夜雨聆风蚂蚁的"灵光"平台，今年已经承载了3000万个AI生成的"闪应用"。什么叫闪应用？你对着屏幕用大白话说一句"我要一个管报销的小工具"，AI 几分钟内给你吐出一个能跑的应用。大多数人扫一眼这个数字就划走了，但做后端、做架构的人，我劝你多盯两秒——3000万个应用正在拆掉数据库行业几十年来最稳的一张桌子。
过去几十年，数据库架构有个默认前提：应用是稀缺的。一家公司养几十个、上百个应用，每个应用背后几张表、几十张表，架构师精心设计，DBA小心维护，天下太平。这个前提，被 AI 一脚踹翻了。当应用能从"手工作坊"变成"流水线产物"，数量直接从三位数跳到八位数，底座的承重结构都在咯吱响。
这种成本坍塌，历史上只发生过几次。智能手机起来那几年，App 从大厂专属变成人人能写，结果后端被逼着重构了一轮；再往前，PC 普及、互联网爆发，每一次应用的量产，都跟着一次底座的革命。AI 这次也一样，只是量产的速度快了不止一个量级。
应用数量从"几十个"跳到"几千万个"，"一应用一物理表"这套老规矩就彻底废了。
为什么废？每建一张物理表，你都得付三笔账：元数据的账、存储的账、运维的账。几千万个应用，就是几千万套表结构。元数据堆到那个量级，神仙来了也得跪。 元数据先崩，存储再崩，SQL 计算最后跟着崩。更麻烦的是，这些闪应用大多生命周期极短——今天建、下个月可能就没人用了，可它的表结构还赖在系统里占着坑，账怎么算都是亏的。
OceanBase 给灵光开的药方是一个词——逻辑表。不给每个应用单独建库，也不把数据塞进一个查不动的大 JSON 池，而是让每个闪应用在操作层面保有独立表结构：能建表、能插数据、能跑 SQL，用起来跟独立数据库一模一样，底层却共享物理存储、受控计算。应用层感觉独享一切，物理层一分钱没多花。
这套思路真正值钱的地方，在于它把"海量应用"和"有限资源"这对冤家，头一回摁在了同一张谈判桌上。而且它不是 PPT 概念——中国联通拿它搭统一 RAG 架构，硬件资源省了约三成；货拉拉拿它做资损代码识别和数仓答疑，砍掉了一堆独立向量组件。能落地的东西，才配叫架构，不然只能叫情怀。
———
别以为这是蚂蚁一家的内务。放大看，这就是眼下 AI 落地最扎心的那个矛盾：模型越来越能打，数据底座却原地踏步。Databricks 的调查说，只有 37% 的高管认为自家生成式 AI 应用已经够格上生产。剩下那六成多，卡在哪？卡在数据压根没就绪——找不到、看不懂、不敢喂。
这就是业内说的"第一公里"难题。模型可以随时下载，但你的数据散在十几个孤岛里，字段对不上、口径不一致、质量一塌糊涂，喂进去出来的全是幻觉。很多 AI 项目第一版不难，难的是三个月以后它还在正常运行。
再往深说，瓶颈不在算力，在口径。同一个"订单金额"，业务算含税、财务算不含税、数据团队算优惠后——三套口径摆一块，模型听谁的？听谁的都得错。口径对不齐，模型再牛也是白搭。
所以今年 DTCC 这种老牌数据库大会上，最热的词既不是某款新引擎，也不是某个新协议，而是"AI 数据底座"和"DBA 转型"。风向已经变了：数据库不再是 AI 的旁观者，而是 AI 落地的最后一道坎。
在 AI 这条链路上，谁握住数据这一层，谁就掐住了模型的喉咙。
听着像给数据库戴高帽，你算笔账就懂了。模型的推理能力是公开的、同质化的，几个月的领先很快被抹平；真正拉不开差距的，是你用多低的成本、多稳的架构，把海量应用和海量数据伺候舒服。OceanBase 敢把灵光这套架构公开，赌的就是一件事：这一层的经验，比模型参数难抄一百倍。
企业 IT 这几十年，走的是一条向上的路：先是流程电子化，把纸面搬到系统里；再是数据资产化，把散数据攒起来；接着算法赋能，让数据会说话；现在轮到智能体自主，让系统自己会办事。每一步，数据库都在底下托着。只是前几步它当背景板，这一步它站到了台前。
———
对做技术的人，这波最该想明白的，是你的位置站在哪一侧。
还在纠结"选 MySQL 还是 PostgreSQL"的人，选到天荒地老也选不出优势。数据库选型这件事，早就被过度神化了。 护城河跟你挑了哪款数据库没关系，跟你敢不敢重新画数据的边界才有关系。
会写 CRUD 的人不会失业，AI 应用再爆炸，总得有人接住它们倒出来的数据。但只会写 CRUD 的人，会。 接下来最抢手的，从会写 SQL 的那双手，换成了能想清楚"数据怎么喂给 AI"的那颗脑袋。
所以别把力气全花在背新框架上。接下来吃香的人，是那种既看得懂执行计划，又说得清"这条数据该不该进模型、进去之后怎么保证不烂"的人。这种横跨数据和 AI 的中间地带，才是接下来溢价最高的坑。
这句话不好听，但你去翻最近的招聘就知道：带 AI 数据底座、Agent 数据链路、多模数据经验的岗位，溢价明明白白摆在那。AI 没抢 DBA 的饭碗，它只是把饭碗里的饭，换成了更难吃的一碗。
旧的稳妥正在失效。过去十年，架构师最大的安全感来自"稳定"——少变更、少折腾、别出错。可 AI 应用的需求是分钟级上线、天级迭代，你的架构要是还按半年一个大版本的节奏走，早晚被业务的节奏抛下。稳定正在从你的护身符，变成你的催命符。
———
当然，也别急着推倒重来。逻辑表也好、湖库一体也好，本质都只是手段。它真正要做的，是逼你重想一个问题：当应用的边界被 AI 冲垮，数据和计算该在哪一层合拢、在哪一层放开。
想通这一层的人，已经在往下一个坑位挪了；没想通的人，还在为"这周数据库该打哪个补丁"抠头皮。旧架构不会一夜暴毙，但会慢慢把你饿死。
而且这不是中国厂商的孤例。海外的 Databricks、Snowflake 都在往同一个方向狂奔——把数据湖、数仓、AI 打成一个整体，让数据从"存起来"直接变成"给模型用"。谁先把这条路趟平，谁就拿到 AI 时代的数据入场券。
AI 时代最先被重写的，从来不是应用本身，是底座。应用会一路贬值，底座，才是真值钱的那头。
3000万个闪应用，只是开了个头。等这个数字滚到3亿，你手里那套老架构，还接得住吗？
码上谈兵 · 讲人话的技术