阿里云PolarDB进阶：锚定“AI就绪”，AI能力全面内化

本文来源：时代周报 作者：管越

1月20日，寒潮南下，上海飘起了久违的鹅毛雪。

同一天，2026阿里云PolarDB开发者大会在上海召开，场馆外风雪凛冽，场内却已是另一番火热景象。主会场早早便座无虚席，不少晚到的开发者顶风冒雪赶往第二直播间，就连中型会议厅也很快满员。

“有朋友说今天举办大会恰逢其时，因为我们PolarDB的logo正好是只北极熊。上海都能飘雪，看来PolarDB的时代真的来了。”作为大会演讲环节首位嘉宾，阿里云智能集团资深副总裁、数据库产品事业部负责人李飞飞打趣道。

作为阿里云核心的云原生数据库产品，PolarDB 在本届开发者大会上亮出重磅升级：正式发布全面内化的AI能力，即将大模型能力内化为数据库的“血液”，让数据系统能“直接驱动AI智能决策”。

对于如今的PolarDB，市场排名的“打榜”之争早已不是焦点。PolarDB已连续六年市场份额第一，而此番向AI深度融合的升级，更折射出行业核心趋势：云原生数据库正加速向AI-Ready（AI就绪）乃至AI-Native（AI原生）演进。

而本届PolarDB开发者大会，更清晰的信号是，“AI+数据库”从“外挂”到“内生”的变革，才刚刚开始。

“AI-Ready”再迭代

自OpenAI发布 ChatGPT以来，生成式AI技术快速迭代、能力持续爆发，AI-Native也从技术概念走入大众视野，成为科技行业的创业与产品核心方向，与之相伴的，还有AI-Ready与AI-Native的路径之争。

二者的定义泾渭分明。AI-Native指在设计、开发和运营过程中深度融合人工智能技术的公司或产品。AI Ready则是不对现有系统/产品的底层架构做彻底重构，通过接口适配、数据治理、工具集成等改造，让其具备安全、稳定、可扩展地对接并运行AI能力的状态，是从传统IT过渡到AI Native的务实中间阶段。

近两年来，这场路径之争已成为科技行业最核心的战略议题，不同厂商的技术选择与落地节奏都有所差异。

“AI-Native时代终将到来，但就当下而言，AI-Ready才是更实事求是的现状，AI-Native还为时过早。”李飞飞在接受时代周报等媒体采访时展现了不同观点，这一观点也与本届大会“AI 就绪的云原生数据库”的主题高度契合。

事实上，阿里云对AI发展的路径早已有着清晰判断。2025年9月，阿里CEO吴泳铭在云栖大会上提出AI发展路径：从学习人、辅助人，到自我迭代超越人，最终走向超级人工智能。而在迈向这一目标的过程中，AI 发展的瓶颈也在不断变化。起初是算力，大模型训练依赖于高性能GPU；而算力背后是巨大的能源消耗；此外，安全、伦理与治理瓶颈也日益凸显。不过，在李飞飞看来，接下来的瓶颈可能是数据，是存储。

“在通往超级人工智能的过程中，数据是燃料，数据处理能力是引擎。”李飞飞直言，大模型会吞噬一切冷数据、温数据，热数据的实时处理只能依赖数据库，所以“将AI大模型嵌入数据库是必须要做的一件事情”，这既解决了数据迁移的效率问题，也能保障数据主权和隐私安全。

基于这样的理念，2025阿里云PolarDB开发者大会推出内置大模型的PolarDB AI版本，帮助个人和企业开发者快速部署并上线AI应用；2026年则快速演进到“AI就绪的云原生数据库”，实现从“外挂式”集成AI到“内生智能”的进化。

“AI-Native的说法忽视了AI技术仍在快速迭代的现实。AI-Native是“Moving Target”，当前行业的核心任务是夯实AI-Ready基础。”李飞飞进一步表示。

四大支柱向AI就绪进化

“云原生数据库”，是本届PolarDB开发者大会的另一大核心关键词，也是PolarDB夯实AI-Ready基础的核心依托。

按照管理的数据结构，数据库可分为关系型、非关系型（键值型、文档、图、时序等）；按照部署模式，数据库可分为本地数据库和云数据库，其中云数据库又分为云原生数据库、云服务数据库、云托管数据库。

阿里云PolarDB是关系型的云数据库，即建立在关系模型上提供标准化的数据展现和查询方法，确保所有应用都能轻松访问和使用所需数据；同时，基于公有云架构设计的数据库服务，属于云原生数据基础设施范畴，具备弹性伸缩、无服务器化、全球高可用及低成本等特性，可与云服务深度集成。

人工智能的快速发展，促使云数据库不断迭代进化。为了达成“外挂式”集成AI到“内生智能”的进化，阿里云PolarDB此次的升级则聚焦在四大技术核心上。

在存储层面，PolarDB做了Lakebase（AI数据湖库）架构，即数据库、数据湖、数据仓三者的有机融合，打破传统数据库只处理结构化数据的局限，让图片、视频、日志等半结构化、非结构化数据能无缝流转，不用再跨系统迁移。

“AI时代的数据类型太丰富了，不能再让数据困在‘孤岛’里。”李飞飞对此形象地解释道。

第二个核心是元数据统一管理。AI时代，元数据早已不是传统数据库里几兆大小的“辅助信息”，而是支撑“上T级”规模、实时同步的“神经中枢”。

“以前元数据是‘小配角’，现在是‘总指挥’，要处理海量异构数据源，首先得知道它们在哪里、是什么格式。”李飞飞提到，PolarDB通过Zero ETL（即将企业内部各种形式、不同来源的数据经过抽取、清洗转换之后格式化的过程）技术，让数据源变化后元数据秒级更新，同时自动调用模型完成特征提取。

第三大核心聚焦多模态检索与处理层面，PolarDB结合Embedding（图像嵌入）能力，让开发者不用额外调用第三方工具，让数据库能同时支持关键词匹配和语义理解。

第四个核心则是模型算子化+Agent AI支持，这被李飞飞称为“数据与AI融合的核心”，即把大模型推理能力封装成数据库内置“工具”（算子），用SQL（结构化查询语言）就能调用，实现“数据不出域”；同时支持Agent开发部署，让AI程序能直接操作数据库。

“从云原生到AI-Ready，4大路径缺一不可。”李飞飞说。

AI-Native还有多远？

“未来数据库的用户不仅仅是现在的开发者，还有更多普通用户。”在回答时代周报等媒体记者提问时，阿里云数据库产品事业部、产品管理与技术架构部负责人王远提出了一个超出技术框架的视角——PolarDB的AI-Ready演进，不仅是技术升级，更是用户群体的拓展。

目前，PolarDB已经开放了自然语言交互与多模态交互。未来，多模态检索、实时知识更新Embedding、无缝自然语言查询，甚至是从问题直接到Action，或是AI-Native的新表征。

王远表示，未来数据库的终端用户可能不太会使用命令行，MCP工具、各种程序脚本等。“未来可能不会存在多个APP，大概率是一个入口、自然语言交互，客户根本感知不到Agent的存在。”

李飞飞和王远的畅想亦有现实依托。

当下，AI赋能数据库升级的路径。一方面，涵盖SQL调优、安全管理以及数据库运维等功能的智能运维中心可以实现对数据库系统的实时监控、预测分析和自动化处理；另一方面，大语言模型将自然语言转化为对应的SQL语句，辅助海量数据查询，降低数据库操作门槛；再者，通过机器学习和AI算法，自治数据库能优化查询、自动管理内存和存储，实现自调优。

那么，AI-Native还有多远？

李飞飞表示：“从Cloud Native（云原生）到AI-Ready，再往下三年以后，我认为会进入到AI-Native的时代。”