OceanBase 在 6 月 29 日正式推出面向 AI 时代的数据库产品组合，核心是湖库一体 AI 数据库 OceanBase Lakebase，以及配套的数据开发治理平台 DataStudio 和数据智能 Agent DataPilot。这套方案瞄准 Agent 应用对实时、多模态数据管理的需求，将数据湖的开放存储能力与数据库的结构化事务能力整合进统一架构。

Lakebase 最显著的特征是原生支持多模态数据管理。它把结构化字段、文本、图片、音视频、JSON、向量等不同形态的数据纳入同一张表的语义之下，并通过“AI 列”机制让模型自动生成摘要、标签、向量等语义结果。这意味着企业不再需要为交易库、数仓、搜索引擎、向量库和数据湖分别维护独立链路，一套系统即可同时承载事务处理、实时分析和 AI 工作负载。

在 Agent 友好性上，OceanBase CTO 杨传辉强调，实时性将成为 AI 数据库的第一需求。Lakebase 原生支持面向 Agent 的实时上下文工程，能统一存储和检索 Agent 的记忆、上下文、状态与行动记录，并通过向量、全文、结构化数据的混合搜索提供更精准的上下文供给。同时，数据分支、逻辑库、资源隔离和快速回滚等机制为 Agent 应用创建了独立且安全的数据环境。

与 Lakebase 配套的 DataStudio 覆盖从数据接入、加工、任务编排、语义建模到数据治理与 Agent 协作的全生命周期，旨在把分散的数据资产转化为可管理、可调用的数据服务。DataPilot 则面向业务人员，通过自然语言交互完成分析报告、数据看板和可信答案生成，将过去依赖专业数据团队的分析流程转化为可交互的智能决策能力。

成本方面，杨传辉透露，在相关落地场景中，OceanBase AI 数据库可使项目整体 TCO 降低 30%–50%。目前该方案已在蚂蚁阿福、灵光等应用场景完成业务验证。在智驾场景中，Lakebase 可将海量盒智驾数据转化为可管理、搜索、分析、复用的数据资产；在证券行业，则能统一移动数据源并进行多模态智能解析，处理行研报告与合规文件。

OceanBase CEO 杨冰认为，AI 正在改变数据的管理方式，数据使用者从人扩展到海量 Agent，数据形态也从结构化为主转向非结构化数据成为可计算资产。为此，OceanBase 已将内核团队分为“一体化数据库”和“AI”两个大部，配备独立团队研发 AI 引擎，视其为面向未来的第二增长曲线。

从产业格局看，杨传辉判断，在 AI 数据库领域中美起步点接近，中国在场景丰富度和工程化落地上甚至可能领先。OceanBase 背靠支付宝 AI 支付、通义千问、高德、飞猪等阿里生态业务，拥有真实且大规模的业务实践场景，这为其 AI 数据库的快速迭代提供了天然优势。