走进 Oracle AI World | 领航企业 AI 新纪元

Mahesh 在演讲中强调，企业 AI 系统需要 CPU、加速器、网络、存储和数据服务协同运行，以提升整体效率。随着智能体访问企业数据并参与业务流程，安全控制也需要深入数据和应用层，为新的工作方式提供支撑。他表示：“我们的根本目标不仅仅是提升 CPU 的速度，而是让统一的系统能够为客户在 OCI 上投入的每一美元完成更多工作。 ”

面向智能体的基础设施需要四项能力协同：一是在严格权限控制下访问企业数据，并保留可复用的业务上下文；二是为训练、推理和智能体任务提供合适的计算选择；三是以电力、网络和数据中心工程支撑大规模运行；四是将身份、权限与安全策略贯穿基础设施、数据和应用。Mahesh 重点介绍了以下能力与合作： 

数据是企业 AI 的基础。Oracle 在存储层介绍了面向不同工作负载的能力：OCI 可根据负载需求调整块存储性能；对象存储新增全球端点、多区域存储桶、对象锁和校验能力，以支持更广覆盖的应用与数据保护。在文件存储方面，Oracle 与 NetApp 计划将 Oracle Cloud Infrastructure NetApp Storage Service 作为 OCI 原生托管服务提供，让客户继续使用熟悉的数据管理工具和工作流程。

为控制智能体对企业数据的访问，Oracle Deep Trust AI Architecture 提出将访问控制嵌入数据库，在行、列、表和数据库等层级管理权限。Oracle Deep Trust Data APIs 旨在控制智能体访问数据对象的方式；OCI 上的自治数据库则可处理数据库及其运行环境的补丁工作，使安全能力随系统持续更新。

在业务上下文方面，Oracle AI Data Platform 的数据发现智能体和语义推理能力，帮助企业把分散的数据、应用、代码和文档组织成可理解、可复用的业务关联。Oracle 还介绍了可按需参与人工工作流程的智能体，使 AI 能够在授权范围内协助业务决策，而不是绕过既有流程。

客户实践也覆盖数据存储与多云应用。Mahesh 介绍，Uber 在 OCI 存储平台上运行数据和存储分析工作负载；Kobalt Music Group 使用 Oracle AI Database@AWS，使数据库靠近其在 AWS 上的应用。

将数据分析与 AI 服务带到企业现有数据附近，是 Oracle 与 Snowflake 合作的重点。双方宣布计划将 Snowflake 的数据与 AI 能力作为 OCI 原生第一方服务提供。Mahesh 表示，让服务靠近数据，有助于减少数据移动及其相关成本。

Snowflake 产品管理执行副总裁 Christian Kleinerman 表示，双方合作将帮助共同客户把 Oracle 应用管理的数据与 Snowflake AI Data Cloud 结合起来。他以财务、供应链及其他企业数据的关联分析为例，说明整合不同数据来源的潜在价值，以及合作有望为数据分析和 AI 应用带来的更多选择。

不同 AI 工作负载对计算资源有不同要求。Oracle 介绍了与 AMD、NVIDIA、Intel 等厂商的合作，以及可根据内存使用情况调整资源的虚拟机。Mahesh 在演讲中表示，相关动态资源虚拟机能力已正式可用。

OpenAI 计算基础设施工程负责人 Sreekanth Pothanis 将这一变化与智能体任务联系起来：AI 正从模型交互走向更复杂的任务执行，训练与推理仍然需要 GPU，智能体沙箱等任务也需要高效的 CPU。他还分享了各方在网络和数据中心设计方面的工程协作。根据相关联合公告，OpenAI 已在阿比林的 OCI 超级集群上训练和部署 GPT-6 Astra，所用集群包含超过 100,000 颗 NVIDIA Blackwell GPU。

在硬件系统设计上，NVIDIA 超大规模计算与高性能计算副总裁 Ian Buck 介绍了通过 NVLink 跨节点连接 72 颗 GPU 的方案。他强调，减少大规模训练中断，还需要软件、硬件、固件和运营团队协同。

在 TPU 方面，Google Cloud GCE 与 AI 基础设施产品管理副总裁 George Elissaios 表示，要让更多客户使用 TPU，需要合适的合作伙伴。他从芯片、网络和软件三个层面介绍了 TPU 的系统设计，强调软硬件协同对于大规模工作负载的重要性。根据双方公告，Google TPU 计划于 2027 年通过 OCI 提供。

为支持不同 AI 任务对计算的需求，Oracle 还介绍了与 Cerebras、Positron 和 SambaNova 的合作，以扩大客户的计算选择。其中，与 SambaNova 的合作处于早期阶段。

当 AI 训练任务启动或中断时，数据中心的用电负载会随之波动。Mahesh 介绍了 Oracle 在离网电力、储能及不同电源形式方面的探索，并指出，需要通过机架级设计、不间断电源等方式平抑负载变化，在与电网协作时兼顾社区用电需求。

网络同样影响大规模 AI 工作负载的持续运行。Oracle 介绍了 Oracle Acceleron 的多平面网络架构，以及将远程直接内存访问（RDMA）扩展到前端网络、优化块存储访问等举措。Mahesh 表示，多平面设计有助于在部分网络链路出现问题时维持工作负载运行，改善大规模环境中的可靠性。

在部署方式上，Oracle 介绍了客户自带机架并与 OCI 集成的模式。针对硬件合作伙伴，Oracle 还介绍了实验室算力接入 OCI 的构想：按照演讲中的设想，安装连接设备后，合作伙伴可通过 OCI 控制台和网络环境访问实验室计算资源。该方案计划未来向合作伙伴提供，目前仍处于早期原型探索阶段。

除传统计算和 AI 加速器外，Oracle 宣布与 Quantinuum 合作，探索量子计算，并计划将其量子计算能力引入 OCI。Quantinuum 首席商务官 Larry Stack 分享了 Helios 的进展：该系统已进入商业化阶段，相关探索包括金融服务中的蒙特卡洛模拟、风险组合和衍生品定价。Mahesh 表示，双方计划未来将这些能力带到 OCI。

面向应用开发，Oracle 介绍了 Meta 模型与 OCI 的合作。Meta 超级智能实验室 AI 产品工程副总裁 Prashant Ratanchandani 表示，面向智能体的模型需要保留并检索上下文，以持续处理较长时间的任务。他还分享了支持软件开发工作流的模型与工具。

在工具与服务组合方面，Mahesh 介绍了帮助用户构建、部署和维护应用的 Oracle App Composer，以及面向初创企业的 Oracle AI SMB Bundle。后者涵盖基础设施、数据服务、AI 模型和业务应用。

智能体能够执行更多操作，也意味着安全治理需要覆盖从数据访问、应用调用到任务执行的全过程。Mahesh 强调，企业应在基础设施、数据和应用各层落实最小权限、安全策略和身份管理。智能程度提高，并不意味着降低控制要求。

在具体治理能力方面，Oracle 介绍了网络层新增的拒绝规则及辅助编写策略的工具。在身份管理方面，Oracle 介绍了生物识别支持，以及为智能体提供短期凭证、管理访问权限并开展审计的能力。Mahesh 表示，智能体访问需要结合工作上下文，并通过短时会话控制其权限范围。

在跨环境安全方面，Oracle 介绍了与 OpenAI 合作的 Oracle AI Security Mesh，其目标是在 OCI、本地环境及其他云环境中改善整体安全态势。数据、计算、应用与安全控制的协同，旨在为智能体参与业务流程提供支撑。

从模型训练到智能体执行任务，企业对 AI 基础设施的需求不断扩展。通过与技术伙伴的合作，Oracle 正拓展 OCI 数据服务与计算能力，希望为不同工作负载提供更多选择，并在可信、可治理的框架下，支持企业推进 AI 应用。

*注：为免疑义，本文所用以下术语专指以下含义：

1. Oracle 专指 Oracle 境外公司而非甲骨文中国。

2. 相关 Cloud 或云术语均指代 Oracle 境外公司提供的云技术或其解决方案。