阿里云谈AI下半场 数据库已经开始比拼性价比

【环球网科技报道 记者 李文瑶】在近日举办的2025阿里云PolarDB开发者大会上，阿里云宣布PolarDB登顶全球数据库性能及性价比排行榜。

根据国际数据库事务处理性能委员会（TPC，Transaction Processing Performance Council）官网披露，阿里云PolarDB云原生数据库以超越原记录2.5倍的性能一举登顶TPC-C基准测试排行榜，以每分钟20.55亿笔交易（tpmC）和单位成本0.8元人民币（price/tpmC）的成绩刷新TPC-C性能和性价比双榜的世界纪录。

这意味着PolarDB的自研云原生架构不仅突破了单集群的扩展性瓶颈，还成功扛住了全球最大规模的并发交易峰值，在性能、可扩展性等多个维度领跑全球。

“这次打榜成绩是0.8元tpmC，做到之前最好成绩的2/3，而从本质上来看就是降成本。”阿里云智能集团副总裁、数据库产品事业部负责人李飞飞在接受采访时说道，本质上所有系统降本的终极目标，就是把存量资源、有限资源100%用起来。

AI时代，数据库的核心演进方向是“AI原生化”与“架构融合化”，通过智能运维、多模一体化、云原生弹性及开源生态，实现资源极致利用与AI能力深度耦合，最终降低企业智能化转型门槛。

AI接入数据库 打造“极致”性价比

在2025 阿里云PolarDB开发者大会上，云原生数据库PolarDB正式推出内置大模型的PolarDB AI版本，帮助个人和企业开发者快速部署并上线AI应用。PolarDB AI节点采用模型算子化形态，支持用户在数据库内部直接进行搜索推理优化，在线推理吞吐量可提升10倍以上，显著降低用户部署成本。

“阿里云PolarDB将Data+AI全面融合，旨在为用户提供更普惠、易用的数据管理平台，帮助个人开发者和企业用户用数据驱动创新”，阿里云副总裁、数据库产品事业部负责人李飞飞表示。我们将面向云原生、AI驱动持续演进，让AI时代的数据库开发像“搭积木”一样简单，显著降低数据库的应用门槛。

从产品来看，此次推出的全新版本，聚焦性能突破、极致性价比与AI深度融合三大方向，旨在通过技术创新降低企业数据处理成本并提升效率。

例如，在云原生构架上，通过共享存储、分布式块存储（PolarStore）和物理日志（Redo Log）优化，实现高并发与低延迟。基于CXL Switch的机型部署于公共云专属资源池，提升内存资源利用率。在AI原生能力上，将大模型（如DeepSeek、通义千问）内嵌数据库内核，支持推理加速与内存外溢管理，推理吞吐量提升10倍以上。

简单来说，数据库即AI服务，AI能力需深度嵌入数据库（如推理加速），将大模型（如DeepSeek）直接集成到数据库内核，实现端到端推理加速。

而价格的降低，也触动了行业的敏感点。对此，李飞飞表示，不计成本地进行价格战，目的是通过烧钱策略将竞争对手挤出市场。这种方式难以长期持续，因为它依赖于背后雄厚的资金支持。而基于技术进步和资源高效利用的竞争方式，旨在不断提高产品和服务的性价比。这是推动科技文明进步的关键，也是更可持续的发展模式。

PolarDB是希望通过技术创新实现极致性价比，而不是简单的价格削减。例如，通过解除CPU与内存的紧耦合，相同的内存可以支持更多的负载，进一步降低运营成本。这种做法不仅提高了内存资源的利用率，还增强了系统的弹性和扩展性，使得竞争对手难以模仿或跟进。

李飞飞强调，阿里云数据库希望走的是极致技术优化来实现边际成本的下降，从而达到极致性价比。

软硬件协同是趋势

云原生数据库是专门为云计算环境设计的，它们通常采用分布式架构、支持自动扩展、提供高可用性和容错能力，并且能够有效利用云端资源的弹性特点。这些特性使得云原生数据库非常适合处理互联网业务中的大规模数据存储和访问需求。

随着AI技术的发展，尤其是深度学习和机器学习的应用日益广泛，对于数据存储和处理提出了新的要求。

AI原生数据库不仅关注于如何更高效地存储和管理数据，还致力于提供更加智能的服务。这意味着数据库可以理解数据内容并根据上下文做出决策，比如推荐系统可以根据用户的浏览历史提供个性化推荐。

在李飞飞看来，第一波AI浪潮主要由算法和模型的创新推动，如transformer架构。然而，随着技术的发展，目前AI领域在算法和模型上的突破变得有限，现在更侧重于系统层面的优化和分布式工程问题。

DeepSeek发布的开源库专注于系统层面的优化，比如数据库管理和分布式系统的改进，这些改进对于利用新硬件（如DPU）至关重要，并且具有巨大的实用价值。

“DeepSeek的横空出世让开源模型具备了复杂推理能力。”李飞飞认为，无论是PolarDB还是DeepSeek的成功都表明，软件与硬件协同工作的能力将是未来的主流趋势。仅依靠软件层面的创新已不足以支持技术的进一步发展，需要更加注重硬件层面上的优化与整合。

而未来GPU架构可能会朝着类似今天CPU架构的方向发展，实现计算、内存和存储的分离和池化，以提高效率和降低成本。当前的研发重点在于如何高效地使用昂贵的GPU资源，并通过CPU+DRAM等辅助手段来降低整体计算成本。

抓住AI爆发关键期

从企业的角度来看，企业不希望为了应对大模型等技术对数据库提出的多种要求（如同时需要向量、图数据库及内存数据库），而必须掌握并管理多种不同类型的数据库。这不仅增加了技术技能的需求，也使得与多个数据库供应商的关系管理变得复杂。

因此，Gartner高级研究总监，全球云数据库魔力象限主笔人顾星宇认为，未来的发展趋势指向数据库的一体化，即将多种类型的数据库功能整合到一个平台中，从而简化选择和管理过程。这种一体化解决方案被认为将在未来的云上数据生态发展中扮演重要角色。

当前是AI应用爆发的关键时期，抓住这一机遇至关重要。李飞飞认为，谁能够在AI技术与现有业务和数据处理流程的结合上取得先机，谁就能在这个领域获得显著的竞争优势。也就是说，企业通过有效整合AI技术与现有的业务和数据处理流程，特别是重视后训练阶段的应用和服务化，来降低运营成本并最大化资源利用效率，使数据发挥最大价值，有望在市场中占据有利地位。