阿里雲談AI下半場 數據庫已經開始比拼性價比

環球網財經中心《環球問策》系列報道

【環球網科技報道 記者 李文瑤】在近日舉辦的2025阿里雲PolarDB開發者大會上，阿里雲宣佈PolarDB登頂全球數據庫性能及性價比排行榜。

根據國際數據庫事務處理性能委員會（TPC，Transaction Processing Performance Council）官網披露，阿里雲PolarDB雲原生數據庫以超越原記錄2.5倍的性能一舉登頂TPC-C基準測試排行榜，以每分鐘20.55億筆交易（tpmC）和單位成本0.8元人民幣（price/tpmC）的成績刷新TPC-C性能和性價比雙榜的世界紀錄。

這意味着PolarDB的自研雲原生架構不僅突破了單集羣的擴展性瓶頸，還成功扛住了全球最大規模的併發交易峯值，在性能、可擴展性等多個維度領跑全球。

“這次打榜成績是0.8元tpmC，做到之前最好成績的2/3，而從本質上來看就是降成本。”阿里雲智能集團副總裁、數據庫產品事業部負責人李飛飛在接受採訪時説道，本質上所有系統降本的終極目標，就是把存量資源、有限資源100%用起來。

AI時代，數據庫的核心演進方向是“AI原生化”與“架構融合化”，通過智能運維、多模一體化、雲原生彈性及開源生態，實現資源極致利用與AI能力深度耦合，最終降低企業智能化轉型門檻。

AI接入數據庫 打造“極致”性價比

在2025 阿里雲PolarDB開發者大會上，雲原生數據庫PolarDB正式推出內置大模型的PolarDB AI版本，幫助個人和企業開發者快速部署並上線AI應用。PolarDB AI節點採用模型算子化形態，支持用户在數據庫內部直接進行搜索推理優化，在線推理吞吐量可提升10倍以上，顯著降低用户部署成本。

“阿里雲PolarDB將Data+AI全面融合，旨在為用户提供更普惠、易用的數據管理平台，幫助個人開發者和企業用户用數據驅動創新”，阿里雲副總裁、數據庫產品事業部負責人李飛飛表示。我們將面向雲原生、AI驅動持續演進，讓AI時代的數據庫開發像“搭積木”一樣簡單，顯著降低數據庫的應用門檻。

從產品來看，此次推出的全新版本，聚焦性能突破、極致性價比與AI深度融合三大方向，旨在通過技術創新降低企業數據處理成本並提升效率。

例如，在雲原生構架上，通過共享存儲、分佈式塊存儲（PolarStore）和物理日誌（Redo Log）優化，實現高併發與低延遲。基於CXL Switch的機型部署於公共雲專屬資源池，提升內存資源利用率。在AI原生能力上，將大模型（如DeepSeek、通義千問）內嵌數據庫內核，支持推理加速與內存外溢管理，推理吞吐量提升10倍以上。

簡單來説，數據庫即AI服務，AI能力需深度嵌入數據庫（如推理加速），將大模型（如DeepSeek）直接集成到數據庫內核，實現端到端推理加速。

而價格的降低，也觸動了行業的敏感點。對此，李飛飛表示，不計成本地進行價格戰，目的是通過燒錢策略將競爭對手擠出市場。這種方式難以長期持續，因為它依賴於背後雄厚的資金支持。而基於技術進步和資源高效利用的競爭方式，旨在不斷提高產品和服務的性價比。這是推動科技文明進步的關鍵，也是更可持續的發展模式。

PolarDB是希望通過技術創新實現極致性價比，而不是簡單的價格削減。例如，通過解除CPU與內存的緊耦合，相同的內存可以支持更多的負載，進一步降低運營成本。這種做法不僅提高了內存資源的利用率，還增強了系統的彈性和擴展性，使得競爭對手難以模仿或跟進。

李飛飛強調，阿里雲數據庫希望走的是極致技術優化來實現邊際成本的下降，從而達到極致性價比。

軟硬件協同是趨勢

雲原生數據庫是專門為雲計算環境設計的，它們通常採用分佈式架構、支持自動擴展、提供高可用性和容錯能力，並且能夠有效利用雲端資源的彈性特點。這些特性使得雲原生數據庫非常適合處理互聯網業務中的大規模數據存儲和訪問需求。

隨着AI技術的發展，尤其是深度學習和機器學習的應用日益廣泛，對於數據存儲和處理提出了新的要求。

AI原生數據庫不僅關注於如何更高效地存儲和管理數據，還致力於提供更加智能的服務。這意味着數據庫可以理解數據內容並根據上下文做出決策，比如推薦系統可以根據用户的瀏覽歷史提供個性化推薦。

在李飛飛看來，第一波AI浪潮主要由算法和模型的創新推動，如transformer架構。然而，隨着技術的發展，目前AI領域在算法和模型上的突破變得有限，現在更側重於系統層面的優化和分佈式工程問題。

DeepSeek發佈的開源庫專注於系統層面的優化，比如數據庫管理和分佈式系統的改進，這些改進對於利用新硬件（如DPU）至關重要，並且具有巨大的實用價值。

“DeepSeek的橫空出世讓開源模型具備了複雜推理能力。”李飛飛認為，無論是PolarDB還是DeepSeek的成功都表明，軟件與硬件協同工作的能力將是未來的主流趨勢。僅依靠軟件層面的創新已不足以支持技術的進一步發展，需要更加註重硬件層面上的優化與整合。

而未來GPU架構可能會朝着類似今天CPU架構的方向發展，實現計算、內存和存儲的分離和池化，以提高效率和降低成本。當前的研發重點在於如何高效地使用昂貴的GPU資源，並通過CPU+DRAM等輔助手段來降低整體計算成本。

抓住AI爆發關鍵期

從企業的角度來看，企業不希望為了應對大模型等技術對數據庫提出的多種要求（如同時需要向量、圖數據庫及內存數據庫），而必須掌握並管理多種不同類型的數據庫。這不僅增加了技術技能的需求，也使得與多個數據庫供應商的關係管理變得複雜。

因此，Gartner高級研究總監，全球雲數據庫魔力象限主筆人顧星宇認為，未來的發展趨勢指向數據庫的一體化，即將多種類型的數據庫功能整合到一個平台中，從而簡化選擇和管理過程。這種一體化解決方案被認為將在未來的雲上數據生態發展中扮演重要角色。

當前是AI應用爆發的關鍵時期，抓住這一機遇至關重要。李飛飛認為，誰能夠在AI技術與現有業務和數據處理流程的結合上取得先機，誰就能在這個領域獲得顯著的競爭優勢。也就是説，企業通過有效整合AI技術與現有的業務和數據處理流程，特別是重視後訓練階段的應用和服務化，來降低運營成本並最大化資源利用效率，使數據發揮最大價值，有望在市場中佔據有利地位。

《環球問策》：本欄目將聚焦於全球經濟熱點、重大政策調整及前沿商業趨勢，通過深度分析和權威解讀，為讀者提供獨到見解。我們不僅關注大型跨國公司的業務發展策略，也着眼於新興市場中的機遇與挑戰；不僅剖析政策變動背後的深層邏輯，還評估這些變動對不同行業領域的長遠影響。