甲骨文吴承杨：AI落地，我们的目标是让客户看到可复用的成效

“你不要觉得Oracle有什么波动，就觉得它不行了。实际上，它在数据库领域依然很厉害。这是实话。”有长期追踪数据库行业的观察者忍不住感慨。

Oracle在数据库领域确实仍旧根基深厚，DB-Engines数据显示，Oracle作为关系型数据库，在银行核心交易、大型ERP等场景的市场份额超过60%。在AI数据库方向，Oracle已经迭代到了26ai版本，围绕其核心理念“让数据库靠近数据，数据不离开数据库”，Oracle为AI和数据提供统一操作平台，这与其他数据库产品形成鲜明对比。

云市场上，研究机构Synergy Research多次将Oracle列为增长最迅猛的第二梯队云服务商之一，同处这一梯队的还有CoreWeave、OpenAI、Crusoe、Nebius等新云厂商。

2026财年业绩印证了上述势头。当季云基础设施（IaaS）营收同比增长93%至58亿美元，多云AI数据库营收同比增幅达到404%。创纪录的营收、利润及剩余履约义务（RPO）背后，是Oracle对AI基础设施的持续投入，以及将数据库、高性能一体机与多云互联能力协同整合的战略执行。当然，不可否认的是，Oracle巨额的资本投入导致自由现金流为负也在让市场时刻警觉。

近日Oracle中国举办了新一轮媒体沟通会。交流中，大家最关心的问题是，Oracle的AI产品究竟如何落地，成效几何。

甲骨文公司副总裁及中国区董事总经理吴承杨及团队说，“关键还是要看效果怎么样。一是要生产级，二是一定要有业务成效。”

在他看来，在AI的方法论上，中美没有区别，核心有三点：一是AI都是企业级的问题；二是AI一定是云原生的问题，即数据是一致的，云原生能够支持用户的数据；三是AI的底层是数据，且数据在AI时代非常重要。因为只有将各种系统融合在一起，才能建立让Agent能够理解的业务语义层。

结合26ai的演进，Oracle数据库将向量、RAG检索增强生成、记忆等能力都内置到其数据库中，在数据库内部直接完成分块（Chunking）、向量化生成和向量索引检索，这种减少数据在非数据库层面流转的做法，极大降低数据迁移带来的安全风险和延迟。

至于如何确保AI数据库在企业客户的落地，Oracle也在更新实践。目前Oracle提出了AIBS（AI Business Success）方法论，通过FDE（Forward Deployed Engineer）团队，将AI从一个项目，变成客户自己能够复制的底层能力。

“中国市场很卷，用户往往会问两个问题：一是这个东西有什么成功案例？二是可以给我带来什么样的效果？”吴承杨强调。

吴承杨指出，Oracle其实更关心数据库能够带给用户什么成效（outcome)，这个成效是能够用数据体现，能够计算出来的，比如成本降低、效率和营业额的增长等等，而Oracle的全栈数据库，是能够为客户带来有成效的优势。

为此，与以往以产品为中心的传统售前不同，FDE团队以客户的业务成效为中心，直接进驻客户现场，与客户共同挑选第一个落地场景。

这个场景遵循四点原则：业务效果可衡量；解决方案可复用；基础数据可得；场景是可控在一定时间内可落地的。其目标是在30到45个工作日内，完成从“0到1”的第一个场景验证，证明方法论和产品的可行性。在交付过程中，FDE团队会将共性的工程化经验抽象、沉淀，反哺到Oracle的AI平台上，使得客户或合作伙伴在后续业务扩展中，开发速度越来越快，最终形成可循环的AI能力。

在多云层面，目前Oracle已搭建相对完整的AI技术栈：在底层搭建万卡集群，并在液冷、网络优化、更先进GPU基础设施层面采用新技术方案；在治理层，主要解决企业对AI主权和数据安全顾虑；在生成式AI服务层面，提供On-Demand Token服务和Dedicated AI Cluster专属AI集群服务。

值得一提的是，多云带来的不仅是灵活性，还有高昂的数据“出站”成本与复杂的跨云管理。Oracle Interconnect for AWS在本月正式全面可用，在此之前Oracle已经与微软Azure和谷歌GCP之间实现连接。

甲骨文公司高级总监及中国区云工程部总经理窦杰指出，当企业通过专线从AWS大批量回撤数据用于灾备或分析时，将面临天价的出站流量费。但如果将OCI作为中转站，利用Oracle与AWS的对等互联以及OCI“数据进出双向免费”的策略，企业就能有效规避这笔按GB计算的巨额成本。这不再是单纯的技术连接，而是一种通过商业策略重构的成本套利。

（本文首发于钛媒体APP，文 | TechHorizon，作者 | 杨丽，编辑 | 杨林）