图灵奖得主查尔斯·巴赫曼：他在数据未成海时，便为人工智能修好了岸

来源：市场资讯

（来源：图灵人工智能）

您想知道的人工智能干货，第一时间送达

“查尔斯·巴赫曼（Charles W. Bachman, 1924-2017）是网状数据库之父，1973年图灵奖得主，美国计算机科学家。他开发了世界上第一个数据库管理系统——集成数据存储（IDS），奠定了现代数据管理技术的基础。”

01. 人物介绍

（图片来源：AI生成）

每一片浩瀚的海洋，都曾是一滴孤独的水。

在人工智能可以写诗、作画、与人交谈、诊断疾病、编写代码的这个时代，我们习惯仰望那些站在聚光灯下的算法天才——辛顿、杨立昆、本吉奥。他们的名字被反复传颂，他们的论文被无数次引用，他们的面孔出现在杂志封面上。

却很少有人想起——在数据还没有成为“海”之前，是谁先挖出了第一道沟渠，让水可以流动、汇聚、彼此找到。

查尔斯·巴赫曼，就是一个修岸的人。

他不张扬，不喧哗，甚至刻意避开镁光灯。他没有在顶级会议做过主旨演讲，没有创办过市值千亿的公司，没有在社交媒体上与同行论战。他只是安静地坐在上个世纪的机房里，听着磁带机嗡嗡的转动声，闻着打孔纸带特有的油墨味，然后用一种近乎固执的温柔，为后来所有的智能，铺好了第一张可以躺卧的床。

他相信一件事：数据是有生命的。它们应该被看见、被连接、被尊重。

这个故事，关于一个机械工程师，如何用一生，把世界从“孤岛”连成“大陆”。

如果你愿意，请慢下来。泡一杯茶，找一个舒服的姿势。这是一个需要慢慢听的故事。

一、在堪萨斯的风里长大

1924年12月11日，美国堪萨斯州，曼哈顿——不是纽约那个曼哈顿，是一个安静的、被麦田包围的小城。

一个男孩出生了。

那年，卡尔文·柯立芝还是美国总统，爵士乐正在芝加哥的酒吧里悄悄萌芽，电视还没有被发明出来，人们刚刚开始用电灯照亮夜晚，收音机还是需要戴上耳机才能听见的稀罕玩意儿。

小查尔斯·巴赫曼来到这个世界的时候，还没有“计算机”这个词。甚至连“电子”都还只是一个物理课本上的抽象概念。

他的童年，是在开阔的平原上度过的。

堪萨斯的风很大，大到能把帽子吹跑，大到麦田会像海浪一样起伏。天很低，云跑得很快，地平线在四面八方向外延伸，好像永远走不到尽头。

他后来在回忆录里写道：

“在堪萨斯长大，你会明白一件事：万物之间都有看不见的联系。风连着云，云连着雨，雨连着土地，土地连着麦子，麦子连着餐桌上的面包。没有任何东西是真正孤独的。”

这种直觉——万物相连的直觉——像一颗种子，埋进了他年幼的心里。

巴赫曼的父亲是一位工程师，母亲是一位教师。家里不算富裕，但书架从来不空。他从小就喜欢拆东西——拆闹钟，拆收音机，拆一切能拆开的东西。不是为了破坏，而是想看看里面是怎么连接的：齿轮咬合齿轮，电线连接电线，每一个零件都有自己的位置，每一个位置都有自己的意义。

他后来常说：

“一个闹钟和一套数据库，本质上没有区别——都是关于‘连接’的艺术。”

高中毕业后，他先去了密歇根州立大学，读机械工程。那是工业时代最后的荣光——钢铁、齿轮、传动轴、内燃机，一切都实实在在，一切都可以被触摸、被测量、被信任。

然后战争来了。

第二次世界大战期间，巴赫曼加入了美国陆军。他没有被派往前线，而是被分配到一个防空炮兵部队，负责维护火炮的瞄准系统。那是一份枯燥而精密的工作——你需要让一个几十吨重的庞然大物，精准地指向天空中的一个小点。

他在那里学会了两件事：

第一，精度就是生命。差一度，就可能打不中；打不中，就可能有人死去。

第二，系统思维。一个瞄准系统，不是瞄准镜的事，而是齿轮、液压、光学、人力、天气、地形的总和。你不能只看一部分。

战争结束后，他回到了学校。

但这一次，他没有只学工程。他去了宾夕法尼亚大学读机械工程硕士，然后又去了沃顿商学院——拿到了MBA学位。

这是一个奇怪的知识组合。工程教他“怎么造”，商科教他“为了谁”。

他后来解释过：

“如果不懂商业，你就不知道数据为什么重要。数据不是为了存在而存在的——数据是为了回答一个问题：我的生意到底怎么样了？”

1950年，巴赫曼毕业了。

那一年，世界上的计算机屈指可数，每一台都像一堵墙那么大。没有人听说过“软件”，没有人听说过“数据库”，甚至“程序员”这个职业，都还在襁褓之中。

但他已经隐隐约约感觉到了什么。

他说不上来，只是一种子弹即将出膛前的震颤。

二、当数据还是孤岛

1960年代初，巴赫曼加入了通用电气公司。

那时候的通用电气，是世界最强大的企业之一。它造发电机，造冰箱，造喷气发动机，造核反应堆。它拥有庞大的供应链、庞大的销售网络、庞大的财务系统——每一个环节都在产生数据，但每一个环节的数据，都像一座孤岛。

生产部门有一个文件柜，里面装满了零件清单。采购部门有另一个文件柜，里面装满了供应商信息。销售部门有第三个文件柜，里面装满了客户订单。仓库有第四个，里面装满了库存记录。

这些文件柜之间，没有电话，没有信件，没有沟通。

一个订单从销售部到生产部到仓库到运输部，每一步都需要人工抄写、人工传递、人工核对。一个数字抄错了，整批货就送错了。一个名称写反了，客户就收不到账单。

通用电气请巴赫曼来，是为了解决一个很现实的问题：让这些文件柜，能够彼此说话。

巴赫曼走进了机房。

那是一个巨大的、没有窗户的房间。地板上铺着防静电的橡胶垫，空调全天候运转，声音很大，大到人们必须提高嗓门才能听见彼此。计算机——IBM 1401系列——占据了整整一面墙，磁带驱动器像一排沉默的卫兵，闪烁着绿色的指示灯。

巴赫曼看着这些昂贵的机器，陷入了一种奇特的沉思。

当时的计算机是怎么处理数据的？

是这样的：

你需要先把数据写在打孔卡片上。每一张卡片存储80个字符，像一句很短的句子。然后你把一叠卡片放进读卡器，读卡器把它们一张一张吞进去，转换成电信号。计算机处理完之后，再把结果打在另一叠卡片上。如果你想用这批数据做另一件事——比如从“计算工资”变成“生成报表”——你得把卡片重新整理一遍，重新输入一遍。

数据是线性的，是顺序的，是一次性的。

就像一个只有单行道的城市——你想去另一个地方，必须回到原点，重新出发。

巴赫曼觉得不对劲。

他在笔记本上画了一条线，然后在线上画了一个分支，又在分支上画了另一个分支。他想：为什么不能直接过去呢？为什么一定要绕回来呢？

他站起来，走到白板前，画了一张图。

这张图，后来会被叫做——网状数据模型。

三、修第一条路的人

（图片来源：AI生成）

1963年，巴赫曼做出了一个决定：他要自己写一个系统。

没有预算，没有团队，没有正式的立项。他只是在完成本职工作之余，一个人写代码。那时候写代码不像现在——没有集成开发环境，没有代码补全，没有在线文档。你坐在一台电传打字机前，用纸带打孔，然后把纸带送进计算机，等它运行，然后等它出错，然后找错，然后重新打孔。

一遍，一遍，又一遍。

他在构建一个东西，他把它叫做集成数据存储——Integrated Data Store，简称IDS。

这是人类历史上第一个数据库管理系统。

不是“一个数据库”，而是“一个管理数据库的系统”。它可以让不同的程序，同时访问同一份数据，而不会互相干扰。它可以让数据持久地存在，而不是随着程序的结束而消失。它可以在数据之间建立“指针”——就像一个箭头，从一条记录指向另一条记录。

巴赫曼这样描述他的想法：

“想象你在一片森林里，每一棵树都是一条数据。你想从这棵树走到那棵树。在旧的系统里，你必须回到森林的入口，重新开始。但在IDS里，你可以直接从一棵树走向另一棵树——只要你记得路。”

他把这种行走，叫做导航。

多么诗意的词啊。在那个年代，程序员还只是在“处理数据”、“操作数据”、“管理数据”——冰冷的、工具性的词汇。而巴赫曼说：不，你是在航行。数据是一片海，你是船长，指针是你的罗盘，记录是你的岛屿。

他还在IDS里实现了两个革命性的功能：

第一，并发控制。两个人可以同时修改同一份数据，系统会自动协调，不会让一个人把另一个人的工作覆盖掉。这在今天看来理所当然，但在1963年，这是一个大胆的创新。

第二，故障恢复。如果系统在运行中途崩溃了——当时这种事经常发生——IDS可以在重启后恢复到崩溃前的状态，不会丢失数据。这就像给数据买了一份保险。

1964年，IDS正式在通用电气内部投入使用。它运行的第一个应用，是通用电气的武器系统部门——制造导弹和轰炸机的那个部门。数据量巨大，关系复杂，稍有差错就是灾难，IDS扛住了。

消息开始在行业内流传。通用电气的竞争对手派来探子，想知道这个神秘的“IDS”到底是什么。学术圈也开始有人关注——一个叫巴赫曼的工程师，在工业界做了一个大学里都没做出来的东西。

但巴赫曼没有停下来庆祝。他知道，IDS只是一个开始。

四、让世界看见那张网

1960年代末，巴赫曼离开了通用电气，加入了霍尼韦尔信息公司。

在那里，他继续完善他的数据库理念。他开发了IDS的改进版——IDS/2，加入了更多企业级功能：更好的安全性、更高效的查询、更灵活的导航方式。

但更重要的是，他开始推动一件事：标准化。

巴赫曼意识到，如果每个公司都用自己的数据库系统，数据就无法在组织之间流动。通用电气的数据格式和霍尼韦尔的不一样，霍尼韦尔的和IBM的不一样——数据仍然是孤岛，只不过这一次，孤岛变大了而已。

他加入了CODASYL——数据系统语言会议。这是一个由美国国防部资助的标准化组织，最早是为了开发COBOL编程语言而成立的。

在CODASYL内部，巴赫曼牵头成立了一个新的委员会：数据库任务组——Data Base Task Group，简称DBTG。

这个任务组的目标是：制定一个所有人都能遵守的数据库标准。

那几年，巴赫曼几乎每个月都要飞往华盛顿，参加CODASYL的会议。会议很枯燥——动辄十几个小时，讨论的都是技术细节：指针的长度应该是多少？记录的格式应该怎么定义？数据描述语言应该用什么样的语法？

但巴赫曼从不厌倦。

他后来回忆说：

“标准化不是最性感的工作。但它是最重要的工作之一。你修一条路，如果宽度不一样，火车就开不过去。数据库也是一样。”

1971年，DBTG发布了它的最终报告——史称DBTG报告。

这份报告提出了一个影响深远的三层架构：

• 外部层：用户看到的视图。不同的用户，看到不同的数据切片。

• 概念层：数据的整体逻辑结构。所有数据在哪里，它们之间什么关系。

• 内部层：数据在硬盘上的实际存储方式。

这个架构的伟大之处在于：它把“数据是什么”和“数据存在哪里”分开了。

这意味着，你可以改变数据的存储方式——比如换一块更快的硬盘——而不需要修改你的应用程序。反过来，你也可以改变应用程序的查询方式，而不需要搬动硬盘上的数据。

这就是所谓的数据独立性。

今天，每一个数据库系统——Oracle、MySQL、PostgreSQL、MongoDB、甚至Excel——都在不同程度上遵循着这个架构。只是很少有人知道，这个架构的源头，是1971年的一份政府报告，和巴赫曼无数个失眠的夜晚。

五、巴赫曼图——给数据画一张星图

（图片来源：AI生成）

除了IDS和DBTG报告，巴赫曼还有一个流传更广的遗产：巴赫曼图。

这是一种极其简单的图。你只需要两种元素：

• 方框：代表一种数据类型——比如“客户”、“订单”、“产品”。

• 箭头：代表数据类型之间的关系——比如“一个客户可以有多个订单”，“一个订单对应一个产品”。

就这么简单。

但简单的东西，往往最有力量。

巴赫曼图让程序员、分析师、管理者之间，有了一个共同的“语言”。你不需要懂技术，你只需要看得懂方框和箭头，就能理解一个系统的数据结构。

一个管理者看到巴赫曼图，会说：“哦，原来我们的客户和订单是这样连接的。”

一个程序员看到巴赫曼图，会说：“哦，原来我需要在代码里这样写查询。”

一个数据分析师看到巴赫曼图，会说：“哦，原来我可以从客户出发，找到所有订单，然后找到订单里的所有产品——我可以回答‘买了A产品的客户还买了什么’这个问题了。”

巴赫曼图还有一个隐藏的美学意义：它让看不见的东西变得可见。

数据是隐形的。你没办法“看见”一条数据，就像你没办法“看见”一个想法。但巴赫曼图把这些隐形的连接，画在了纸上。像一个天文学家把散落在夜空中的星星，连成了星座。

巴赫曼本人非常喜欢画图。

他的同事回忆说，巴赫曼在开会的时候，从不做笔记。他在白板上画图。问题越复杂，他画得越起劲。箭头、方框、分支、循环——像一幅抽象画。

有一次，一个年轻的程序员问他：“巴赫曼先生，你为什么这么喜欢画图？”

他想了想，说：

“因为语言会骗人。文字会模糊。但一张好图，就像一把尺子——你可以指着它说：‘这里是对的，那里是错的。’”

六、哥白尼式的转身

（图片来源：AI生成）

1973年，一个电话打到了巴赫曼的办公室。

电话那头说：“巴赫曼先生，您获得了今年的图灵奖。”

图灵奖——计算机界的最高荣誉。相当于这个领域的诺贝尔奖。巴赫曼是第四位图灵奖得主。在他之前，只有艾伦·珀利斯、莫里斯·威尔克斯和约翰·麦卡锡获得过这一殊荣。

巴赫曼在电话里沉默了几秒钟。

然后他说：“谢谢。但我还有很多工作没做完。”

这就是他。谦逊，克制，永远觉得最好的作品是“下一个”。

那一年的图灵奖颁奖典礼，在ACM年会上举行。巴赫曼走上讲台，面对着台下上千名计算机科学家、工程师、学生、记者。

他的演讲题目是：《程序员作为导航员》。

他没有讲技术细节——那些留给论文就好。他讲了一个关于世界观的比喻。

他说：我们正在经历一场哥白尼式的革命。

哥白尼做了什么？他把世界的中心，从地球移到了太阳。地球不再是一切的中心，而只是一颗绕着太阳转的行星。这是一个深刻的视角转换——看似只是换了一个参照系，实际上改变了整个文明的思维方式。

巴赫曼说，计算机领域也在经历类似的视角转换。

过去，一切都是围着计算机转的。数据是程序的附庸——程序来了，数据被读取；程序走了，数据被遗忘。数据没有自己的位置，没有自己的尊严，没有自己的生命。它们只是程序的燃料，烧完了就没了。

但巴赫曼说：不是这样的。

数据才是中心。程序——无论多么聪明、多么复杂的程序——都应该围着数据转，而不是反过来。

这意味着什么？

意味着当你设计一个系统的时候，你首先要问的不是“这个程序怎么写”，而是“这些数据是什么、它们之间有什么关系”。

意味着数据不是用完就扔的一次性用品，而是需要被长期保存、精心维护、持续管理的资产。

意味着数据有自己的生命周期——它们出生、成长、关联、衰老、归档、消亡——就像有生命的东西一样。

巴赫曼在演讲中说：

“我们正在从一个以过程为中心的世界，走向一个以数据为中心的世界。这不仅仅是技术的变化，这是世界观的变化。”

台下响起了掌声。

这段话，在今天听起来可能平平无奇。因为我们已经生活在以数据为中心的世界里——大数据、数据驱动、数据资产、数据中台，这些词我们已经听腻了。

但在1973年，这是一个振聋发聩的宣言。

那一年，大多数程序员还在用汇编语言写代码，大多数公司还在用文件柜存数据，大多数大学甚至还没有开设“数据库”这门课。

而巴赫曼已经看见了三十年后的世界。

七、与关系模型的君子之争

（图片来源：AI生成）

在数据库的历史上，有一场著名的辩论。

一方是巴赫曼，网状模型的捍卫者。另一方是埃德加·科德，关系模型的发明者。

科德是IBM的研究员，一个英国人，数学背景深厚。1970年，他在《ACM通讯》上发表了一篇里程碑式的论文——《大型共享数据库的关系模型》。在这篇论文里，科德提出了一个激进的想法：

不要指针，不要导航，不要程序员来决定“怎么走”。

用户只需要告诉计算机“我要什么”——用一套数学化的查询语言，比如SQL。至于怎么去找这些数据、走哪条路最快，那是计算机自己需要解决的问题。

这就像你打一辆出租车。你不需要告诉司机“左转、右转、直行、再左转”，你只需要说“我要去机场”，司机会自己选择路线。

科德的模型，优雅、简洁、数学上干净。它基于集合论和谓词逻辑——两个经过几百年检验的数学分支。

但巴赫曼不同意。

他说：科德的模型在理论上很美，但在实践中太慢了。

1970年代的计算机，内存小得可怜，CPU慢得可笑。科德的“关系查询”需要计算机扫描整张表、做集合运算——在当时的硬件条件下，一个查询可能要跑几个小时。而巴赫曼的网状模型，通过预先定义好的指针，可以直接“跳”到需要的数据——几秒钟就够了。

两个人的辩论，持续了整个1970年代。

他们在学术会议上交锋，在期刊上互相回应，在行业标准委员会里互相说服。科德说巴赫曼的模型太复杂、太难用、太依赖程序员的个人能力。巴赫曼说科德的模型太慢、太浪费、太不切实际。

但值得注意的是：这是一场君子之争。

两个人从未恶语相向。他们尊重彼此，欣赏彼此，甚至在公开场合互相称赞过对方的工作。科德承认巴赫曼的网状模型是“第一个真正的数据库系统”；巴赫曼承认科德的关系模型是“一个优雅的理论突破”。

后来，历史做出了选择。

1980年代，关系数据库开始商业化——Oracle、DB2、SQL Server、Ingres——它们都用了科德的关系模型和SQL语言。到1990年代，网状数据库基本退出了主流市场。

从市场的角度看，科德赢了。

但行业里的人都明白：现代关系数据库系统中许多核心功能，其思想源头都可以追溯到巴赫曼的网状模型。

复杂的查询优化器——本质上是在把关系查询翻译成某种“导航路径”，就像巴赫曼的程序员手动做的那样。

事务管理和ACID特性——巴赫曼的IDS早就实现了。

参照完整性约束——确保一个记录指向的另一个记录确实存在——这是网状模型指针系统的自然延伸。

甚至连今天最热门的图数据库——Neo4j、Amazon Neptune、JanusGraph——它们在骨子里都是网状模型的后代。节点就是记录，关系就是指针，遍历就是导航。

巴赫曼没有赢，但他也没有输。

他只是用一种更朴素的方式，进入了每一个数据库的血液里。

2003年，有人问巴赫曼：“你后悔吗？后悔没有坚持把网状模型变成行业标准？”

他想了一会儿，说：

“不后悔。科德是对的——关系模型更简单、更易用。我只是希望人们记住：简单的东西，往往建立在复杂的东西之上。没有我们这些修路的，后来的开车的人，哪来的路呢？”

八、人工智能到来之前

现在，让我们把目光转向这篇文章的核心——巴赫曼与人工智能的隐秘关联。

巴赫曼的职业生涯，与人工智能的第一波浪潮大致重合。

1950年代到1970年代，是符号主义AI的黄金时代。科学家们相信：智能的本质是符号操作——你给计算机足够多的规则和事实，它就能推理出新的知识。

这些“事实”是什么？是数据。

这些“规则”是什么？也是数据。

无论是早期的逻辑推理程序（如纽厄尔和西蒙的“逻辑理论家”），还是后来的专家系统（如费根鲍姆的DENDRAL），它们都需要一个地方来存储事实和规则——一个库，一个仓库，一个数据库。

而当时世界上最好的数据库，就是巴赫曼的IDS和它的后继者。

你可能不知道的是，第一个被用于人工智能项目的数据库管理系统，就是巴赫曼的IDS。

1970年代中期，斯坦福大学的MYCIN专家系统——一个可以诊断血液感染的著名AI程序——就运行在一个类网状数据库上。虽然MYCIN没有直接用IDS，但它的数据组织方式，完全遵循了巴赫曼DBTG报告中的规范。

巴赫曼本人对人工智能的态度，既不是狂热，也不是排斥。他是一种温和的旁观者。

他曾经在一次访谈中说：

“人工智能很有趣。但在我看来，与其试图让机器‘思考’，不如先让它们‘记住’。一个没有记忆的智能，就像一条没有水的河。你可以叫它任何名字，但它不是河。”

这句话，后来被很多人引用。

它道出了一个朴素的真理：智能离不开记忆，记忆离不开数据，数据离不开管理。

你可以训练世界上最大的神经网络，给它最先进的GPU，最聪明的算法——但如果你的数据是乱的、脏的、彼此矛盾、无处可寻，你的模型什么也学不到。

巴赫曼提供的，恰恰是数据管理的“底层操作系统”。

他不是那个在聚光灯下教机器“思考”的人。他是那个在无人注意的地下室里，替所有机器打好“地基”的人。

九、当数据成为燃料

快进到今天。

人工智能——特别是深度学习——已经改变了世界。而它的核心，是一个简单的公式：

更多的数据 + 更大的模型 + 更强的算力 = 更好的智能。

这个公式的每一个因子，都和数据库技术有关。

更多的数据：你需要一个地方来存储TB级甚至PB级的数据。你需要知道数据在哪里、怎么读取、怎么备份、怎么恢复。这是数据库的基本功能。

更大的模型：模型本身也是数据——几亿、几十亿、几千亿个参数，每一个参数都是一个数字。这些数字被存储在什么地方？被怎么组织？被怎么并行读取？这些问题，都可以追溯到巴赫曼时代的数据库设计原则。

更强的算力：算力只有在数据被高效地喂给GPU时才有用。如果你的数据加载速度跟不上计算速度，再强的GPU也得闲置。而数据加载的效率，取决于底层数据管理系统——取决于索引、取决于缓存、取决于存储布局——所有这些，巴赫曼在1960年代就已经思考过。

你可能觉得我把巴赫曼拔得太高了。

但请你想想：今天的AI数据管道，本质上是在做一件什么事？

它是在把非结构化的数据——文字、图片、声音、视频——转化成结构化的数据——向量、嵌入、特征、标签。然后把这些结构化数据，存放到某种数据库里。然后在需要的时候，快速地把它们找出来。

这个过程，就是巴赫曼所说的导航。

只不过，今天的导航员不再是人类程序员，而是算法本身。模型学会了在数据空间中自己找到路——就像AlphaGo在棋盘上找到胜率最高的落子一样。

但路本身，是巴赫曼和后来者们修好的。

没有路，就没有导航。

十、沉默的晚年，不灭的灯

（图片来源：AI生成）

1980年代，巴赫曼渐渐淡出了数据库的主流舞台。

不是因为他被淘汰了，而是因为他主动选择了退场。他说：

“一个领域成熟之后，需要的就不是先驱了，而是工程师和商人。我已经完成了我的使命。”

他没有停留在过去的荣光里。

60岁的时候，他做了一件让很多人惊讶的事：他离开了数据库领域，转向了一个全新的方向——开放系统互连（OSI）。

这是网络通信的标准，和数据库没有直接关系。他在OSI标准化工作中又投入了十几年，推动不同厂商的计算机能够相互通信。

有人问他：你都功成名就了，为什么还要从头学起？

他说：

“因为好奇心不是一次性的。它是一辈子的事。”

退休之后，他搬到了缅因州，住在海边。

那里有灯塔，有礁石，有潮起潮落。他每天早上起来散步，看海鸥，看渔船，看雾从海面上慢慢升起来。下午在书房里读书——不是计算机书，而是历史、哲学、诗歌。晚上和妻子一起做饭，然后坐在门廊上看星星。

他偶尔接受采访，说话很慢，声音很低，像一个在讲睡前故事的老人。

有人问他：“巴赫曼先生，你觉得自己最大的成就是什么？”

他想了一会儿。

没有说IDS，没有说DBTG，没有说图灵奖。

他说：

“我让数据不再孤独。”

就这么一句话。

采访者愣了一下。然后慢慢收起笔记本，没有再追问。

因为这句话，已经回答了所有的问题。

十一、最后的告别

2017年7月13日，查尔斯·巴赫曼在缅因州的家中安详离世。

九十三岁。

他走的那天，缅因州的海很蓝，风很轻，灯塔依旧亮着。

他走的时候，人工智能已经能下围棋、能开汽车、能翻译一百种语言、能诊断早期癌症。那些他年轻时无法想象的智能，正从数据的海洋里，一点一点浮现出来。

ChatGPT还要再过五年才会诞生，GPT-4还要再过六年，Sora还要再过七年。

但所有这一切的底层——那些被存储在云服务器上的PB级数据、那些被精心组织的数据表、那些被快速导航的查询——它们的祖先，都可以追溯到1963年的那个冬天，在通用电气的实验室里，巴赫曼写下第一行代码的那一刻。

他大概会笑一笑。

像一个在退潮后的沙滩上，默默修好堤坝的老人。浪来了，又退。浪来了，又退。他不知道将来会游过来什么样的鱼，但他知道——水不会跑了。

堤坝在，岸在，数据就不会流浪。

十二、尾声

（图片来源：AI生成）

巴赫曼去世后，ACM（美国计算机协会）发表了一份悼词。

悼词的最后一段是这样写的：

“查尔斯·巴赫曼不属于任何一个流行词汇。他不属于‘人工智能’，不属于‘大数据’，不属于‘云计算’。但他属于这一切的底层。他是地基，是岸，是那个在你出生之前就已经把路修好的人。我们走在上面，从不觉得颠簸——因为他的工作，做得太好了。”

我想，这大概是对他最准确的评价。

他不是那个在聚光灯下接受欢呼的人。他的名字不会出现在教科书的海报上，不会出现在科技媒体的头条里，不会出现在年轻人的T恤上。

但他一直在那里。

在每一行SQL语句的背后，在每一个数据库索引的结构里，在每一次数据查询的路径规划中。

像一个沉默的守夜人。

灯不亮，但你一直在光里。

尾声之后：给每一位读到这里的你

如果你觉得这个故事有点远，没关系。

下次当你对着手机说“嘿 Siri”的时候，下次当你看到AI生成的文字的时候，下次当你的导航软件避开拥堵路段的时候，下次当你收到一条精准的商品推荐的时候，下次当你的银行识别出异常交易并冻结账户的时候——

你不一定要想起查尔斯·巴赫曼这个名字。

你甚至不需要知道IDS是什么、DBTG报告是什么、网状模型是什么。

但你或许可以想起一件事：

在这一切发生之前，在人工智能还是一个遥远的梦的时候，有一个人，用了半辈子的时间，替所有的数据，修好了第一条可以通行的路。

他不在算法里，不在芯片里，不在任何一行你读得懂的代码里。

他在那些代码的底层，在那些看不见的关联里，在每一张数据表的结构深处，在每一次数据的迁徙与重逢中。

像一个沉默的守夜人。

灯不亮，但你一直在光里。

“在数据还未成海时，他便修好了岸。在智能还未醒来时，他便点亮了灯。他不写诗，但他的代码让数据有了韵律。他不航海，但他的罗盘让程序员不再迷路。

献给查尔斯·巴赫曼——那个让数据不再孤独的人，那个在数字荒原上种下第一棵树的人，那个我们每天都在使用、却很少想起的人。”

02. 我的思考与感受

读完巴赫曼的故事，我忽然意识到一件事：我们这代人，习惯了享用技术的果实，却很少去看一看树根。

每一次对着手机说话、每一次看到AI生成的诗句、每一次导航精准地避开拥堵——我们赞叹算法的精妙，惊叹算力的澎湃，却几乎从不会想起：在这一切的最底层，有一个叫巴赫曼的人，在六十年前就替所有的数据，修好了第一条可以通行的路。

他让我感动的地方在于，他做了一件“不性感”的事。

数据库管理——听起来多么枯燥啊。没有炫酷的界面，没有激动人心的演示，没有“让机器思考”的宏大叙事。它只是在处理一些琐碎的、底层的、看不见的问题：数据怎么存？怎么找？怎么不丢？怎么不打架？

但正是这些“不性感”的问题，构成了智能的地基。

巴赫曼像那个在教堂底下砌石头的人。没有人会抬头看他，没有人会为他鼓掌，但如果没有他砌的那些石头，穹顶再漂亮，也会塌。

他让我重新理解了“伟大”这个词。

伟大，不一定是站在聚光灯下接受万众欢呼。伟大，也可以是安静地坐在机房里，听着磁带机嗡嗡的响声，一行一行地写代码，把一个没有人觉得是问题的问题——数据太孤独了——当成自己一生的事业。

他修好了岸，然后浪就来了。

人工智能是浪，大数据是浪，云计算是浪。浪花越涌越高，越涌越绚烂。但岸，还是那个岸。

巴赫曼走的时候，人工智能已经能下棋、能画画、能写诗。他不知道ChatGPT，不知道GPT-4，不知道Sora。但他知道一件事：数据不再孤独了。

这就够了。

我想，这就是一种温柔又高级的人生——不是被所有人记住，而是被所有人使用。你叫不出他的名字，但你每天都在他修好的路上行走。

这大概是最安静的伟大。

03. 本期提问

如果人工智能有一天真的拥有了自我意识，当它回望自己的来处——那些算法、那些模型、那些芯片——它会记得，在一切的起点，是一个叫查尔斯·巴赫曼的人，先让它学会了如何记住这个世界吗？