2015年，PingCAP（平凱星辰）創(chuàng)業(yè)第一天記錄下第一行代碼時(shí)，“開(kāi)源”就成為這家分布式數(shù)據(jù)庫(kù)廠商最大的標(biāo)簽。此后十年時(shí)間里，PingCAP服務(wù)了超過(guò)45個(gè)國(guó)家的4000家企業(yè)，創(chuàng)立的分布式數(shù)據(jù)庫(kù)產(chǎn)品TiDB，更是在GitHub上總計(jì)獲得超過(guò)37000顆星，是數(shù)據(jù)庫(kù)領(lǐng)域有著極大影響力的開(kāi)源項(xiàng)目。

正因?yàn)樾欧铋_(kāi)源，PingCAP企業(yè)文化中的決策民主、開(kāi)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(biāo)簽是“互聯(lián)網(wǎng)原教旨主義者”和“AI降臨派”。很多人把AI看作今天一個(gè)新的技術(shù)范式，劉松卻覺(jué)得AI技術(shù)是互聯(lián)網(wǎng)技術(shù)的延伸，正是得益于互聯(lián)網(wǎng)過(guò)去沉淀的數(shù)據(jù)和云基礎(chǔ)設(shè)施，AI才變得如此強(qiáng)大。

所以面對(duì)這波AI技術(shù)浪潮，劉松想到了不同的隱喻。他認(rèn)為AI帶著“弒父”的技術(shù)屬性的同時(shí)，也因?yàn)槿狈?chǎng)景、用戶、流量等，不可避免背著“丫鬟命”。

而對(duì)數(shù)據(jù)庫(kù)行業(yè)而言，劉松判斷AI會(huì)成為“云+全球化+開(kāi)源”以外的第四足，將來(lái)不僅會(huì)重新改寫(xiě)數(shù)據(jù)庫(kù)廠商的估值，也會(huì)重塑整個(gè)行業(yè)的競(jìng)爭(zhēng)格局。

信通院發(fā)布的《數(shù)據(jù)庫(kù)發(fā)展研究報(bào)告（2025年）》顯示，過(guò)去一年，中國(guó)的數(shù)據(jù)庫(kù)廠商減少了64家，競(jìng)爭(zhēng)在加劇，面對(duì)Oracle等傳統(tǒng)巨頭，PingCAP拒絕做簡(jiǎn)單的平替，而是希望靠產(chǎn)品力和生態(tài)勝出。而經(jīng)過(guò)十年打磨，PingCAP的產(chǎn)品無(wú)論在國(guó)內(nèi)還是全球，都得到了驗(yàn)證。不僅在國(guó)內(nèi)市場(chǎng)中殺出一條血路，也在海外市場(chǎng)的商業(yè)化方面獲得巨大突破。

近日，劉松接受了「創(chuàng)·問(wèn)」編輯部的訪談，談到了他對(duì)數(shù)據(jù)庫(kù)與AI融合的趨勢(shì)判斷，也分享了PingCAP如何深耕國(guó)內(nèi)市場(chǎng)的同時(shí)，還走出了一條高度本地化的出海之路。

如果說(shuō)上一代互聯(lián)網(wǎng)公司改變了中國(guó)人的生活和運(yùn)用技術(shù)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(chǔ)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(shù)的屬性是弒父

華創(chuàng)資本：你在今年1月就預(yù)測(cè)DeepSeek會(huì)帶來(lái)重大轉(zhuǎn)折，后來(lái)的確應(yīng)驗(yàn)了，從你的視角觀察，這一波AI技術(shù)的浪潮意味著什么？

劉松：關(guān)于這一代AI，我有兩個(gè)隱喻。

第一個(gè)是“弒父”，新的技術(shù)只要一出來(lái)，原有的技術(shù)，不管是“爺爺”還是“父親”全部都沒(méi)有意義了，就像GPT對(duì)于NLP的顛覆一樣，之后下一代出來(lái)的東西很有可能也會(huì)把當(dāng)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(qiáng)的顛覆能力。

第二個(gè)是“丫鬟命”，AI技術(shù)就算再?gòu)?qiáng)大，目前也只是工具型的技術(shù)，它自己本身并不構(gòu)成一個(gè)用戶層級(jí)的賽道，還需要找到一個(gè)有場(chǎng)景、有用戶、有流量的“豪門(mén)”，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(rèn)為五年之內(nèi)，AI+流量還是AI應(yīng)用的主航道。尤其對(duì)于AI領(lǐng)域的創(chuàng)業(yè)者，如果想不清楚AI技術(shù)模式和流量怎么疊加，那后續(xù)的商業(yè)模式也會(huì)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(lái)的沖擊？

劉松：在大模型出現(xiàn)之前，數(shù)字化互聯(lián)網(wǎng)解決的其實(shí)是信息不對(duì)稱、協(xié)同效率等問(wèn)題，而結(jié)合了高質(zhì)量數(shù)據(jù)的大模型，帶來(lái)的是一場(chǎng)認(rèn)知革命。

過(guò)去我們熟悉的移動(dòng)互聯(lián)網(wǎng)，本質(zhì)上還是數(shù)據(jù)+算法驅(qū)動(dòng)，無(wú)論刷淘寶還是刷抖音，都是依靠推薦算法、依賴數(shù)據(jù)庫(kù)技術(shù)而不是腦力。但推理大模型本身就具備了認(rèn)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(shì)可能只剩下一些隱含式的經(jīng)驗(yàn)了。

所以AI帶來(lái)最大的變革，是從上一代的云計(jì)算時(shí)代的數(shù)據(jù)驅(qū)動(dòng)，走向了認(rèn)知革命。

華創(chuàng)資本：隨著AI和大模型融合發(fā)展，“數(shù)據(jù)庫(kù)”的角色是否也正在發(fā)生變化？

劉松：我認(rèn)為會(huì)發(fā)生根本性的變化。我們CTO黃東旭說(shuō)過(guò)一個(gè)基本邏輯：“未來(lái)的數(shù)據(jù)庫(kù)一定是面向Agent的，因?yàn)橹暗臄?shù)據(jù)庫(kù)是面向數(shù)據(jù)工程師和DBA的?！?/p>

每個(gè)Agent就是一個(gè)智能代理，它的上層是UI，下面是知識(shí)檢索，中間有流程引擎、知識(shí)圖譜，基礎(chǔ)是數(shù)據(jù)。有了這樣的Agent，很多助理、運(yùn)營(yíng)、營(yíng)銷(xiāo)、客服等崗位做的事情，就很容易被自動(dòng)化。我們做了兩件事來(lái)提升RAG效果：第一，構(gòu)建動(dòng)態(tài)知識(shí)圖譜；第二，通過(guò)定向訓(xùn)練模型的思維鏈，來(lái)動(dòng)態(tài)規(guī)劃RAGFlow（開(kāi)源項(xiàng)目StackVM)，我們認(rèn)為未來(lái)的Agent會(huì)是：定向訓(xùn)練的推理模型+上下文工程+工具調(diào)用+記憶。

當(dāng)業(yè)務(wù)Agent去訪問(wèn)數(shù)據(jù)時(shí)，數(shù)據(jù)庫(kù)越來(lái)越成為一個(gè)大的記憶體，那它如何跟業(yè)務(wù)Agent有效交互呢？CEO們都希望把自然語(yǔ)言變成SQL，然后自動(dòng)獲得一個(gè)答案。但這會(huì)面臨一個(gè)難題：CEO們問(wèn)的問(wèn)題空間是無(wú)窮的，但它轉(zhuǎn)化成SQL能理解的范圍以及數(shù)據(jù)里面已有的準(zhǔn)備是有限的，而且今天這個(gè)問(wèn)答的準(zhǔn)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(jìn)里，如果能從dothingright到dorightthing，就說(shuō)明它變得越來(lái)越成熟、越來(lái)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(wù)的客戶來(lái)自各行各業(yè)，從他們的需求來(lái)看，AI在企業(yè)中落地的最大推動(dòng)力和變化是什么？

劉松：我見(jiàn)了很多互聯(lián)網(wǎng)、金融等行業(yè)的客戶，不管是證券、保險(xiǎn)還是醫(yī)療，在以前，AI項(xiàng)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(kāi)始，我看到最大的變化是所有業(yè)務(wù)人員都認(rèn)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(shuō)我要上AI項(xiàng)目。他們已經(jīng)看到能用AI解決生活中的很多問(wèn)題，為什么工作上不能呢？所以就希望IT部門(mén)幫他們訓(xùn)一個(gè)Agent，提升精確度。好的業(yè)務(wù)Agent需要業(yè)務(wù)人員輸入自己的專業(yè)知識(shí)，培養(yǎng)出一個(gè)“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(shí)自動(dòng)化的問(wèn)題。

就像當(dāng)年APP盛行的時(shí)候一樣，之所以2012年成為一個(gè)拐點(diǎn)，就是所有人都開(kāi)始用智能手機(jī)來(lái)解決生活問(wèn)題，然后解決工作問(wèn)題?，F(xiàn)在Agent就是那一代的升級(jí)版，只是有了推理能力后，變成了一個(gè)更加自動(dòng)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(dòng)分析和執(zhí)行的邏輯。

未來(lái)最理想的情況就是大家都能把自己的數(shù)字分身——行業(yè)Agent模型訓(xùn)出來(lái)，然后把常規(guī)的工作都交給AI，人只負(fù)責(zé)規(guī)劃和創(chuàng)意，我覺(jué)得這可能是值得期待的未來(lái)。因?yàn)閷?duì)于中國(guó)的職場(chǎng)人，最現(xiàn)實(shí)的事情不就兩個(gè)：不被AI替代以及不用加班，后者是未來(lái)五年最值得努力的目標(biāo)。

作為一個(gè)“降臨派”，我覺(jué)得AI首要的意義是解放人，而對(duì)中國(guó)社會(huì)的正面目標(biāo)在于：第一，不加班也不裁員；第二，增加工作的意義和樂(lè)趣；第三，老有所養(yǎng)；第四，給弱者公平且非歧視性的幸福權(quán)利。

華創(chuàng)資本：AI時(shí)代到來(lái)后，你剛剛提到的那些客戶，對(duì)數(shù)據(jù)庫(kù)是不是也提出了一些新的要求？

劉松：最近我剛在上海見(jiàn)了一個(gè)客戶就很有前瞻性，首先他們說(shuō)根本不關(guān)心應(yīng)用，因?yàn)榉址昼娍梢宰龀鰜?lái)，真正的護(hù)城河其實(shí)是數(shù)據(jù)。其次，做出來(lái)的Agent雖然效果也不錯(cuò)，但他們更關(guān)心如何把精度從75%提升到95%。而背后的技術(shù)關(guān)鍵點(diǎn)其實(shí)就在數(shù)據(jù)庫(kù)和RAG里面。

因?yàn)楝F(xiàn)在一個(gè)基本的Agent組合，在大多數(shù)企業(yè)里面，上面有一個(gè)開(kāi)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(kāi)源的框架，叫AutoFlow，這是一套GraphRAG框架，開(kāi)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(kāi)發(fā)效率；再下面一層，是一個(gè)All-in-One的Database，支持向量/全文/圖數(shù)據(jù)等多模態(tài)存儲(chǔ)。

今天，全球TOP10的數(shù)據(jù)庫(kù)公司里已經(jīng)有6家是All-in-One架構(gòu)，這意味著SQLDatabase已經(jīng)整合了向量檢索、全文檢索和圖數(shù)據(jù)處理功能，這種四庫(kù)合一All-in-One的Database在底層，通過(guò)統(tǒng)一的存儲(chǔ)引擎實(shí)現(xiàn)多模態(tài)數(shù)據(jù)管理。

未來(lái)可能的演進(jìn)是下一代的DataAgent，這一層一定是靠AI技術(shù)和數(shù)據(jù)技術(shù)結(jié)合的。而這一層做好了，就成為回答業(yè)務(wù)Agent的一個(gè)代理人。比如業(yè)務(wù)Agent問(wèn)一個(gè)問(wèn)題：未來(lái)五天北京到大理，國(guó)航的機(jī)票，時(shí)間最好的，哪一天最便宜？那這個(gè)DataAgent將自動(dòng)完成：跨數(shù)據(jù)庫(kù)檢索、多維度條件過(guò)濾、結(jié)果智能比對(duì)。業(yè)務(wù)Agent無(wú)需關(guān)心底層是SQL、向量數(shù)據(jù)庫(kù)還是圖數(shù)據(jù)庫(kù)，這些都被中間這層屏蔽了。所以，可能數(shù)據(jù)庫(kù)的邊界也會(huì)發(fā)生變化，數(shù)據(jù)庫(kù)包括大數(shù)據(jù)技術(shù)，在原有的范式里，它留在了存儲(chǔ)和CRUD，就是我都存儲(chǔ)好了，你用SQL來(lái)問(wèn)，這種模式可能不夠了。因?yàn)闃I(yè)務(wù)Agent要用自然語(yǔ)言來(lái)問(wèn)問(wèn)題，所以中間這層——DataAgent這層會(huì)越來(lái)越厚，現(xiàn)在的雛形就是RAG和GraphRAG。

GraphRAG解決什么問(wèn)題呢？舉個(gè)例子，我們有一個(gè)TiDB知識(shí)問(wèn)答機(jī)器人，叫TiDB.AI(https://tidb.ai/)，可以用來(lái)問(wèn)有關(guān)TiDB的任何問(wèn)題。我們把過(guò)去10年1萬(wàn)份技術(shù)文檔都丟進(jìn)去訓(xùn)，當(dāng)我們南美的客戶碰到問(wèn)題，他只需要問(wèn)TiDB.AI就能解決，不需要專門(mén)的運(yùn)維工程師去解答。

這里面的學(xué)問(wèn)在于，這一萬(wàn)份文檔在不斷更新，丟進(jìn)去以后，文檔里面的知識(shí)點(diǎn)是怎么動(dòng)態(tài)地被重新連接起來(lái)的？比如在數(shù)據(jù)庫(kù)運(yùn)維場(chǎng)景里面，要把TiDB從7.5升級(jí)到8.1，我能不能用Agent的問(wèn)答來(lái)執(zhí)行？它是不是把所有嚴(yán)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(gè)問(wèn)題里面，要的是絕對(duì)知識(shí)的精度，所以僅僅用向量數(shù)據(jù)庫(kù)就不夠了，因?yàn)橄蛄繑?shù)據(jù)庫(kù)是以圖搜圖、找近似回答的邏輯。要考慮每個(gè)知識(shí)點(diǎn)的連接、嚴(yán)謹(jǐn)性和動(dòng)態(tài)性，所以我們通過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練一個(gè)小模型，在知識(shí)圖譜上進(jìn)行有效的檢索來(lái)提升精度。

這是個(gè)工程問(wèn)題，概括來(lái)說(shuō)就是GraphRAG可能比樸素的RAG稍微走遠(yuǎn)了一層，它將分散的知識(shí)點(diǎn)關(guān)聯(lián)在一起形成知識(shí)圖譜。而我們更進(jìn)一步，通過(guò)訓(xùn)練模型來(lái)不斷優(yōu)化知識(shí)圖譜的結(jié)構(gòu)，以及在檢索時(shí)通過(guò)模型推理更精準(zhǔn)地查找答案。

華創(chuàng)資本：假設(shè)Agent以后非常智能，它能繞過(guò)一般SQL或向量搜索，直接從數(shù)據(jù)庫(kù)中拿到想要的查詢結(jié)果嗎？

劉松：從長(zhǎng)遠(yuǎn)看來(lái)，有可能會(huì)實(shí)現(xiàn)，但這里有一個(gè)“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(jīng)驗(yàn)和知識(shí)教給它才行。換句話說(shuō)，要實(shí)現(xiàn)你說(shuō)的“直取數(shù)據(jù)”，恰恰需要數(shù)據(jù)庫(kù)架構(gòu)師、工程師把DataAgent給做出來(lái)。

表面上，用戶用自然語(yǔ)言一問(wèn)，數(shù)據(jù)就自動(dòng)出來(lái)了，好像跳過(guò)了數(shù)據(jù)庫(kù)。但其實(shí)，背后的存取過(guò)程一個(gè)步驟都沒(méi)少，只是被自動(dòng)化以及對(duì)用戶隱藏了。這背后涉及海量的專業(yè)“竅門(mén)”：數(shù)據(jù)是怎么分布的？不同類型的數(shù)據(jù)怎么關(guān)聯(lián)？如何把一個(gè)看似簡(jiǎn)單的查詢，用最高效的方式執(zhí)行出來(lái)？這樣大量的Know-How，不在大模型的腦子里，還是在數(shù)據(jù)庫(kù)這一群人的腦子里。

所以，用自然語(yǔ)言直取數(shù)據(jù)方式的最終實(shí)現(xiàn)，解鈴還須系鈴人。以用戶角度思考，Agent什么時(shí)候能變得我想要的那么聰明？還得那個(gè)行業(yè)領(lǐng)域的人把聰明和認(rèn)知裝在里面，把推理能力、數(shù)據(jù)能力包括知識(shí)的動(dòng)態(tài)更新的機(jī)制，全部做成一個(gè)真正的知識(shí)型的Agent才可以。

表面上看，DataAgent把撈數(shù)或者是一個(gè)任意自然語(yǔ)言問(wèn)答自動(dòng)化了，但這個(gè)過(guò)程本身很復(fù)雜。隨著它自己越來(lái)越智能和自動(dòng)化，AI的能力需要更深入地與數(shù)據(jù)層結(jié)合。

然后再往底層，數(shù)據(jù)庫(kù)自己未來(lái)肯定也需要讓AI降臨，比如優(yōu)化查詢速度、自動(dòng)管理數(shù)據(jù)分布（像TiDB的自動(dòng)分片、自動(dòng)伸縮、Serverless能力），甚至用AI來(lái)改進(jìn)數(shù)據(jù)庫(kù)內(nèi)核（這就是所謂的“AIforDB”）。

目前最關(guān)鍵的環(huán)節(jié)是怎么讓數(shù)據(jù)庫(kù)更好地服務(wù)業(yè)務(wù)Agent。大家普遍認(rèn)為，需要一個(gè)中間的DataAgent或者叫“數(shù)據(jù)智能體”來(lái)充當(dāng)橋梁，解決數(shù)據(jù)訪問(wèn)的智能化問(wèn)題，這一層現(xiàn)在尤為重要。

華創(chuàng)資本：數(shù)據(jù)庫(kù)在AIAgent系統(tǒng)中扮演什么角色？是“記憶體”、“知識(shí)庫(kù)”還是“決策引擎”？

劉松：都有。原來(lái)數(shù)據(jù)庫(kù)的邊界，最下層可以被認(rèn)為是一個(gè)總體的數(shù)據(jù)存儲(chǔ)，或者多模態(tài)的數(shù)據(jù)存儲(chǔ)。

而中間這一層——DataAgent這一層，這幾個(gè)角色都有。它離具體業(yè)務(wù)很近，理解業(yè)務(wù)輸入和安全邊界，同時(shí)又能利用大模型的能力。這一層的核心任務(wù)，是把原始數(shù)據(jù)變成真正有用的業(yè)務(wù)知識(shí)。它不僅僅是加工數(shù)據(jù)，要考慮在這一層，怎么能夠在數(shù)據(jù)和知識(shí)的處理、優(yōu)化、沉淀方面提升，從而提煉出數(shù)據(jù)背后的“知識(shí)”；最終目標(biāo)是實(shí)現(xiàn)更高級(jí)的“認(rèn)知”，讓系統(tǒng)能像人一樣理解和推理。這一層直接服務(wù)于上層的業(yè)務(wù)Agent，不是原來(lái)的數(shù)據(jù)庫(kù)產(chǎn)品覆蓋的。

廣義來(lái)看，我們把它定義為“數(shù)據(jù)智能體”，它會(huì)跟上一層的應(yīng)用層——業(yè)務(wù)Agent去打交道，會(huì)變得越來(lái)越厚、功能越來(lái)越豐富，包括MCP等能力都可能集成進(jìn)來(lái)，甚至可能催生新的協(xié)議和行業(yè)標(biāo)準(zhǔn)。

在公有云環(huán)境里，它一定是以API的形式出現(xiàn)，且是一個(gè)組合。就像AWS發(fā)布的Agent智能體開(kāi)發(fā)套件那樣，既提供構(gòu)建上層業(yè)務(wù)Agent的工具和流程，也包括底層的數(shù)據(jù)處理和安全保障能力。

這一層廠商現(xiàn)在還沒(méi)有定義，大家都會(huì)去做，邊界還沒(méi)有那么清晰。數(shù)據(jù)庫(kù)、云、大模型的公司都會(huì)想要參與，因?yàn)檫@一層是現(xiàn)在的剛需。

02拒絕簡(jiǎn)單的平替

華創(chuàng)資本：近日，Oracle市值盤(pán)中突破7000億美元，這個(gè)一度被人認(rèn)為“傳統(tǒng)”的數(shù)據(jù)庫(kù)巨頭，用AI+云的組合拳打破了增長(zhǎng)天花板。你怎么解讀這一現(xiàn)象？

劉松：我在Oracle有過(guò)十年的工作經(jīng)歷，所以我非常理解拉里·埃里森（Oracle董事長(zhǎng)兼CTO）的思維，作為一個(gè)創(chuàng)始人，當(dāng)他面對(duì)一項(xiàng)新的技術(shù)比如大模型時(shí)，他的取舍是什么？轉(zhuǎn)化方式是什么？其實(shí)本質(zhì)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(dá)聯(lián)合創(chuàng)始人兼首席執(zhí)行官黃仁勛）買(mǎi)了很多GPU，構(gòu)建出一個(gè)AIInfra。Oracle的云一直排第四，但它借助GPUCloud拉來(lái)了更多的客戶，因?yàn)椴还茏龃竽Ｐ偷挠?xùn)練還是推理，總得用GPU吧？這里面有一個(gè)基本的認(rèn)知——AI的應(yīng)用只有在云上才會(huì)進(jìn)化得更快，因?yàn)樵剖墙裉燔浖夹g(shù)的集大成者。

第二，除了GPU以外，肯定還需要數(shù)據(jù)庫(kù)，在這方面，本來(lái)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(gè)更全面的云平臺(tái)。所以AI帶動(dòng)了Oracle云從線下向線上的加速遷移。

第三，Oracle原來(lái)的SaaS類別以FusionCloudERP和NetSuiteCloudERP等后臺(tái)解決方案為主導(dǎo)，只有在公有云上才會(huì)使用，很多SaaS還需要疊加大模型的能力，于是Oracle就把它進(jìn)行了改造，所以O(shè)racle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(zhuǎn)化的一家公司。

華創(chuàng)資本：這是否反映了市場(chǎng)對(duì)擁有深厚企業(yè)客戶根基和完整數(shù)據(jù)棧的傳統(tǒng)巨頭在AI時(shí)代變現(xiàn)潛力的重新評(píng)估？

劉松：我覺(jué)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(jié)合你原來(lái)的優(yōu)勢(shì)？對(duì)Oracle來(lái)說(shuō)，GPU不是優(yōu)勢(shì)，但有云這個(gè)基礎(chǔ)；數(shù)據(jù)庫(kù)是原來(lái)的優(yōu)勢(shì)，但它們需要轉(zhuǎn)化；整個(gè)應(yīng)用或者SaaS，需要疊加AI。

其實(shí)Salesforce也一樣，它也不做大模型，但加了AI后，對(duì)客戶的效率也提升了很多，所以在整個(gè)ToB領(lǐng)域，本質(zhì)上是轉(zhuǎn)化、疊加的邏輯，而在ToC一側(cè)，可能是顛覆邏輯。

所以每一個(gè)傳統(tǒng)IT廠商，其實(shí)最重要的思考就是在大模型改變未來(lái)范式的時(shí)候，那個(gè)客戶需要的、不變的東西是什么？我需要+AI把它呈現(xiàn)出來(lái)，然后這個(gè)客戶就會(huì)繼續(xù)用我的產(chǎn)品。

AI到來(lái)之后，任何一個(gè)ToB領(lǐng)域的CEO、創(chuàng)始人，都應(yīng)該思考的問(wèn)題就是我的取舍、我的邊界以及既有的客戶資產(chǎn)是不是發(fā)生了變化？這三樣?xùn)|西想清楚了以后，模型怎么跑跟我無(wú)關(guān)，但模型能力越強(qiáng)，就能越變成我的拉力，然后才能轉(zhuǎn)化成商業(yè)模式，所以我覺(jué)得Oracle這個(gè)例子很值得思考。

這里面還隱含了一個(gè)邏輯：在ToB領(lǐng)域，無(wú)論推理能力多么強(qiáng)大，永遠(yuǎn)離不開(kāi)流程、數(shù)據(jù)，以及很關(guān)鍵的安全。比如在模型問(wèn)答方面，客戶得到的回答是否超過(guò)了他的權(quán)限？怎么確保他問(wèn)到的問(wèn)題里面是有護(hù)欄能夠識(shí)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(duì)于PingCAP這樣的新興廠商，在AI時(shí)代與傳統(tǒng)數(shù)據(jù)庫(kù)巨頭的競(jìng)爭(zhēng)焦點(diǎn)會(huì)是什么？

劉松：作為原生分布式的廠商，PingCAP獨(dú)立研發(fā)的新型數(shù)據(jù)庫(kù)產(chǎn)品TiDB，最大的標(biāo)簽就是高擴(kuò)展性，其次是HTAP混合負(fù)載、云原生，這兩年又增加了AI，我們本身服務(wù)的都是數(shù)據(jù)量大、高速增長(zhǎng)，并且有混合負(fù)載需求的客戶，場(chǎng)景更多集中于泛互聯(lián)網(wǎng)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(xí)慣就能夠做AI相關(guān)的事情，這是我們一個(gè)很大的甜點(diǎn)。

我過(guò)去半年在國(guó)內(nèi)觀察到一個(gè)很有意思的現(xiàn)象，在ToB垂直領(lǐng)域，有大概50%的AI項(xiàng)目的負(fù)責(zé)人，原來(lái)可能都是管數(shù)據(jù)庫(kù)的，因?yàn)榇竽Ｐ捅旧硪呀?jīng)很強(qiáng)了，要想把一個(gè)ToB的項(xiàng)目做好，花在數(shù)據(jù)上的時(shí)間可能要接近60%，通常數(shù)據(jù)的臟活累活最多。

雖然行業(yè)都在吃這塊甜點(diǎn)，但我們的定位會(huì)有差異。我經(jīng)常用一個(gè)比喻：集中式數(shù)據(jù)庫(kù)Oracle已經(jīng)是頂峰了，它相當(dāng)于是油車(chē)，而PingCAP這種分布式的架構(gòu)相當(dāng)于電車(chē)。同樣都是開(kāi)車(chē)，解決的問(wèn)題最終是一樣的，但引擎的處理方式不一樣。分布式架構(gòu)就像電車(chē)一樣，你的性能上限是更容易達(dá)到的。我們很多國(guó)內(nèi)的大客戶，如銀行、保險(xiǎn)、證券、運(yùn)營(yíng)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(huì)更低、擴(kuò)展性和混合分析的能力也會(huì)更強(qiáng)，這是技術(shù)的紅利。

華創(chuàng)資本：基于這樣的技術(shù)紅利，PingCAP要做些什么事情來(lái)持續(xù)深耕中國(guó)市場(chǎng)？

劉松：全世界沒(méi)有任何一個(gè)市場(chǎng)像中國(guó)這樣，對(duì)于數(shù)據(jù)處理有這么極致的要求。美國(guó)也沒(méi)有雙十一這樣體量的購(gòu)物節(jié)，沒(méi)有像中國(guó)的銀行業(yè)這么龐大的客戶體量，7×24小時(shí)的服務(wù)，還有手機(jī)銀行、數(shù)字支付、即時(shí)到賬、內(nèi)部報(bào)表等等各種對(duì)數(shù)據(jù)極致的需求。

所以無(wú)論從交易數(shù)據(jù)量、分析能力、互聯(lián)網(wǎng)化等方面，中國(guó)在整個(gè)數(shù)據(jù)市場(chǎng)里面都是一座珠穆朗瑪峰，連Oracle都覺(jué)得中國(guó)市場(chǎng)的需求是他們創(chuàng)新的一個(gè)源泉。

對(duì)于PingCAP來(lái)說(shuō)更是如此，我們成立這十年來(lái)最看家的本事，有七成都是國(guó)內(nèi)市場(chǎng)最重要的金融和互聯(lián)網(wǎng)客戶教會(huì)我們的，而且我們前五年大部分的商業(yè)化貢獻(xiàn)，也是來(lái)自國(guó)內(nèi)廣義的互聯(lián)網(wǎng)和金融機(jī)構(gòu)，我們才得以到今天這樣的市場(chǎng)地位。

所以，我們到了美國(guó)、日本、歐洲，都是降維打擊，就是因?yàn)檫^(guò)去十年，在中國(guó)這個(gè)最卷的技術(shù)市場(chǎng)，有最多的工程師紅利、最挑剔的客戶場(chǎng)景和最嚴(yán)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(jí)的數(shù)據(jù)庫(kù)公司，中國(guó)無(wú)疑是一個(gè)需求的大本營(yíng)，也始終是我們競(jìng)爭(zhēng)力的基石，而且PingCAP大部分研發(fā)工程師都在中國(guó)境內(nèi)，我們希望把自己在國(guó)內(nèi)打磨的產(chǎn)品、積累的經(jīng)驗(yàn)延伸到海外。

最近針對(duì)國(guó)內(nèi)特有的單機(jī)部署需求，我們平凱數(shù)據(jù)庫(kù)（TiDB企業(yè)版）做出了敏捷模式，未來(lái)針對(duì)中國(guó)市場(chǎng)還會(huì)推出新的版本。

華創(chuàng)資本：對(duì)數(shù)據(jù)庫(kù)廠商來(lái)說(shuō)，當(dāng)下是國(guó)產(chǎn)化替代的紅利嗎？

劉松：數(shù)據(jù)庫(kù)“國(guó)產(chǎn)化”不是簡(jiǎn)單的平替，我們也拒絕這樣的平替，因?yàn)槠教鎸?duì)客戶除了合規(guī)的意義外，沒(méi)有帶來(lái)新的價(jià)值。

PingCAP創(chuàng)業(yè)到現(xiàn)在，除了互聯(lián)網(wǎng)和金融外，也有很多其他行業(yè)的客戶，比如運(yùn)營(yíng)商、能源、醫(yī)療、交通，都對(duì)數(shù)據(jù)量要求很高。其實(shí)早在三四年前，就有大量醫(yī)療行業(yè)的客戶已經(jīng)從MySQL遷移到TiDB了，因?yàn)樗鼣?shù)據(jù)量很大，我們單體的醫(yī)療客戶就有100個(gè)TB這樣的級(jí)別，所以醫(yī)療也是未來(lái)我們非?？粗氐念I(lǐng)域。此外，還有交通等領(lǐng)域，也對(duì)7×24小時(shí)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(jià)值，是不是讓數(shù)據(jù)庫(kù)能夠處理更大的數(shù)據(jù)量？是不是有更好地?cái)?shù)據(jù)共享能力，并且也能支持AI的應(yīng)用？從這個(gè)角度看，不僅不是簡(jiǎn)單的平替，反而還可能會(huì)增加成本。尤其單機(jī)部署的數(shù)據(jù)庫(kù)，因?yàn)闆](méi)有足夠的靈活性，在處理AI應(yīng)用方面會(huì)遇到很大瓶頸，所以未來(lái)面對(duì)數(shù)據(jù)量越來(lái)越大、AI需求涌現(xiàn)，這二者結(jié)合時(shí)會(huì)對(duì)新一代數(shù)據(jù)庫(kù)提出更高的要求，這也是未來(lái)三、五年行業(yè)一個(gè)比較大的變化。事實(shí)上，市場(chǎng)已經(jīng)在收縮了，最近《數(shù)據(jù)庫(kù)發(fā)展研究報(bào)告（2025年）》顯示，過(guò)去一年中國(guó)的數(shù)據(jù)庫(kù)廠商從167家變成了103家，減少了64家。

華創(chuàng)資本：為什么會(huì)有這么大的收縮？

劉松：因?yàn)閿?shù)據(jù)庫(kù)在國(guó)產(chǎn)化的過(guò)程中，第一批客戶已經(jīng)開(kāi)始能夠分出好壞了，我們已經(jīng)接到了大量二次替代的要求。

TiDB一直靠開(kāi)源社區(qū)打磨，有些客戶在前期試用時(shí)就能體會(huì)到好用。過(guò)去幾年，很多客戶先后用過(guò)Oracle、MySQL，后來(lái)發(fā)現(xiàn)不管是數(shù)據(jù)量還是合規(guī)的角度，這些數(shù)據(jù)庫(kù)已經(jīng)不能滿足他們的需求，希望能換成像PingCAP這樣更新一代的數(shù)據(jù)庫(kù)。

所以未來(lái)兩三年數(shù)據(jù)庫(kù)國(guó)產(chǎn)化進(jìn)程中，廠商比拼的還是“好用”這個(gè)關(guān)鍵點(diǎn)。因?yàn)橐粋€(gè)客戶有上百個(gè)系統(tǒng)，需要7×24小時(shí)地跑，每天應(yīng)用的調(diào)用次數(shù)可能是上千萬(wàn)甚至上億次，所以未來(lái)要從替代走向好用。此外，在AI這個(gè)時(shí)代，數(shù)據(jù)庫(kù)都要開(kāi)始做到AIready，解決面向AI的擴(kuò)展性的問(wèn)題。這些因素疊加，都會(huì)導(dǎo)致市場(chǎng)競(jìng)爭(zhēng)格局的變化。

數(shù)量收斂對(duì)產(chǎn)業(yè)總體來(lái)說(shuō)是一件好事，因?yàn)槿澜绲臄?shù)據(jù)庫(kù)現(xiàn)在也就不到400家，美國(guó)和中國(guó)就分別有146家和103家。未來(lái)誰(shuí)能勝出，首先一定要靠產(chǎn)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(kāi)源產(chǎn)品，是經(jīng)過(guò)了中國(guó)和全球用戶的驗(yàn)證，才慢慢轉(zhuǎn)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(jīng)驗(yàn)來(lái)說(shuō)，在海外為什么能這么成功？做到了什么？劉松：數(shù)據(jù)庫(kù)這個(gè)軟件本身是通用的，這是一個(gè)基礎(chǔ)。然后要去看數(shù)據(jù)庫(kù)全球市場(chǎng)份額哪個(gè)國(guó)家大，就先去哪。美國(guó)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(chǎn)品邊界決定了你全球的重心。

在全球化的成功路徑上，對(duì)我們來(lái)說(shuō)最重要的、決定性的意義就是開(kāi)源+云。

TiDB以開(kāi)源為主，出海的時(shí)候面對(duì)復(fù)雜的地緣政治，我們作為一個(gè)完全開(kāi)源的產(chǎn)品，客戶信任這個(gè)最難的問(wèn)題已經(jīng)解決了。接下來(lái)，云解決了商業(yè)模式的問(wèn)題，因?yàn)樵茢?shù)據(jù)庫(kù)在2018年以后已經(jīng)被驗(yàn)證了，只要你能做出一個(gè)云數(shù)據(jù)庫(kù)，客戶就愿意采買(mǎi)，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(méi)有這兩個(gè)，全球化就會(huì)很難。

此外，還有一個(gè)關(guān)鍵就是完全的本土化，比如我們?cè)谌毡镜膯T工，可能70%都只會(huì)說(shuō)日語(yǔ)；我們?cè)谟《纫灿幸粋€(gè)很小的分部，也都是印度人。

包括我們的文化是Remote-Friendly，遠(yuǎn)程友好，這對(duì)于我們?cè)诤Ｍ庹衅竵嗰R遜、Snowflake等硅谷大廠人才時(shí)是一個(gè)很有吸引力的選項(xiàng)。

從成立第一天起，PingCAP的企業(yè)文化就是技術(shù)文化、工程師的文化，全世界的程序員們都希望晚點(diǎn)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(huì)更復(fù)雜，會(huì)影響效率嗎？

劉松：如果只用一個(gè)詞來(lái)形容PingCAP，就是“分布式”，連我們?nèi)齻€(gè)創(chuàng)始人都是三副本的，他們各司其職，形成了一個(gè)小閉環(huán)。美國(guó)的同事就解決美國(guó)的問(wèn)題，日本同事解決日本的問(wèn)題，印度同事解決印度的問(wèn)題，決策時(shí)尊重每位員工的意見(jiàn)。所以在我們公司里面可能有一個(gè)傳統(tǒng)，任何一件事情，不管什么情況，只要有一個(gè)員工提出反對(duì)意見(jiàn)，我們都要嚴(yán)肅地去聽(tīng)他的理由是什么？就像我們數(shù)據(jù)庫(kù)的共識(shí)算法一樣，最終達(dá)成一致才能繼續(xù)往下執(zhí)行。因?yàn)橐櫦氨M量多人的意見(jiàn)，可能決策效率沒(méi)有那么快，但肯定也屏蔽了很多快速?zèng)Q策的坑。這可能很適合數(shù)據(jù)庫(kù)公司，因?yàn)檫@個(gè)賽道是長(zhǎng)期主義的，我們不追求絕對(duì)的快，數(shù)據(jù)庫(kù)已經(jīng)被很多人用起來(lái)了，穩(wěn)定是第一位的，其次是在這個(gè)基礎(chǔ)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P(guān)ingCAP做過(guò)的明顯錯(cuò)誤的決定比較少，我們不會(huì)因?yàn)槎唐诶嫒プ龀鲆粋€(gè)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(gè)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(shù)軟件創(chuàng)業(yè)者非常不一樣。你說(shuō)過(guò)，出海這件事，選擇大于努力，那在數(shù)據(jù)庫(kù)領(lǐng)域如何具象化？劉松：數(shù)據(jù)庫(kù)和AI可能還不太一樣，在中國(guó)是能打磨出一個(gè)世界級(jí)數(shù)據(jù)庫(kù)產(chǎn)品的，而AI首先要解決快速獲得流量以及技術(shù)棧的低成本問(wèn)題。

選擇大于努力的意思是即使出海，有些國(guó)家就是更容易成功，比如做數(shù)據(jù)庫(kù)，就不得不做美國(guó)這個(gè)市場(chǎng)，因?yàn)樗畲?；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(guó)消費(fèi)類互聯(lián)網(wǎng)的玩法，比如小紅書(shū)、抖音，和美國(guó)、歐洲都是有區(qū)別的，這背后還不是一個(gè)簡(jiǎn)單的選擇，里面有好多參數(shù)，尤其做應(yīng)用，涉及到文化、習(xí)慣、宗教、合規(guī)、隱私保護(hù)等等，所以壁壘還是比較多的。

華創(chuàng)資本：你曾說(shuō)“云+全球化+開(kāi)源”是數(shù)據(jù)庫(kù)公司持續(xù)成功的鐵三角——但AI時(shí)代來(lái)了，這個(gè)鐵律要改寫(xiě)嗎？

劉松：我認(rèn)為要再加一個(gè)AI，現(xiàn)在是這四樣?xùn)|西在塑造，甚至直白點(diǎn)說(shuō)，五年以后數(shù)據(jù)庫(kù)廠商的估值就跟這四個(gè)東西有關(guān)。

其實(shí)數(shù)據(jù)庫(kù)是一個(gè)接近50年歷史的賽道了，它古老而年輕，最開(kāi)始解決的問(wèn)題很簡(jiǎn)單，就是ERP時(shí)代的存儲(chǔ)問(wèn)題，為什么又年輕了呢？因?yàn)閿?shù)據(jù)的需求不斷在改變。

第二，它是“四世同堂”的，就是幾代技術(shù)都還活著，Oracle在，我們這種新一代的公司也在，但過(guò)去十年，數(shù)據(jù)庫(kù)主要是被開(kāi)源和云定義的，云數(shù)據(jù)庫(kù)的崛起以及開(kāi)源數(shù)據(jù)庫(kù)變成了主流的方向。因?yàn)殚_(kāi)源數(shù)據(jù)庫(kù)可以跑得更快，現(xiàn)在又疊加了AI，“開(kāi)源+AI+云”三者形態(tài)又有一個(gè)化學(xué)反應(yīng)。

反過(guò)來(lái)講，這兩年大模型開(kāi)源也是個(gè)話題，DeepSeek就證明開(kāi)源大模型會(huì)跑得更快，所以AI+的領(lǐng)域都要考慮這四樣。

華創(chuàng)資本：作為軟件行業(yè)過(guò)去20多年的一個(gè)親歷者和觀察者，從Oracle、阿里云到PingCAP，你的技術(shù)和商業(yè)視角有什么轉(zhuǎn)變？對(duì)行業(yè)的理解有哪些認(rèn)知上的變化？

劉松：2007年時(shí)，我還在Oracle，但我那個(gè)時(shí)候就對(duì)互聯(lián)網(wǎng)比較感興趣，決定開(kāi)始寫(xiě)blog?！安┛汀边@個(gè)詞現(xiàn)在已經(jīng)很古老了，但那是我互聯(lián)網(wǎng)原教旨主義的起點(diǎn)，你只有變成一個(gè)blogger，寫(xiě)了三四百篇文章，你才能知道互聯(lián)網(wǎng)是怎樣一個(gè)世界，我的網(wǎng)感就是那個(gè)時(shí)候培養(yǎng)出來(lái)的。

我當(dāng)時(shí)算是外企IT人里面一直在關(guān)注互聯(lián)網(wǎng)技術(shù)和模式的，當(dāng)時(shí)我就認(rèn)為互聯(lián)網(wǎng)是先進(jìn)生產(chǎn)力。后來(lái)“棱鏡門(mén)”事件發(fā)生，再加上公有云已經(jīng)開(kāi)始，我覺(jué)得應(yīng)該靠近一個(gè)互聯(lián)網(wǎng)公司，所以后來(lái)就去了阿里云，讓我對(duì)互聯(lián)網(wǎng)積累了很多Know-How。

這幾段職業(yè)經(jīng)歷，讓我意識(shí)到公有云始終是所有新一代IT技術(shù)的集大成者，哪怕AI，也要基于云才能有力量。因?yàn)槟撤N意義上講，大模型要做Agent，也需要用底層的云資源，要用數(shù)據(jù)、開(kāi)發(fā)工具、算力、GPU等。

云最大的價(jià)值，就是回到互聯(lián)網(wǎng)原教旨主義，相信一個(gè)絕對(duì)低的門(mén)檻，通過(guò)網(wǎng)絡(luò)的東西會(huì)帶來(lái)奇跡。所以過(guò)去十年，其實(shí)是公有云推動(dòng)了整個(gè)中國(guó)互聯(lián)網(wǎng)的發(fā)展和全球化。

華創(chuàng)資本：你覺(jué)得數(shù)據(jù)庫(kù)行業(yè)未來(lái)最重要的技術(shù)上的拐點(diǎn)可能會(huì)是什么？

劉松：從云的角度，放眼全球，Serverless肯定是一個(gè)關(guān)鍵的技術(shù)，它會(huì)越來(lái)越普及，因?yàn)樗衔磥?lái)更靈活、更高擴(kuò)展性的一體化的消費(fèi)模式；第二，是AI與數(shù)據(jù)庫(kù)的結(jié)合，Data+AI，尤其是DataAgent，肯定是未來(lái)非常關(guān)鍵的賽道，它甚至獨(dú)立于數(shù)據(jù)庫(kù)本身；最后一點(diǎn)就是數(shù)據(jù)庫(kù)未來(lái)的形態(tài)，5年以后的數(shù)據(jù)庫(kù)，是不是能很好地服務(wù)Agent，我覺(jué)得這幾個(gè)是未來(lái)最關(guān)鍵的拐點(diǎn)。

5本虐心宮斗文:《邪王的祭妃》滿頭黑發(fā)變成三千銀絲,凄楚一笑

愛(ài)變成折磨，真情化作算計(jì)，誰(shuí)能救贖簡(jiǎn)單的愛(ài)情？ 第四本書(shū)《鳳鸞殤：冷王的棄后》云溪著 【內(nèi)容摘要】一場(chǎng)車(chē)禍，她斷送了大好青春?；甏┣辏闪颂忑R國(guó)的皇后，為誰(shuí)綻了剎那芳華，卻是再度為情所傷。他凌駕萬(wàn)人之上，卻因“摯愛(ài)”人的死去，兇殘漸露。撥開(kāi)重重迷霧，她的心卻被割痛的遍體鱗傷，無(wú)法再愛(ài)_。剩下了歷史的洪流中一盤(pán)無(wú)人等會(huì)說(shuō)|。