時刻新聞
毛雅婷
2015年，PingCAP（平凱星辰）創(chuàng)業(yè)第一天記錄下第一行代碼時，“開源”就成為這家分布式數據庫廠商最大的標簽。此后十年時間里，PingCAP服務了超過45個國家的4000家企業(yè)，創(chuàng)立的分布式數據庫產品TiDB，更是在GitHub上總計獲得超過37000顆星，是數據庫領域有著極大影響力的開源項目。
正因為信奉開源，PingCAP企業(yè)文化中的決策民主、開放自由吸引了很多人加入，其中就包括PingCAP副總裁劉松。
作為軟件行業(yè)20多年的從業(yè)者，劉松先后在Oracle、阿里云任職，他給自己的標簽是“互聯(lián)網原教旨主義者”和“AI降臨派”。很多人把AI看作今天一個新的技術范式，劉松卻覺得AI技術是互聯(lián)網技術的延伸，正是得益于互聯(lián)網過去沉淀的數據和云基礎設施，AI才變得如此強大。
所以面對這波AI技術浪潮，劉松想到了不同的隱喻。他認為AI帶著“弒父”的技術屬性的同時，也因為缺乏場景、用戶、流量等，不可避免背著“丫鬟命”。
而對數據庫行業(yè)而言，劉松判斷AI會成為“云+全球化+開源”以外的第四足，將來不僅會重新改寫數據庫廠商的估值，也會重塑整個行業(yè)的競爭格局。
信通院發(fā)布的《數據庫發(fā)展研究報告（2025年）》顯示，過去一年，中國的數據庫廠商減少了64家，競爭在加劇，面對Oracle等傳統(tǒng)巨頭，PingCAP拒絕做簡單的平替，而是希望靠產品力和生態(tài)勝出。而經過十年打磨，PingCAP的產品無論在國內還是全球，都得到了驗證。不僅在國內市場中殺出一條血路，也在海外市場的商業(yè)化方面獲得巨大突破。
近日，劉松接受了「創(chuàng)·問」編輯部的訪談，談到了他對數據庫與AI融合的趨勢判斷，也分享了PingCAP如何深耕國內市場的同時，還走出了一條高度本地化的出海之路。
如果說上一代互聯(lián)網公司改變了中國人的生活和運用技術的方式，那劉松希望PingCAP能塑造一種新的公司范式——成為世界上最好且最受尊敬的基礎軟件公司。
全文分享如下：
Q：華創(chuàng)資本
A：PingCAP副總裁劉松
01AI技術的屬性是弒父
華創(chuàng)資本：你在今年1月就預測DeepSeek會帶來重大轉折，后來的確應驗了，從你的視角觀察，這一波AI技術的浪潮意味著什么？
劉松：關于這一代AI，我有兩個隱喻。
第一個是“弒父”，新的技術只要一出來，原有的技術，不管是“爺爺”還是“父親”全部都沒有意義了，就像GPT對于NLP的顛覆一樣，之后下一代出來的東西很有可能也會把當前GPT的模式完全殺掉，所以這種“弒父”屬性，讓AI具備了特別強的顛覆能力。
第二個是“丫鬟命”，AI技術就算再強大，目前也只是工具型的技術，它自己本身并不構成一個用戶層級的賽道，還需要找到一個有場景、有用戶、有流量的“豪門”，這也是為什么扎克伯格要花1億美金去OpenAI挖人的原因。所以我認為五年之內，AI+流量還是AI應用的主航道。尤其對于AI領域的創(chuàng)業(yè)者，如果想不清楚AI技術模式和流量怎么疊加，那后續(xù)的商業(yè)模式也會很難。
華創(chuàng)資本：那你怎么看待AI這兩年給軟件行業(yè)帶來的沖擊？
劉松：在大模型出現(xiàn)之前，數字化互聯(lián)網解決的其實是信息不對稱、協(xié)同效率等問題，而結合了高質量數據的大模型，帶來的是一場認知革命。
過去我們熟悉的移動互聯(lián)網，本質上還是數據+算法驅動，無論刷淘寶還是刷抖音，都是依靠推薦算法、依賴數據庫技術而不是腦力。但推理大模型本身就具備了認知能力，它在很多方面都比人做得更好。相比之下，人的優(yōu)勢可能只剩下一些隱含式的經驗了。
所以AI帶來最大的變革，是從上一代的云計算時代的數據驅動，走向了認知革命。
華創(chuàng)資本：隨著AI和大模型融合發(fā)展，“數據庫”的角色是否也正在發(fā)生變化？
劉松：我認為會發(fā)生根本性的變化。我們CTO黃東旭說過一個基本邏輯：“未來的數據庫一定是面向Agent的，因為之前的數據庫是面向數據工程師和DBA的?！?/p>
每個Agent就是一個智能代理，它的上層是UI，下面是知識檢索，中間有流程引擎、知識圖譜，基礎是數據。有了這樣的Agent，很多助理、運營、營銷、客服等崗位做的事情，就很容易被自動化。我們做了兩件事來提升RAG效果：第一，構建動態(tài)知識圖譜；第二，通過定向訓練模型的思維鏈，來動態(tài)規(guī)劃RAGFlow（開源項目StackVM)，我們認為未來的Agent會是：定向訓練的推理模型+上下文工程+工具調用+記憶。
當業(yè)務Agent去訪問數據時，數據庫越來越成為一個大的記憶體，那它如何跟業(yè)務Agent有效交互呢？CEO們都希望把自然語言變成SQL，然后自動獲得一個答案。但這會面臨一個難題：CEO們問的問題空間是無窮的，但它轉化成SQL能理解的范圍以及數據里面已有的準備是有限的，而且今天這個問答的準確率最多也就到85%，甚至不到90%。
所以Agent在從ToC到ToB的逐步演進里，如果能從dothingright到dorightthing，就說明它變得越來越成熟、越來越靠譜了，也就像人類一樣，形成了感知、理解、規(guī)劃、決策、執(zhí)行的閉環(huán)。
華創(chuàng)資本：PingCAP服務的客戶來自各行各業(yè)，從他們的需求來看，AI在企業(yè)中落地的最大推動力和變化是什么？
劉松：我見了很多互聯(lián)網、金融等行業(yè)的客戶，不管是證券、保險還是醫(yī)療，在以前，AI項目基本是IT人的活兒，其他人是不太在意的。
但從今年2月份開始，我看到最大的變化是所有業(yè)務人員都認為我要做好自己的AI，他們突然都變得非常積極，追著IT人員說我要上AI項目。他們已經看到能用AI解決生活中的很多問題，為什么工作上不能呢？所以就希望IT部門幫他們訓一個Agent，提升精確度。好的業(yè)務Agent需要業(yè)務人員輸入自己的專業(yè)知識，培養(yǎng)出一個“老專家”，這樣就能減少自己日常的工作量，這是AI解決的知識自動化的問題。
就像當年APP盛行的時候一樣，之所以2012年成為一個拐點，就是所有人都開始用智能手機來解決生活問題，然后解決工作問題?，F(xiàn)在Agent就是那一代的升級版，只是有了推理能力后，變成了一個更加自動化的腦力工具。它的形態(tài)就是在APP上疊加了一層更快速地自動分析和執(zhí)行的邏輯。
未來最理想的情況就是大家都能把自己的數字分身——行業(yè)Agent模型訓出來，然后把常規(guī)的工作都交給AI，人只負責規(guī)劃和創(chuàng)意，我覺得這可能是值得期待的未來。因為對于中國的職場人，最現(xiàn)實的事情不就兩個：不被AI替代以及不用加班，后者是未來五年最值得努力的目標。
作為一個“降臨派”，我覺得AI首要的意義是解放人，而對中國社會的正面目標在于：第一，不加班也不裁員；第二，增加工作的意義和樂趣；第三，老有所養(yǎng)；第四，給弱者公平且非歧視性的幸福權利。
華創(chuàng)資本：AI時代到來后，你剛剛提到的那些客戶，對數據庫是不是也提出了一些新的要求？
劉松：最近我剛在上海見了一個客戶就很有前瞻性，首先他們說根本不關心應用，因為分分鐘可以做出來，真正的護城河其實是數據。其次，做出來的Agent雖然效果也不錯，但他們更關心如何把精度從75%提升到95%。而背后的技術關鍵點其實就在數據庫和RAG里面。
因為現(xiàn)在一個基本的Agent組合，在大多數企業(yè)里面，上面有一個開發(fā)框架，像Dify；中間有一層RAG，比如我們現(xiàn)在做的是有一層開源的框架，叫AutoFlow，這是一套GraphRAG框架，開發(fā)者可以直接使用AutoFlow提供的封裝好的組件，組合使用，提高開發(fā)效率；再下面一層，是一個All-in-One的Database，支持向量/全文/圖數據等多模態(tài)存儲。
今天，全球TOP10的數據庫公司里已經有6家是All-in-One架構，這意味著SQLDatabase已經整合了向量檢索、全文檢索和圖數據處理功能，這種四庫合一All-in-One的Database在底層，通過統(tǒng)一的存儲引擎實現(xiàn)多模態(tài)數據管理。
未來可能的演進是下一代的DataAgent，這一層一定是靠AI技術和數據技術結合的。而這一層做好了，就成為回答業(yè)務Agent的一個代理人。比如業(yè)務Agent問一個問題：未來五天北京到大理，國航的機票，時間最好的，哪一天最便宜？那這個DataAgent將自動完成：跨數據庫檢索、多維度條件過濾、結果智能比對。業(yè)務Agent無需關心底層是SQL、向量數據庫還是圖數據庫，這些都被中間這層屏蔽了。所以，可能數據庫的邊界也會發(fā)生變化，數據庫包括大數據技術，在原有的范式里，它留在了存儲和CRUD，就是我都存儲好了，你用SQL來問，這種模式可能不夠了。因為業(yè)務Agent要用自然語言來問問題，所以中間這層——DataAgent這層會越來越厚，現(xiàn)在的雛形就是RAG和GraphRAG。
GraphRAG解決什么問題呢？舉個例子，我們有一個TiDB知識問答機器人，叫TiDB.AI(https://tidb.ai/)，可以用來問有關TiDB的任何問題。我們把過去10年1萬份技術文檔都丟進去訓，當我們南美的客戶碰到問題，他只需要問TiDB.AI就能解決，不需要專門的運維工程師去解答。
這里面的學問在于，這一萬份文檔在不斷更新，丟進去以后，文檔里面的知識點是怎么動態(tài)地被重新連接起來的？比如在數據庫運維場景里面，要把TiDB從7.5升級到8.1，我能不能用Agent的問答來執(zhí)行？它是不是把所有嚴肅性的邊界條件都check到了？我能不能相信它給我的建議和診斷？在這樣一個問題里面，要的是絕對知識的精度，所以僅僅用向量數據庫就不夠了，因為向量數據庫是以圖搜圖、找近似回答的邏輯。要考慮每個知識點的連接、嚴謹性和動態(tài)性，所以我們通過強化學習訓練一個小模型，在知識圖譜上進行有效的檢索來提升精度。
這是個工程問題，概括來說就是GraphRAG可能比樸素的RAG稍微走遠了一層，它將分散的知識點關聯(lián)在一起形成知識圖譜。而我們更進一步，通過訓練模型來不斷優(yōu)化知識圖譜的結構，以及在檢索時通過模型推理更精準地查找答案。
華創(chuàng)資本：假設Agent以后非常智能，它能繞過一般SQL或向量搜索，直接從數據庫中拿到想要的查詢結果嗎？
劉松：從長遠看來，有可能會實現(xiàn)，但這里有一個“悖論”。想要那樣聰明的“老師傅”Agent出現(xiàn)，首先還是要把老師傅的經驗和知識教給它才行。換句話說，要實現(xiàn)你說的“直取數據”，恰恰需要數據庫架構師、工程師把DataAgent給做出來。
表面上，用戶用自然語言一問，數據就自動出來了，好像跳過了數據庫。但其實，背后的存取過程一個步驟都沒少，只是被自動化以及對用戶隱藏了。這背后涉及海量的專業(yè)“竅門”：數據是怎么分布的？不同類型的數據怎么關聯(lián)？如何把一個看似簡單的查詢，用最高效的方式執(zhí)行出來？這樣大量的Know-How，不在大模型的腦子里，還是在數據庫這一群人的腦子里。
所以，用自然語言直取數據方式的最終實現(xiàn)，解鈴還須系鈴人。以用戶角度思考，Agent什么時候能變得我想要的那么聰明？還得那個行業(yè)領域的人把聰明和認知裝在里面，把推理能力、數據能力包括知識的動態(tài)更新的機制，全部做成一個真正的知識型的Agent才可以。
表面上看，DataAgent把撈數或者是一個任意自然語言問答自動化了，但這個過程本身很復雜。隨著它自己越來越智能和自動化，AI的能力需要更深入地與數據層結合。
然后再往底層，數據庫自己未來肯定也需要讓AI降臨，比如優(yōu)化查詢速度、自動管理數據分布（像TiDB的自動分片、自動伸縮、Serverless能力），甚至用AI來改進數據庫內核（這就是所謂的“AIforDB”）。
目前最關鍵的環(huán)節(jié)是怎么讓數據庫更好地服務業(yè)務Agent。大家普遍認為，需要一個中間的DataAgent或者叫“數據智能體”來充當橋梁，解決數據訪問的智能化問題，這一層現(xiàn)在尤為重要。
華創(chuàng)資本：數據庫在AIAgent系統(tǒng)中扮演什么角色？是“記憶體”、“知識庫”還是“決策引擎”？
劉松：都有。原來數據庫的邊界，最下層可以被認為是一個總體的數據存儲，或者多模態(tài)的數據存儲。
而中間這一層——DataAgent這一層，這幾個角色都有。它離具體業(yè)務很近，理解業(yè)務輸入和安全邊界，同時又能利用大模型的能力。這一層的核心任務，是把原始數據變成真正有用的業(yè)務知識。它不僅僅是加工數據，要考慮在這一層，怎么能夠在數據和知識的處理、優(yōu)化、沉淀方面提升，從而提煉出數據背后的“知識”；最終目標是實現(xiàn)更高級的“認知”，讓系統(tǒng)能像人一樣理解和推理。這一層直接服務于上層的業(yè)務Agent，不是原來的數據庫產品覆蓋的。
廣義來看，我們把它定義為“數據智能體”，它會跟上一層的應用層——業(yè)務Agent去打交道，會變得越來越厚、功能越來越豐富，包括MCP等能力都可能集成進來，甚至可能催生新的協(xié)議和行業(yè)標準。
在公有云環(huán)境里，它一定是以API的形式出現(xiàn)，且是一個組合。就像AWS發(fā)布的Agent智能體開發(fā)套件那樣，既提供構建上層業(yè)務Agent的工具和流程，也包括底層的數據處理和安全保障能力。
這一層廠商現(xiàn)在還沒有定義，大家都會去做，邊界還沒有那么清晰。數據庫、云、大模型的公司都會想要參與，因為這一層是現(xiàn)在的剛需。
02拒絕簡單的平替
華創(chuàng)資本：近日，Oracle市值盤中突破7000億美元，這個一度被人認為“傳統(tǒng)”的數據庫巨頭，用AI+云的組合拳打破了增長天花板。你怎么解讀這一現(xiàn)象？
劉松：我在Oracle有過十年的工作經歷，所以我非常理解拉里·埃里森（Oracle董事長兼CTO）的思維，作為一個創(chuàng)始人，當他面對一項新的技術比如大模型時，他的取舍是什么？轉化方式是什么？其實本質上就是這兩件事情。他的取舍是不做大模型，但做大模型必須的AIInfra，為此他又做了三件事：第一，找老黃（英偉達聯(lián)合創(chuàng)始人兼首席執(zhí)行官黃仁勛）買了很多GPU，構建出一個AIInfra。Oracle的云一直排第四，但它借助GPUCloud拉來了更多的客戶，因為不管做大模型的訓練還是推理，總得用GPU吧？這里面有一個基本的認知——AI的應用只有在云上才會進化得更快，因為云是今天軟件技術的集大成者。
第二，除了GPU以外，肯定還需要數據庫，在這方面，本來就有大量用戶用的是Oracle，原本他們并不想搬到云上，但Oracle為用戶提供了一個更全面的云平臺。所以AI帶動了Oracle云從線下向線上的加速遷移。
第三，Oracle原來的SaaS類別以FusionCloudERP和NetSuiteCloudERP等后臺解決方案為主導，只有在公有云上才會使用，很多SaaS還需要疊加大模型的能力，于是Oracle就把它進行了改造，所以Oracle反而變成這波AI里完全不在大模型上做投入，但僅僅圍繞AIInfra做了最好轉化的一家公司。
華創(chuàng)資本：這是否反映了市場對擁有深厚企業(yè)客戶根基和完整數據棧的傳統(tǒng)巨頭在AI時代變現(xiàn)潛力的重新評估？
劉松：我覺得這里面很多東西值得思考，如果不做大模型，怎么去定義大模型需要的東西？怎么結合你原來的優(yōu)勢？對Oracle來說，GPU不是優(yōu)勢，但有云這個基礎；數據庫是原來的優(yōu)勢，但它們需要轉化；整個應用或者SaaS，需要疊加AI。
其實Salesforce也一樣，它也不做大模型，但加了AI后，對客戶的效率也提升了很多，所以在整個ToB領域，本質上是轉化、疊加的邏輯，而在ToC一側，可能是顛覆邏輯。
所以每一個傳統(tǒng)IT廠商，其實最重要的思考就是在大模型改變未來范式的時候，那個客戶需要的、不變的東西是什么？我需要+AI把它呈現(xiàn)出來，然后這個客戶就會繼續(xù)用我的產品。
AI到來之后，任何一個ToB領域的CEO、創(chuàng)始人，都應該思考的問題就是我的取舍、我的邊界以及既有的客戶資產是不是發(fā)生了變化？這三樣東西想清楚了以后，模型怎么跑跟我無關，但模型能力越強，就能越變成我的拉力，然后才能轉化成商業(yè)模式，所以我覺得Oracle這個例子很值得思考。
這里面還隱含了一個邏輯：在ToB領域，無論推理能力多么強大，永遠離不開流程、數據，以及很關鍵的安全。比如在模型問答方面，客戶得到的回答是否超過了他的權限？怎么確保他問到的問題里面是有護欄能夠識別的？可以暴露給他多少信息，這些都需要做好。
華創(chuàng)資本：對于PingCAP這樣的新興廠商，在AI時代與傳統(tǒng)數據庫巨頭的競爭焦點會是什么？
劉松：作為原生分布式的廠商，PingCAP獨立研發(fā)的新型數據庫產品TiDB，最大的標簽就是高擴展性，其次是HTAP混合負載、云原生，這兩年又增加了AI，我們本身服務的都是數據量大、高速增長，并且有混合負載需求的客戶，場景更多集中于泛互聯(lián)網和金融。在All-in-One方面，我們既有的客戶想增加AI的能力，我們可以讓他不用修改習慣就能夠做AI相關的事情，這是我們一個很大的甜點。
我過去半年在國內觀察到一個很有意思的現(xiàn)象，在ToB垂直領域，有大概50%的AI項目的負責人，原來可能都是管數據庫的，因為大模型本身已經很強了，要想把一個ToB的項目做好，花在數據上的時間可能要接近60%，通常數據的臟活累活最多。
雖然行業(yè)都在吃這塊甜點，但我們的定位會有差異。我經常用一個比喻：集中式數據庫Oracle已經是頂峰了，它相當于是油車，而PingCAP這種分布式的架構相當于電車。同樣都是開車，解決的問題最終是一樣的，但引擎的處理方式不一樣。分布式架構就像電車一樣，你的性能上限是更容易達到的。我們很多國內的大客戶，如銀行、保險、證券、運營商、能源、醫(yī)療等行業(yè)，有大量客戶從Oracle、MySQL改用TiDB的，總體成本肯定會更低、擴展性和混合分析的能力也會更強，這是技術的紅利。
華創(chuàng)資本：基于這樣的技術紅利，PingCAP要做些什么事情來持續(xù)深耕中國市場？
劉松：全世界沒有任何一個市場像中國這樣，對于數據處理有這么極致的要求。美國也沒有雙十一這樣體量的購物節(jié)，沒有像中國的銀行業(yè)這么龐大的客戶體量，7×24小時的服務，還有手機銀行、數字支付、即時到賬、內部報表等等各種對數據極致的需求。
所以無論從交易數據量、分析能力、互聯(lián)網化等方面，中國在整個數據市場里面都是一座珠穆朗瑪峰，連Oracle都覺得中國市場的需求是他們創(chuàng)新的一個源泉。
對于PingCAP來說更是如此，我們成立這十年來最看家的本事，有七成都是國內市場最重要的金融和互聯(lián)網客戶教會我們的，而且我們前五年大部分的商業(yè)化貢獻，也是來自國內廣義的互聯(lián)網和金融機構，我們才得以到今天這樣的市場地位。
所以，我們到了美國、日本、歐洲，都是降維打擊，就是因為過去十年，在中國這個最卷的技術市場，有最多的工程師紅利、最挑剔的客戶場景和最嚴格的合規(guī)規(guī)定，在這樣的環(huán)境中，PingCAP殺出了一條血路。
如果想做一家世界級的數據庫公司，中國無疑是一個需求的大本營，也始終是我們競爭力的基石，而且PingCAP大部分研發(fā)工程師都在中國境內，我們希望把自己在國內打磨的產品、積累的經驗延伸到海外。
最近針對國內特有的單機部署需求，我們平凱數據庫（TiDB企業(yè)版）做出了敏捷模式，未來針對中國市場還會推出新的版本。
華創(chuàng)資本：對數據庫廠商來說，當下是國產化替代的紅利嗎？
劉松：數據庫“國產化”不是簡單的平替，我們也拒絕這樣的平替，因為平替對客戶除了合規(guī)的意義外，沒有帶來新的價值。
PingCAP創(chuàng)業(yè)到現(xiàn)在，除了互聯(lián)網和金融外，也有很多其他行業(yè)的客戶，比如運營商、能源、醫(yī)療、交通，都對數據量要求很高。其實早在三四年前，就有大量醫(yī)療行業(yè)的客戶已經從MySQL遷移到TiDB了，因為它數據量很大，我們單體的醫(yī)療客戶就有100個TB這樣的級別，所以醫(yī)療也是未來我們非?？粗氐念I域。此外，還有交通等領域，也對7×24小時高可用有很大的需求。
所以，我們做的事情，更重要的意義在于給這些行業(yè)創(chuàng)造價值，是不是讓數據庫能夠處理更大的數據量？是不是有更好地數據共享能力，并且也能支持AI的應用？從這個角度看，不僅不是簡單的平替，反而還可能會增加成本。尤其單機部署的數據庫，因為沒有足夠的靈活性，在處理AI應用方面會遇到很大瓶頸，所以未來面對數據量越來越大、AI需求涌現(xiàn)，這二者結合時會對新一代數據庫提出更高的要求，這也是未來三、五年行業(yè)一個比較大的變化。事實上，市場已經在收縮了，最近《數據庫發(fā)展研究報告（2025年）》顯示，過去一年中國的數據庫廠商從167家變成了103家，減少了64家。
華創(chuàng)資本：為什么會有這么大的收縮？
劉松：因為數據庫在國產化的過程中，第一批客戶已經開始能夠分出好壞了，我們已經接到了大量二次替代的要求。
TiDB一直靠開源社區(qū)打磨，有些客戶在前期試用時就能體會到好用。過去幾年，很多客戶先后用過Oracle、MySQL，后來發(fā)現(xiàn)不管是數據量還是合規(guī)的角度，這些數據庫已經不能滿足他們的需求，希望能換成像PingCAP這樣更新一代的數據庫。
所以未來兩三年數據庫國產化進程中，廠商比拼的還是“好用”這個關鍵點。因為一個客戶有上百個系統(tǒng)，需要7×24小時地跑，每天應用的調用次數可能是上千萬甚至上億次，所以未來要從替代走向好用。此外，在AI這個時代，數據庫都要開始做到AIready，解決面向AI的擴展性的問題。這些因素疊加，都會導致市場競爭格局的變化。
數量收斂對產業(yè)總體來說是一件好事，因為全世界的數據庫現(xiàn)在也就不到400家，美國和中國就分別有146家和103家。未來誰能勝出，首先一定要靠產品力，其次是生態(tài)，包括上下游的生態(tài)和人才的生態(tài)。所以我們打磨了十年的開源產品，是經過了中國和全球用戶的驗證，才慢慢轉化成我們的客戶的。
03全球化需要高度本地化
華創(chuàng)資本：如果拿TiDB的成功經驗來說，在海外為什么能這么成功？做到了什么？劉松：數據庫這個軟件本身是通用的，這是一個基礎。然后要去看數據庫全球市場份額哪個國家大，就先去哪。美國占40%，日本可能有15%，歐洲也得布局，這是我們出海的基本邏輯，就是你的產品邊界決定了你全球的重心。
在全球化的成功路徑上，對我們來說最重要的、決定性的意義就是開源+云。
TiDB以開源為主，出海的時候面對復雜的地緣政治，我們作為一個完全開源的產品，客戶信任這個最難的問題已經解決了。接下來，云解決了商業(yè)模式的問題，因為云數據庫在2018年以后已經被驗證了，只要你能做出一個云數據庫，客戶就愿意采買，你只需要證明自己在某方面比亞馬遜、谷歌、微軟做得更好就可以。所以如果沒有這兩個，全球化就會很難。
此外，還有一個關鍵就是完全的本土化，比如我們在日本的員工，可能70%都只會說日語；我們在印度也有一個很小的分部，也都是印度人。
包括我們的文化是Remote-Friendly，遠程友好，這對于我們在海外招聘亞馬遜、Snowflake等硅谷大廠人才時是一個很有吸引力的選項。
從成立第一天起，PingCAP的企業(yè)文化就是技術文化、工程師的文化，全世界的程序員們都希望晚點起、盡量不去公司，很自由，才有創(chuàng)作靈感，這就很世界大同。
華創(chuàng)資本：但管理上的挑戰(zhàn)是不是會更復雜，會影響效率嗎？
劉松：如果只用一個詞來形容PingCAP，就是“分布式”，連我們三個創(chuàng)始人都是三副本的，他們各司其職，形成了一個小閉環(huán)。美國的同事就解決美國的問題，日本同事解決日本的問題，印度同事解決印度的問題，決策時尊重每位員工的意見。所以在我們公司里面可能有一個傳統(tǒng)，任何一件事情，不管什么情況，只要有一個員工提出反對意見，我們都要嚴肅地去聽他的理由是什么？就像我們數據庫的共識算法一樣，最終達成一致才能繼續(xù)往下執(zhí)行。因為要顧及盡量多人的意見，可能決策效率沒有那么快，但肯定也屏蔽了很多快速決策的坑。這可能很適合數據庫公司，因為這個賽道是長期主義的，我們不追求絕對的快，數據庫已經被很多人用起來了，穩(wěn)定是第一位的，其次是在這個基礎上再增加很多功能，這是我們行業(yè)的業(yè)態(tài)決定的。
所以回頭看，這十年PingCAP做過的明顯錯誤的決定比較少，我們不會因為短期利益去做出一個快速的決策，這可能也是文化上的差異吧。
華創(chuàng)資本：我們看到一個現(xiàn)象，很多AInative的軟件創(chuàng)業(yè)公司在成立第一天就選擇了出海，這跟上一代大多數軟件創(chuàng)業(yè)者非常不一樣。你說過，出海這件事，選擇大于努力，那在數據庫領域如何具象化？劉松：數據庫和AI可能還不太一樣，在中國是能打磨出一個世界級數據庫產品的，而AI首先要解決快速獲得流量以及技術棧的低成本問題。
選擇大于努力的意思是即使出海，有些國家就是更容易成功，比如做數據庫，就不得不做美國這個市場，因為它最大；但如果做AI游戲，可能在東南亞更容易成功，畢竟文化壁壘更小。
今天中國消費類互聯(lián)網的玩法，比如小紅書、抖音，和美國、歐洲都是有區(qū)別的，這背后還不是一個簡單的選擇，里面有好多參數，尤其做應用，涉及到文化、習慣、宗教、合規(guī)、隱私保護等等，所以壁壘還是比較多的。
華創(chuàng)資本：你曾說“云+全球化+開源”是數據庫公司持續(xù)成功的鐵三角——但AI時代來了，這個鐵律要改寫嗎？
劉松：我認為要再加一個AI，現(xiàn)在是這四樣東西在塑造，甚至直白點說，五年以后數據庫廠商的估值就跟這四個東西有關。
其實數據庫是一個接近50年歷史的賽道了，它古老而年輕，最開始解決的問題很簡單，就是ERP時代的存儲問題，為什么又年輕了呢？因為數據的需求不斷在改變。
第二，它是“四世同堂”的，就是幾代技術都還活著，Oracle在，我們這種新一代的公司也在，但過去十年，數據庫主要是被開源和云定義的，云數據庫的崛起以及開源數據庫變成了主流的方向。因為開源數據庫可以跑得更快，現(xiàn)在又疊加了AI，“開源+AI+云”三者形態(tài)又有一個化學反應。
反過來講，這兩年大模型開源也是個話題，DeepSeek就證明開源大模型會跑得更快，所以AI+的領域都要考慮這四樣。
華創(chuàng)資本：作為軟件行業(yè)過去20多年的一個親歷者和觀察者，從Oracle、阿里云到PingCAP，你的技術和商業(yè)視角有什么轉變？對行業(yè)的理解有哪些認知上的變化？
劉松：2007年時，我還在Oracle，但我那個時候就對互聯(lián)網比較感興趣，決定開始寫blog?！安┛汀边@個詞現(xiàn)在已經很古老了，但那是我互聯(lián)網原教旨主義的起點，你只有變成一個blogger，寫了三四百篇文章，你才能知道互聯(lián)網是怎樣一個世界，我的網感就是那個時候培養(yǎng)出來的。
我當時算是外企IT人里面一直在關注互聯(lián)網技術和模式的，當時我就認為互聯(lián)網是先進生產力。后來“棱鏡門”事件發(fā)生，再加上公有云已經開始，我覺得應該靠近一個互聯(lián)網公司，所以后來就去了阿里云，讓我對互聯(lián)網積累了很多Know-How。
這幾段職業(yè)經歷，讓我意識到公有云始終是所有新一代IT技術的集大成者，哪怕AI，也要基于云才能有力量。因為某種意義上講，大模型要做Agent，也需要用底層的云資源，要用數據、開發(fā)工具、算力、GPU等。
云最大的價值，就是回到互聯(lián)網原教旨主義，相信一個絕對低的門檻，通過網絡的東西會帶來奇跡。所以過去十年，其實是公有云推動了整個中國互聯(lián)網的發(fā)展和全球化。
華創(chuàng)資本：你覺得數據庫行業(yè)未來最重要的技術上的拐點可能會是什么？
劉松：從云的角度，放眼全球，Serverless肯定是一個關鍵的技術，它會越來越普及，因為它符合未來更靈活、更高擴展性的一體化的消費模式；第二，是AI與數據庫的結合，Data+AI，尤其是DataAgent，肯定是未來非常關鍵的賽道，它甚至獨立于數據庫本身；最后一點就是數據庫未來的形態(tài)，5年以后的數據庫，是不是能很好地服務Agent，我覺得這幾個是未來最關鍵的拐點。
來源：紅網
作者：張群江
編輯：陳威瑞
本文為紅辣椒評論 原創(chuàng)文章，僅系作者個人觀點，不代表紅網立場。轉載請附原文出處鏈接和本聲明。