“数据库”AI 时代，这家公司想做一个免费数据库

今天，很高兴为大家分享来自极客公园的AI 时代，这家公司想做一个免费数据库，如果您对AI 时代，这家公司想做一个免费数据库感兴趣，请往下看。

要做「服务化的数据库」，而不是「数据库即服务」。

作者 | 宛辰

编辑 | 靖宇

数据可能是大模型驱动下，最先走向商业落地的领域之一。过去一个月，不少行业人士认为，随着算力成本的降低、开源模型的进步、以及模型部署服务的渗透，数据可能是软件公司利用大模型做出差异化，最重要的因素。

数据库领域的领头羊 Snowflake 和 Databricks 均在各自的大会上，描绘了大模型+数据的理想前景——现在由数据工程师和数据科学家才能取数、用数的场景，未来人人可得。

尽管实现这一图景还需要很多技术、工程、场景上的探索，但数据是大模型时代绝对的主角。相应地，承载数据调度的数据库也会迎来新一轮变革。

日前，国内数据库厂商 PingCAP 在用户峰会上，分享了关于 AI 时代数据库的新思考。

「如果为全世界所有的开发者提供一个免费的数据库，那数据库架构应该是什么样的？」

五年前，PingCAP 的两位联合创始人刘奇和黄东旭的结论是：「这起码要是个云原生的架构，否则没有办法应对不同用户各种各样的弹性、各种各样的需求。」

现在，黄东旭表示，「这个经典架构搬到云上想要支撑这个需求，PingCAP 得赔死了。」当 AI 正在改写软件行业时，PingCAP 推出了新一代架构的数据库——TiDB Serverless。

刘奇认为，TiDB Serverless 从架构上更系统地做到 AI ready，当「算算分离、存存分离、存算分离，这个时候非常容易引入 AI」。

01

AI 时代的数据库架构

作为软件公司，刘奇对这波「AI 重塑软件」有两个直接体感——一个是代码，还有一个是数据。

峰会上，他用一个「惊人」的数字来阐述 AI 变革——过去七个月，GitHub 上新增的原代码已经有超过 46% 由 AI 生成。「也就是说，如果从软件开发效率的角度去看，AI 已经完成了差不多一半的人类的工作，这是短短过去七个月的时间发生的事情」。

在 AI 时代到来之前，要先编程把各种各样的辅助工具编出来，再运行。但在今天，没有写一行代码，只提了个要求，就有结果了。数据消费的门槛变得极低，可以预见，数据将呈十倍、百倍规模的增长，这会对数据库带来巨大的挑战。

对此，PingCAP 创始人兼 CEO 刘奇认为，团队于四年前开始预研、到现在正式商用的 TiDB Serverless 数据库，可以从架构上满足 AI 带来的新需求。

TiDB Serverless 数据库架构简化了应用的开发，让客户不必再花时间在数据库上，把复杂的事情交给 PingCAP 的系统自动化处理，而把自己的时间精力投资在业务创新上。过去，PingCAP 从解决 MySQL 分库分表问题，到 HTAP 架构、云原生，再到 TiDB Serverless 数据库，都是这一理念的延伸。

PingCAP 联合创始人兼 CTO 黄东旭，在峰会的「年度保留节目」——「下一代数据库」主题演讲上进一步拆解了 TiDB Serverless 数据库的由来。

他认为，无论技术世界如何变化，稳定性、性能、高可用、易用性与工具生态，永远都是用户对数据库的重要关注点。并且，下一代数据库还面临着新的要求和挑战：

除了极致的性能支持海量数据外，性能的可预测性成为关注焦点；

线性开发体验，数据库扩缩容对应用透明；

高效的成本控制，可以零成本起步（Scale-to-Zero）；

多租户支持成为新常态，不仅要实现隔离，还要实现数据的共享。

为此，在重新设计 TiDB Serverless 的时候，PingCAP 定下了一个规范：「我们应该做的是数据库的服务化，而不是服务化的数据库。」

黄东旭介绍，8 年前一开始设计 TiDB 数据库时，他看到的东西就是一台台具体的服务器、CPU、内存、磁盘，基于这些东西来构造 TiDB，但是现在到 Serverless 版本的数据库，重新再去设计系统时，他看到的已经不是这些 CPU、磁盘、服务器，而是云上的服务，EC2 虚拟机、对象存储、甚至是云厂商的 RDS（关系型数据库）——他想在新的云原生的工程哲学里充分利用云的基础设施，这也是 TiDB Serverless 能把成本推到当前的极限水平的核心原因。

掀开最新一代数据库 TiDB Serverless 的引擎盖，里面大概有三个新的东西：

换了新的云原生的引擎 CSE（Cloud-native Storage Engine）架构；

在 TiDB 引入了逻辑上的 Key Space；

Resource Control 以及 RU 的概念，从上到下做全局流控。从而实现了无需资源规划、秒级启动、0 元起步、按使用付费、极致弹性的数据库服务。

过去几个月的时间里，TiDB Serverless beta 版已经拥有超过 1 万个活跃的集群。

02

小模型服务企业场景

PingCAP 副总裁刘松认为，数据库正经历着从云原生数据库到 Serverless 数据库，再到拥抱 AI，将 AI 与数据库进行融合的大方向。TiDB Serverless 数据库作为 PingCAP 全新一代的架构，可以和 HTAP、AI 融合，成为三位一体的创新。

这些技术融合之后，下一步要看 AI 和数据库融合怎么才能提升数据库的处理能力、分析能力。

对于 AI 对数据库带来的变革，刘奇认为，AI 跟数据库应用的结合有更多的层面。最广为熟知的场景是用自然语言与数据库交互，就自动完成了数据分析的工作。

但是，还有其他中间和底层的环节，并且这些环节很多时候跟大模型无关。比如，可以用数据训练一个小 AI 模型，来预测用户 workload（工作负载）的变化，用户会感觉：数据好像本来就在这，分析速度非常快。他说：「之前跑的一个 workload，我们现在快了几十倍，结果看起来也是对的，突然有这么大的改变，会让人觉得难以置信」。

小模型正在发挥着超出预期的价值，这似乎有点反常。事实上，自 ChatGPT 以来，让 B 端企业用户再次为AI惊喜的是大模型的通用能力，可以省去根据小模型一个场景一个场景训练的「项目制」工程。

对于小模型的通用性，刘奇认为，当训练参数达到 120 亿、160 亿的时候，模型的知识丰富度已经很高了。而且，过去一段时间，小模型训练也很充分，起步的训练量在 1TB 的 Token，这样训练出来的结果至少是高中大学生的水平，再进到不同的行业做一些专有训练，其实也具备比较强的通用性。但调用 OpenAI 的 API，特别是 GPT-4 非常贵，以现在的成本没有办法做到人人可用。

另外，模型怎么跟互联网结合，让它能变得更加通用，现在这一技术也相对比较成熟。

比如要完成一个任务，允许模型使用工具（包括上网搜索关键词），经过几次的反复也能完成工作。「大模型也许不必装那么多知识，关键是推理能力到什么程度，剩下的可以依据推理能力把任务完成。」小模型推理能力的进步，是衡量可用性的重要因素。

他认为，有一些目前还没有开源、训练量没那么大，已经证明了推理能力可以显著改变，甚至可以超过 GPT-3.5。尽管不是全领域，是在某一方面，或者某几方面已经做到了。

更重要的是，用企业安全合规的标准来运维，小模型往往是更好的选择，它会更加专用。「如果把 AI 植入到各个环节，很多地方的应用都是专用的小的模型，它的速度需要很快做出预测；同时需要考虑到用户本身数据的安全合规，用户也不允许你把数据发出去给一个大模型，我的数据必须在我自己的地方」。

对于外界关心的 PingCAP 会接入哪家大模型，刘奇再次强调了小模型，尤其是开源小模型的价值。他说，如果超过千亿的参数是大模型，那么现在有大量数百亿参数的小模型进步速度非常快，超出了所有人的预期。

「当初谁也没有想到能够在短短的半年时间就有模型敢出来和 OpenAI 叫板，小模型想达到相对接近的能力需要多少年，现在我们发现至少有非常强的信心，一年之内就可以看到开源的小模型能够做到这一点，同时能更好的满足用户对于数据的要求，因为你数据不用出我们的服务，就能做到端到端的合规。」

从「算算分离、存存分离、存算分离」的 TiDB Serverless 架构，再到小模型的选择，PingCap 做出了实践其 AI 时代数据库服务商转型的重要一步。当数据量成倍增长时，「服务化+数据库」的逻辑，显然已经成为数据平台们的共识。

*头图来源：视觉中国

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

直播预告

从「用爱发电」到可持续的商业化探索，B 站 UP 主创作的心路历程如何？广告主的投放逻辑、需求又有哪些变化？

7 月 19 日（周三）20 点，极客公园「开始连接」直播间将邀请到塔宸广告VP兼联合创始人 Kimi、追觅科技中国区副总经理郭人杰以及 B 站科技区 UP 主大康评测，一起聊聊 B 站发力商业化，生态背后那些不得不说的故事。

好了，关于AI 时代，这家公司想做一个免费数据库就讲到这。