---
title: '如何打造 AI 时代的数据基石 | Databend Meetup 上海站回顾'
date: 2025-12-02
slug: category-company/databend-2025meetup-shanghai-review
cover_url: '20251013-wechat/j1.png'
description: 'Data + AI 已经成为数据从业人员必须关注的技能。在基于 Databend Cloud 平台上可以大大简化数据人员在数据基础工作方面的投入，让数据人员可以花更多的精力去研究 Data + AI 的实践。在此背景下，11 月 29 日，Databend Meetup·上海站线下活动“如何打造 AI 时代的数据基石”，汇集了国内数据库领域多位一线专家...'
tags: [databend]
category: Company
authors:
  - DatabendLabs
---

Data + AI 已经成为数据从业人员必须关注的技能。在基于 Databend Cloud 平台上可以大大简化数据人员在数据基础工作方面的投入，让数据人员可以花更多的精力去研究 Data + AI 的实践。

在此背景下，11 月 29 日，Databend Meetup·上海站线下活动“如何打造 AI 时代的数据基石”，汇集了国内数据库领域多位一线专家：**Databend 创始人吴炳锡、沉浸式翻技术专家陈琦，沈超、资源数据平台架构师邵锋、TiDB** **解决方案架构师** **刘源、空中云汇架构师赵飞祥**以及来自各行各业的技术负责人，数据部门负责人。参会嘉宾围绕“如何打造 AI 时代的数据基石”的主题，共同探讨了大模型时代数据库和数据平台的创新演进与实战应用。

{/* truncate */}

![Image](/img/blog/20251013-wechat/j2.webp)

以下内容就将为您带来这些话题背后的深度思考：

基于 Databend 无编程实 Data Pipeline 及数据分析

Databend Labs 联合创始人吴炳锡，系统地介绍了 Databend 作为一款云原生数据仓库，如何以其独特架构和技术特性，极大地简化和革新传统大数据 Data Pipeline 的构建与数据分析流程，并展示了其与 AI 融合的强大潜力。

![Image](/img/blog/20251013-wechat/j3.webp)

**Databend 的清晰定位：解决传统大数据之痛**

分享开宗明义，指出了 Databend 的核心定位：简单易用、高性能、低成本。其目标是成为一款云原生湖仓一体化产品，旨在：

- 降低云上大数据成本：利用对象存储实现极致的存算分离和低成本存储。
- 简化数据架构：坚持“SQL 为王”，让复杂的湖仓开发变得像使用传统数据库一样简单。
- 统一数据枢纽：支持构建企业级统一数据仓库，并提供跨多云、跨 IDC 的高可用体验。

**革新：重构 Data Pipeline 的开发模式**

分享通过对比，深刻剖析了传统大数据架构（依赖 Kafka, Flink, Spark, Trino 等繁多组件）的痛点：技术栈复杂、技术要求高、落地慢、运维成本高昂。

针对这些痛点，Databend 提出了一套以 SQL 为中心 的“无编程”Data Pipeline 解决方案，其核心构件包括：

- 数据秒级摄入 (`COPY INTO` + `External Stage`)：通过监听对象存储事件，实现海量数据的快速加载与可见。
- 内置流计算 (`Stream`)：提供表级增量变更捕获能力，无需额外组件即可实现高效的实时 ETL，性能提升可达 10 倍。
- 自动化任务调度 (`Scheduled Task`)：通过 Serverless Task 实现完整的数据处理工作流编排，让一个懂 SQL 的人就能轻松完成复杂的数据治理。
- 强大的外部函数 (`UDF`)：支持用 Python 等语言轻松扩展功能，实现与外部系统（如更新 Redis）或 AI 服务的无缝集成。

**与 AI 的深度融合：从数据平台到智能基座**

分享重点展示了 Databend 在 AI 时代的前瞻性，其与 AI 的融合体现在两个层面：

- 原生 AI 能力：内置向量计算和 AI 函数（如`cosine_distance`），为 AI 应用提供开箱即用的支持。
- 可扩展的 AI 集成 (`External UDF`)：通过 UDF 可以方便地调用 Embedding 模型、情感分析、文本相似度等外部 AI 服务，将 Databend 升级为一个支持智能化数据分析与应用的“AI 原生”平台。

**卓越效益与广泛验证**

分享通过具体数据证明了 Databend 的卓越效益：

- 成本大幅降低：在替换 Trino/Presto、Elasticsearch、数据归档等场景中，成本降低 75% 到 95%。
- 极致的可扩展性：支持单表 2.6 万亿行、1PB+ 的超大规模数据处理。
- 广泛的行业应用：已成功服务于中信银行、微盟、苹果中国等知名企业，应用于主数据平台、日志分析、数据归档等多种场景。

**总结**

Databend 通过其云原生、一体化的架构，将复杂的大数据技术栈简化为以 SQL 为核心的开发体验，从根本上降低了数据开发的门槛、成本和运维负担。它不仅是一个高性能的数据仓库，更是一个内置了流处理、任务调度和强大扩展能力的数据平台操作系统。在 AI 时代，其原生及可扩展的 AI 能力进一步使其成为企业构建智能化应用的理想数据基石，完美契合了当下企业追求降本增效和快速创新的核心诉求。

构建海量记忆：基于 Databend 的 2C Agent 平台 | 沉浸式翻译

沉浸式翻译团队技术专家陈琦在构建海量记忆：基于 Databend 的 2C Agent 平台 | 沉浸式翻译实践分享，核心阐述了他们如何利用 Databend 构建一个面向海量用户的、具备“长期记忆”能力的 AI Agent 平台。

![Image](/img/blog/20251013-wechat/j4.webp)

沉浸式翻译在比较早期已经接入 Databend , 公司内部在无运维的情况下，支撑了千万级用户，月活百万级用户。Databend 目前不但承担沉浸式翻译的平台分析数据，也承担了部分业务类数据。目前团队正在 Databend 上构建海量记忆体的 2C Agent 平台。

**核心挑战**

传统方案的痛点：

- 组件割裂：维护向量库、关系型数据库、缓存等多套系统，开发和运维复杂。
- 缺乏生命周期管理：向量库只增不减，导致噪音增加、性能下降、成本飙升。

**为什么选择 Databend？**

- All-in-One：统一处理向量、结构化和半结构化（JSON）数据，简化架构。
- Serverless：零运维、按需付费，完美契合小团队“小步快跑”的模式。
- 可编程性：通过 SQL、UDF 和 Task 实现复杂的数据处理和生命周期管理。大大简化开发投入。

**核心架构与创新（MemOS）**

- MemNodes 表：作为记忆实体，利用计算列和聚簇索引优化混合查询（向量 + 条件过滤）性能。
- MemEdges 表：构建记忆图谱，用 SQL 存储关系，解决纯向量检索无法处理的逻辑推理问题。
- 混合检索算法：结合 SQL 过滤、向量搜索和图关联，实现精准且上下文丰富的记忆召回。
- 自动化生命周期：通过 Serverless Task 定期对记忆进行摘要融合和归档，实现“会遗忘的智能系统”。

**价值总结**

该实践成功地将 Databend 作为统一数据基石，以极低的运维成本和优雅的技术方案，实现了从“翻译工具”到懂用户的“语言伴侣”的演进，为 2C AI 提供了易用，低成本，高性能的平台。

![Image](/img/blog/20251013-wechat/j5.webp)

Data + AI - 数据平台的应用和实践

第三个分享中邵锋老师带着一线经验给我们分享数据平台的建设和 Data+AI 实践。属于非常硬核的分享，因为保密问题就不再公开邵锋老师的分享。

![Image](/img/blog/20251013-wechat/j6.webp)

AI 时代的数据基石：趋势、挑战与 TiDB 实践

TiDB 解决方案架构师刘源老师，从行业更宏观的视角探讨了 AI 时代的数据挑战，并阐述了 TiDB 作为“数据基石”的解决方案和案例。

![Image](/img/blog/20251013-wechat/j7.webp)

**核心洞察：**

- AI 发展趋势：大模型进入平台期，下一代突破指向“世界模型”。当前 AI 面临幻觉问题（源于概率生成的有损压缩）、算力消耗和伦理安全等挑战。
- AI 应用现状：情感陪伴、内容生成等“幻觉友好型”应用火热，但金融、制造、医疗等严肃 ToB 场景落地艰难，面临数据治理缺失、场景碎片化等挑战。

**AI 时代对数据库的新要求**

- 多模态融合：同时处理关系表、向量、全文、图谱等数据，“多库合一”。
- 实时与高扩展：弹性支撑 Agent 的推理、记忆和 Multi-Agent 协作。
- 支持 AI 原生体验：成为 Agent 的“集体记忆中枢”，能主动交互。

**TiDB 的解决方案**

- 核心特性：金融级高可用、天生的弹性扩展、HTAP 一体化架构、正在演进的多模态数据融合能力。
- AI 原生探索：

- 增强数据访问层：通过 RAG、GraphRAG 等技术，将 TiDB 打造成企业知识核心，降低大模型幻觉。
- 构建 Data Agent 能力：研发 AutoFlow，让用户用自然语言直接进行混合查询和数据分析。
- 面向 Multi-Agent 未来：扮演“共同记忆体”，支持数据版本化、分支管理等。

**案例与价值**

- 为多家国内 TOP AI 及 Agent 厂商提供了可弹性扩展的数据底座，支撑了业务从零到亿级估值的狂飙。
- 与 Databend 在归档场景合作，利用 TiDB 处理实时事务，Databend 处理低成本历史分析，实现降本增效。
- 提出企业级 AI 平台整体架构，强调从“数据拼接”到“原生融合”的范式变革。

圆桌讨论环节

在该环节邀请又邀请了空中云汇数据架构师赵飞祥，沉浸式翻译团队数据分析师沈超，TiDB 解决方案架构师刘源，数据平台架构师邵锋 四位嘉宾一共交流了 AI 时代个人职业方面的感受，AI 对工作方面带来的变化，AI 时代需要什么样的人。

![Image](/img/blog/20251013-wechat/j8.webp)

总结大家的观点：

- AI 时代，让人每个人的能力更强了，能做的事更多了。原来复杂的数据分析工作，原来可能需要 1 周，现在可能就是 1-2 天，或是更快。
- 在 AI 时代不要给自我设限，上手一门技能非常的快。
- 在 AI 时代更需要有 Owner 精神，端到端的解决问题的思路，需要懂得把工作拆分及推动下去。
- 在 AI 时代同样需要有专业和权威的精神，能经住团队的挑战，能让老板放心把工作交给你。

圆桌讨论将视野拉回至“人”本身，为我们揭示了在 AI 时代更宝贵的特质。当技术门槛被 AI 工具不断降低，“Owner 精神”、“端到端解决问题”的能力以及“专业权威”的深度，构成了技术人新的护城河。AI 放大了个体的能力边界，但判断力、责任心和推动力，依然是不可替代的价值所在。

总结而言，本次 Meetup 清晰地传递出一个信号：打造 AI 时代的数据基石，已从一道可选题变为一道必答题。其答案不在于堆砌最前沿的独立组件，而在于选择一个能够简化架构、统一数据、智能赋能，并能伴随组织共同成长的一体化平台。我们欣慰地看到，以 Databend、TiDB 为代表的国内数据库力量，正以扎实的技术创新和丰富的场景实践，为各行各业提供着这道“必答题”的优秀解方。数据的浪潮奔涌向前，AI 的篇章刚刚开启。感谢所有嘉宾的倾情分享与参会者的热情投入，让我们共同期待，在这块坚实、智能的数据基石之上，生长出下一个时代的伟大应用。

关于 Databend

Databend 是一款 100%  Rust  构建、面向 对象存储 设计的新一代开源云原生 数据仓库，统一支持  BI  分析、AI 向量、全文检索及地理空间分析等多模态能力。期待您的关注，一起打造新一代开源 AI + Data Cloud。

👨‍💻‍ Databend Cloud：https://databend.cn

📖 Databend 文档：https://docs.databend.cn

💻 Wechat：Databend

✨ GitHub：https://github.com/databendlabs/databend