易處理系統，向 AI 數據平台演進的趨勢。今年 6 月，OceanBase 正式發佈新一代湖庫一體 AI 資料庫，將結構化數據、非結構化數據與向量數據統一管理，讓 AI Agent 能夠獲取完整的業務上下文。這項產品已在螞蟻阿福、靈光等內部場景中完成驗證，同時也開始推進企業客戶的測試。 隨著 AI Agent 逐漸成為下一代的應用形態，數據基礎設施的重要性持續提升。OceanBase 希望透過構建面向 Agent 的數據底座，為企業 AI 應用的大規模落地提供更穩定、更具彈性的數據支撐。從靈光平臺的 3000 萬個閃應用運行經驗來看，邏輯表與共享存儲的結合，確實能在不犧牲應用獨立性的前提下，大幅降低運維複雜度與基礎設施成本。 值得注意的是，這套架構並非靜態不變。OceanBase 的設計保留了靈活的擴展路徑：當某個閃應用的數據量或查詢負載顯著增加時，系統可以自動或手動將其從邏輯表模式切換為獨立物理表模式，確保效能不受共享資源的限制。這種動態調整能力，讓平台既能承載數千萬個小型應用，也能支援少數大型應用的高效運行。 從技術角度來看，邏輯表方案的核心在於 JSON Table SDK 的數據映射機制。應用開發者無需改變原有的 SQL 使用習慣，就能享受底層資源共享帶來的好處。資料庫會根據應用的 Schema 定義，自動將 JSON 格式的數據轉換為結構化查詢結果，並在聚合計算時保持一致性。這項技術的成熟度，已經在螞蟻靈光平臺的實際運行中得到驗證。 OceanBase 指出，隨著 AI 生成應用從概念驗證走向規模化生產，數據層的挑戰只會越來越嚴峻。傳統資料庫架構往往無法同時滿足「每個應用獨立管理」與「整體資源集約」的雙重需求，而 OceanBase 提出的邏輯表方案，正是為了解決這個矛盾。此次公開的數據架構，不僅是對靈光平臺的技術支撐，也是對整個 AI 應用生態的基礎設施貢獻。 展望未來，OceanBase 將持續深化湖庫一體 AI 資料庫的產品能力，並進一步整合向量數據與非結構化數據的處理。在螞蟻靈光、阿福等場景中累積的經驗，也將逐步複製到外部企業客戶的 AI 應用中。隨著越來越多的企業開始探索 Agent 驅動的業務流程，具備彈性、隔離性與高效查詢能力的數據底座，將成為 AI 落地不可或缺的關鍵組件。