在企業級IT市場的敘事中，甲骨文始終是不可繞開的角色。這家在數據庫、企業軟件和云基礎設施領域深耕數十年的公司，如今正處于AI時代的十字路口。正如甲骨文中國區董事總經理吳承楊在2025年7月媒體溝通會上所言：“AI 時代對每個人都是機會，而對于 Oracle 更是 chemistry match（化學匹配）。”——甲骨文與AI的結合，不僅是技術演進的自然結果，更是市場邏輯與商業機遇的交匯點。

甲骨文中國區董事總經理吳承楊

數據與AI：甲骨文的“化學反應”

根據甲骨文剛剛公布的財務數據：甲骨文預計其云業務（包括云應用和云基礎設施）在2026財年的增長率將從2025財年的24%躍升至40%以上。其中，Oracle Cloud Infrastructure（OCI）的增長率預計將從50%提高到70%以上。在甲骨文看來：這一增長背后的引擎，正是企業對AI能力的旺盛需求，以及甲骨文面向企業AI應用場景所打造的技術堆棧。

時間撥回到2017年，彼時，引發科技史發生改變的ChatGPT還沒有出現，AI也并沒有真正成為整個IT產業公認的未來趨勢，當時在當年10月，甲骨文就率先將機器學習第一次應用于業務管理場景，推出了Oracle自治數據庫云（Oracle Autonomous Database Cloud）。此后，隨著AI稱為行業共識的趨勢，甲骨文在AI方面的戰略更加傾向于利用自身在數據庫和云計算領域的技術和市場優勢，為企業用戶應用AI提供最大程度的支持，將關注點集中于AI在企業核心業務流程中的推理、歸因和決策能力。

于是，在2019年，甲骨文提出“融合數據庫”的概念，到了2022年10月，甲骨文宣布推出新版融合數據庫 Oracle數據庫23c Beta，強調支持所有數據類型、工作負載和開發風格，解決企業用戶異構數據的問題，為企業用戶應用AI提供最基礎的數據技術支持。此后，在2023年9月中，Oracle 推出集成向量數據庫，目的是增強生成式AI并提高開發人員工作效率，并且通過向量存儲和全新的生成式AI功能，持續推動MySQL HeatWave創新。直到2024年5月3日，甲骨文正式發布了Oracle Database 23ai，宣布將其核心數據庫產品正式從云時代躍升進入了AI時代。

從技術上看：甲骨文的融合數據庫架構支持關系型、圖、向量、空間、JSON等多模數據，使企業能夠在一個平臺內完成數據集成、管理和分析，打破數據孤島。吳承楊形象地比喻，傳統企業的數據如同分散在十個冰箱中的不同食材，而甲骨文的融合數據庫則像一個容量巨大的冰箱，將數據一體化存儲、處理和調用，為AI提供完整且安全的數據底座。這不僅降低了AI應用的架構復雜度，也讓企業在AI決策中能夠“用對數據、用好數據”。甲骨文公司中國區技術咨詢部高級總監嵇小峰舉例說：“比如一個客戶有標準SOP，出了問題時，希望結合數據看哪個環節出了問題。這時就需要把結構化數據和非結構化數據融合在一起。”

這一融合能力，在AI應用中具有現實價值：生成式AI需要的不僅是算力和模型，更是高質量、多模態的數據供給。而甲骨文正以其融合數據庫技術為AI應用提供底座。

甲骨文公司中國區技術咨詢部高級總監嵇小峰

不僅如此，就在不久前，甲骨文又接連宣布了幾項與AI相關的合作：第一，宣布與 NVIDIA深化合作，幫助客戶簡化生產就緒 AI 的開發和部署，開發和運行新一代推理模型和 AI Agent，并獲取進一步加速 AI 創新所需的計算資源；其次，宣布與新晉AI領域公司xAI合作，通過 Oracle Cloud Infrastructure (OCI) Generative AI 服務提供 Grok 模型（xAI 公司產品），以支持包括內容創作、研究和業務流程自動化在內的多種應用場景；最后，甲骨文還宣布與AMD合作，在 Oracle Cloud Infrastructure (OCI) 上推出 AMD Instinct ? MI355X GPU，從而為企業用戶提供更具性價比的大規模構建、訓練和推理 AI所需的算力。

從數據出發，甲骨文的AI版圖到現在為止，已經拓展到了包括算力、算法、模型，以及AI應用方法論等各個層面，形成了一個以數據為切入點，以AI企業級應用為方向的技術產品發展邏輯。

企業級AI的“底座戰略”

甲骨文在中國市場推廣的AI戰略的底色是“融合、簡化、安全”。

其中所謂的融合，更多指在技術層面的多模數據集成，涵蓋關系型數據、圖數據、向量數據、空間數據、JSON、XML等多種類型。這種融合不僅降低了AI應用的數據準備復雜度，也使企業能在一個平臺上完成從數據采集、存儲、分析到AI推理的全流程操作。

簡化則是應對企業AI項目“中途夭折”的藥方。傳統AI項目往往因架構復雜、數據孤島、開發維護成本高昂而難以落地。甲骨文希望通過提供統一的數據平臺、與LangChain等主流框架的無縫對接、支持ONNX等模型格式，降低AI集成門檻。

吳承楊指出：“AI是可以給你帶來效益的，這是 AI 的特點。” 嵇小峰則進一步強調：“現在都是小步快跑，不斷快速迭代。企業希望快速驗證價值。”

甲骨文為此提供了完整的工具鏈，從GoldenGate數據集成，到APEX低代碼開發，再到與LangChain等主流AI框架的無縫對接，幫助企業快速從概念驗證（POC）走向小規模應用，再到生產級部署。嵇小峰多次提到：“融合數據庫讓應用避免了以前多數據庫拼接的復雜性。”這種簡化，是AI真正成為企業生產力的一大前提。

而對于企業級AI應用，數據安全與模型幻覺往往是最受關注的兩大隱憂。吳承楊坦言：“大語言模型本身會帶來幻覺問題，但企業級可以通過多種數據分析，將準確率從70%提升到90%甚至更高。” 嵇小峰補充：“Oracle融合數據庫提供多種技術手段，可以極大減少誤差。”

作為甲骨文在AI時代最強調的議題，由于應用模式的變化，數據安全在智能體時代至關重要，Oracle23ai通過包括VPD、RAS、SQL Firewall等機制，使AI在調用數據時，始終在可控范圍內運行, 這一策略體現出甲骨文在企業級市場深耕多年的務實基因。

中國市場：云、本地與“出海”的平衡術

中國市場對于甲骨文而言，是AI戰略的重要試驗場。吳承楊用“買房子”比喻中國客戶對數據主權和本地部署的偏好：“就算我認為一輩子租房是性價比很好的事情，但我仍然要買套房子，大多數企業都特別希望自己擁有。”因此，本地部署方案成為甲骨文在華業務的主打。嵇小峰也指出：“中國客戶對數據主權和本地部署有很高要求，這也是本地化部署模式能在這里被廣泛采用的原因。”

甲骨文在中國市場的AI戰略并不僅限于技術輸出。在媒體溝通會上，吳承楊多次提到“樣板房”的理念：即基于真實場景，聯合客戶、ISV合作伙伴共同構建AI落地樣板，并將方法論和實踐經驗在生態中復用。這一模式有助于在技術復雜度高、需求差異化明顯的企業級AI市場中加速擴張。與此同時，這種模式也折射出甲骨文商業模式的微妙變化：傳統上以許可和硬件銷售為主的甲骨文，正在轉向以生態和能力賦能為導向，通過數據與AI平臺撬動更大的企業市場。

此外，甲骨文將中國市場的增長引擎之一定位于出海企業。吳承楊強調：“我們重視出海，這個市場我們發展非常快。” 嵇小峰指出：“我們看到很多中國制造企業在海外市場部署生產和供應鏈系統時，選擇甲骨文就是看重我們在全球范圍內提供一致的技術平臺和安全保障。”

結語：從項目到能力，AI的真正落地

事實上，甲骨文的路徑，也映射出IT產業演化的主旋律：從碎片化到融合，從復雜到簡約，從單一功能到智能驅動。數據中臺逐步勢微，取而代之的是數據與AI深度融合的智能底座。嵇小峰指出：“大模型會越來越基礎設施化，企業擁有龐大的業務數據，，現在面臨的是怎么帶來業務價值，尤其是在核心業務流程。Oracle在確定AI業務場景，應用快速落地，減少幻覺，數據安全等方面均可以幫到客戶。 ”這意味著，IT產業的競爭焦點正轉向誰能提供更簡單、更穩健、更智能的數據AI一體化平臺。

對于甲骨文而言，其在中國市場面臨機遇與挑戰。機遇在于中國企業在高端制造、出海、核心業務流程智能化等方面對AI需求持續增長。挑戰則在于國產廠商競爭、云原生AI基礎設施興起、數據安全與合規要求日益嚴苛。

“AI不是一個項目，而是一場革命。”吳承楊在此強調了去年曾經講過的這句話。只是如今這場革命的對象，不僅僅是企業用戶，還有眾多像甲骨文一樣的IT廠商。而從到目前為止的AI企業級應用邏輯來看，決定這場革命成敗的關鍵，對于應用企業而言，在于能否從數據底座到業務價值構建完整閉環；對于IT廠商而言，則更多在于如何幫助企業把AI從“項目”轉化為“能力”，讓AI深入到生產、財務、供應鏈、營銷等核心環節，形成可持續價值閉環。

“甲骨文的使命，是幫助企業讓AI成為組織能力的一部分，而不是停留在試點或概念驗證階段。“吳承楊說：“甲骨文的目標是幫助企業把AI變成生產力，而不是做成一堆看起來很美的PPT。”