2025 年 2 月，Andrej Karpathy 于 X 上顺手写下了 vibe coding 。

不到一年，它就成为了柯林斯辞书年度辞汇。

同时，瑞典公司 Lovable 的 ARR 于2026年6月冲到5亿美元。平台上每一周新增约100万个项目，累计跨越5000万个，此中八成用户没有技能配景。

Cursor 的 ARR 则从年头约 20 亿美元增加到年中靠近 40 亿美元，短短几个月完成翻倍。

这一趋向也险些同步发生于海内。蚂蚁灵光、baidu秒哒、腾讯 吐司 、字节 Trae险些成了年夜厂标配。

不外运用天生轻易，数据库的办事对于象也随着变了。之前数据库办事的是像淘宝、微信这类 极少量年夜运用，但 coding 时代，成千上万个运用都需要本身的数据空间。

而对于在 AI 天生运用来讲，数据空间其实不只是存储空间，更是一份支撑运用连续运行的“影象”。它需要生存运用的数据布局、营业状况，并包管后续可以或许被正确挪用及计较。

面临“海量 AI 天生运用×动态 Schema ”，这也对于数据基础举措措施提出新的挑战，本文将测验考试从现实运用出发，联合蚂蚁 OceanBase 的实践，拆解这一问题以和暗地里的其解决思绪。

01为何传统数据库方案最先掉效？

这股天生热潮终极会给数据库带来多年夜压力？先来看一组数据。

按照 Sensor Tower 的数据来看，2026年苹果市肆的上半年新增约56万个运用，险些相称在2025年整年总量。

整年有望冲破100万（此前纪录为2016年的89万）。明确归因在 vibe coding 东西（Replit、Bolt.new 等）带来的非专业开发者提交激增。

这象征数据库面临的再也不是 一个愈来愈年夜的数据库 ，而是数万万个相互自力的数据空间。

以蚂蚁灵光为例，上线四个月便累计天生了跨越 3000 万个闪运用。

与传统互联网运用差别，这些 AI 天生运用有着光鲜的新特性：数目巨年夜、单体数据量小、Schema（表布局）动态天生，绝年夜大都运用被 搓 出来玩频频就归在寂静，但用户哪天从头点开，又必需马上相应。

一名靠近项目的技能人士总结过这类负载的诡异的地方——传统的数据库范围问题，问的是 一个库能装几多数据 ；而这里的问题是 一套数据库能不克不及同时容纳3000万个互不不异的 小库 。

有人也许会认为，既然 AI 可以或许天生代码，数据计较是否是也能够交给年夜模子完成？

实际并不是云云。AI 擅永生成页面、代码甚至营业流程，但触及金额汇总、排序、过滤等需要绝瞄准确成果的计较，仍旧需要数据库完成。

以一个典型的记账闪运用为例：用户不仅要记下每一笔出入，还有要能 按月汇总支出 。而做这种切确计较的，不克不及是年夜模子——写诗、总结它擅长，但让它包管每一一分钱都对于患上上，今朝还有做不到；也不成能是平台——没有任何团队能为3000万个布局各别的运用挨个开发计较接口。

从 Agent 视角看，这些能力配合组成了运用的“运行影象”：Schema 界说运用怎样理解数据，营业数据记载运用与用户交互形成的状况，运用标识规定影象界限，SQL 卖力对于这些状况举行正确挪用及计较。

是以，灵光面临的不只是海量运用的数据存储问题，而是海量自力运行影象的治理问题：每一份影象都很小，但数目极多；布局各不不异，却必需相互断绝，并可以或许连续查询及更新。

以是每一个闪运用都需要一套货真价实的数据库能力：界说本身的表布局、读写数据、履行 SQL 查询。天生只要30秒，数据库的承诺却要是永世的。

是以，数据库依然负担着长期化存储及确定性计较的职责。

只是已往数据库的两种典型方案，于 AI 天生运用场景下都最先掉效。

第一条路，是所有运用同享一张 JSON 年夜表。它的上风是物理表数目少，但价钱一样较着，数据库原本擅长的 SQL 聚合、过滤、排序等能力难以直接利用，许多计较只能从头回到营业层实现，多租户场景下的数据权限断绝也变患上越发繁杂。这条路等在只解决了 存 ，抛却了 算 。

第二条路，为每一个运用零丁创立一张物理表。体验是完备的，但范围是灾害性的：每一创立一个运用就要对于数据库节制面倡议一次 DDL 操作，3000万次创立象征着节制面连续承压；而这些运用年夜大都据量极小，开消远超营业数据自己。就像为一个只住了两天的客人盖一栋楼，楼愈来愈多，住的人没几个。

蚂蚁集团平台技能事业群总架构师黄挺曾经云云形容： 不克不及让每一个人都零丁盖一栋屋子，也不克不及让所有人睡一个年夜通铺。

要知道数据库行业已往几十年的优化标的目的，不管是单机机能还有是漫衍式扩大，对准的都是 极少量、不变、巨型 的库表；而 AI 时代的负载第一次出现出 海量、动态、长尾 的形态。

以是 AI 时代真正需要的，是一条介在二者之间的新路径。

02 OceanBase：每一人一间办公室，同享一栋楼

既然 自力 及 同享 没法二选一，那末 OceanBase 则是于二者之间找到一条新的路径：将运用的数据模子与底层物理存储解耦：每一个运用连结自力的数据模子及拜候界限，底层则同享存储及计较资源。

OceanBase 产物部总司理韩富晟把这个方案比作一栋写字楼： 每一家公司都有本身自力的办公室，按本身的气势派头装修、存放文件，但整栋楼同享水电及物业。

放到数据库里，对于应的是一种新的设计思绪：逻辑自力，物理同享。每个 AI 运用看到的，仍旧是一张属在本身的数据表；而于底层，它们同享的是统一套物理存储资源。开发者不需要感知底层怎样构造数据，依旧根据认识的方式界说 Schema、编写 SQL，但数据库内部已经经换了一种构造方式。

为了做到这一点，OceanBase 起首把 表 拆成为了两层。

一层卖力记载每一个运用的数据布局，也就是 Schema；另外一层卖力生存真实的数据内容。所有运用的数据终极城市写入同享的数据表中，并以 JSON 情势存储，而各自的表布局则零丁维护。

不管平台新增几多运用，物理表的数目都不会再跟着运用数目线性增加。

不外把数据同一存成 JSON，只解决了一半的问题。

假如数据库只能存，不克不及算，那末开发者终极还有是需要把数据掏出来，于营业层从头完成聚合、过滤、排序等计较，这偏偏又回到了第一部门提到的那条 同享 JSON 年夜表 老路。

是以，OceanBase 又增长了一层 翻译 能力。

可以把它理解成一名同声传译。开发者依然编写尺度 SQL，不需要体贴底层数据是否以 JSON 情势生存；数据库会经由过程 JSON Table SDK 将这些 SQL 主动转换成对于同享存储的拜候方式，再使用 JSON_TABLE() 将 JSON 数据映照成瓜葛表，继承完成聚合、过滤、统计等计较。

对于在开发者来讲，数据库的利用方式险些没有变化；变化发生于数据库内部。

同享资源以后，另外一个必需回覆的问题是断绝。

3000万个运用同享一套存储，怎样避免 SQL 越界串门？方案是，于 SQL 履行历程中，每一条语句城市主动附带运用标识等限定前提，并联合白名单机制约束可履行规模。开发者看到的是一张属在本身的逻辑表，数据库真正履行时，则会主动完成拜候界限的节制。

这类设计还有带来了另外一个利益。

绝年夜大都 AI 天生运用生命周期短、拜候量低，同享资源可以或许显著降低运行成本；而当某个运用逐渐发展为高频营业时，又可以光滑迁徙到自力物理表，而无需从头设计数据布局。

从技能实现来看，这套方案从头界说数据库构造海量 AI 运用数据的要领：逻辑上连结自力，物理上尽可能同享；计较仍旧留于数据库完成，而不是从头回到营业层。

这也是 OceanBase 但愿解决的焦点问题——AI 数据平台怎样以可控成本，承载数万万个连续增加的数据空间。

03 数据库成为 AI 运用的 基础举措措施

据彭博社援引知恋人士报导，外界曾经将 OceanBase 看做中国的 Databricks 。

两家公司虽然出发点差别——前者从漫衍式数据库内核出发，后者从数据阐发及 AI 平台起步。但终极都于回覆统一个问题：AI 运用年夜范围涌现以后，数据基础举措措施应该怎样演进。

OceanBase 于灵光项目中的实践，给出的其实不是某一项技能，而是一种新的数据构造思绪：物理资源同享、逻辑界限自力、确定性计较留于数据库。

将灵光的案例放于更年夜的坐标系里看，它从头界说了数据库的 范围 。互联网时代，人们会商数据库，存眷的是单库容量、事件处置惩罚能力及机能；AI 时代，新的挑战酿成了怎样以有限资源承载万万级动态数据空间，同时统筹数据断绝、确定性计较及资源成本。

同时数据库负担的脚色也最先发生变化。

已往，它重要回覆 数据怎么存、怎么算 ；如今，跟着愈来愈多运用及数据拜候由 Agent 主动完成，它还有需要回覆 AI 怎样连续、安全地利用数据 ，以和怎样构造资源、办事开发者及 Agent。

当运用天生成本不停趋近在零，竞争最先从 怎样天生运用 转向 怎样承载运用 。

对于在 AI 运用开发者而言，模子决议了运用能做甚么，而数据基础举措措施则决议了运用可否真正跑起来、跑患上稳。这也许也是灵光案例最年夜的开导：AI转变了软件开发，也从头界说了数据库。

韩富晟暗示说，“ OceanBase 会连续摸索，搭建面向 Agent 的数据底座，为下一代 AI 运用构建真正可依靠的数据基础举措措施。”

3000万个闪运用只是这场摸索的第一站，当创立运用的门坎趋近在零，数据层的竞争才真正最先。（雷峰网雷峰网雷峰网(公家号：雷峰网)）

雷峰网原创文章，未经授权禁止转载。详情见转载须知。