在企业级IT市场的叙事中，甲骨文始终是不可绕开的角色。这家在数据库、企业软件和云基础设施领域深耕数十年的公司，如今正处于AI时代的十字路口。正如甲骨文中国区董事总经理吴承杨在2025年7月媒体沟通会上所言：“AI 时代对每个人都是机会，而对于 Oracle 更是 chemistry match（化学匹配）。”——甲骨文与AI的结合，不仅是技术演进的自然结果，更是市场逻辑与商业机遇的交汇点。
甲骨文中国区董事总经理吴承杨
数据与AI：甲骨文的“化学反应”
根据甲骨文刚刚公布的财务数据：甲骨文预计其云业务（包括云应用和云基础设施）在2026财年的增长率将从2025财年的24%跃升至40%以上。其中，Oracle Cloud Infrastructure（OCI）的增长率预计将从50%提高到70%以上。在甲骨文看来：这一增长背后的引擎，正是企业对AI能力的旺盛需求，以及甲骨文面向企业AI应用场景所打造的技术堆栈。
时间拨回到2017年，彼时，引发科技史发生改变的ChatGPT还没有出现，AI也并没有真正成为整个IT产业公认的未来趋势，当时在当年10月，甲骨文就率先将机器学习第一次应用于业务管理场景，推出了Oracle自治数据库云（Oracle Autonomous Database Cloud）。此后，随着AI称为行业共识的趋势，甲骨文在AI方面的战略更加倾向于利用自身在数据库和云计算领域的技术和市场优势，为企业用户应用AI提供最大程度的支持，将关注点集中于AI在企业核心业务流程中的推理、归因和决策能力。
于是，在2019年，甲骨文提出“融合数据库”的概念，到了2022年10月，甲骨文宣布推出新版融合数据库 Oracle数据库23c Beta，强调支持所有数据类型、工作负载和开发风格，解决企业用户异构数据的问题，为企业用户应用AI提供最基础的数据技术支持。此后，在2023年9月中，Oracle 推出集成向量数据库，目的是增强生成式AI并提高开发人员工作效率，并且通过向量存储和全新的生成式AI功能，持续推动MySQL HeatWave创新。直到2024年5月3日，甲骨文正式发布了Oracle Database 23ai，宣布将其核心数据库产品正式从云时代跃升进入了AI时代。
从技术上看：甲骨文的融合数据库架构支持关系型、图、向量、空间、JSON等多模数据，使企业能够在一个平台内完成数据集成、管理和分析，打破数据孤岛。吴承杨形象地比喻，传统企业的数据如同分散在十个冰箱中的不同食材，而甲骨文的融合数据库则像一个容量巨大的冰箱，将数据一体化存储、处理和调用，为AI提供完整且安全的数据底座。这不仅降低了AI应用的架构复杂度，也让企业在AI决策中能够“用对数据、用好数据”。甲骨文公司中国区技术咨询部高级总监嵇小峰举例说：“比如一个客户有标准SOP，出了问题时，希望结合数据看哪个环节出了问题。这时就需要把结构化数据和非结构化数据融合在一起。”
这一融合能力，在AI应用中具有现实价值：生成式AI需要的不仅是算力和模型，更是高质量、多模态的数据供给。而甲骨文正以其融合数据库技术为AI应用提供底座。
甲骨文公司中国区技术咨询部高级总监嵇小峰
不仅如此，就在不久前，甲骨文又接连宣布了几项与AI相关的合作：第一，宣布与 NVIDIA深化合作，帮助客户简化生产就绪 AI 的开发和部署，开发和运行新一代推理模型和 AI Agent，并获取进一步加速 AI 创新所需的计算资源；其次，宣布与新晋AI领域公司xAI合作，通过 Oracle Cloud Infrastructure (OCI) Generative AI 服务提供 Grok 模型（xAI 公司产品），以支持包括内容创作、研究和业务流程自动化在内的多种应用场景；最后，甲骨文还宣布与AMD合作，在 Oracle Cloud Infrastructure (OCI) 上推出 AMD Instinct ™ MI355X GPU，从而为企业用户提供更具性价比的大规模构建、训练和推理 AI所需的算力。
从数据出发，甲骨文的AI版图到现在为止，已经拓展到了包括算力、算法、模型，以及AI应用方法论等各个层面，形成了一个以数据为切入点，以AI企业级应用为方向的技术产品发展逻辑。
企业级AI的“底座战略”
甲骨文在中国市场推广的AI战略的底色是“融合、简化、安全”。
其中所谓的融合，更多指在技术层面的多模数据集成，涵盖关系型数据、图数据、向量数据、空间数据、JSON、XML等多种类型。这种融合不仅降低了AI应用的数据准备复杂度，也使企业能在一个平台上完成从数据采集、存储、分析到AI推理的全流程操作。
简化则是应对企业AI项目“中途夭折”的药方。传统AI项目往往因架构复杂、数据孤岛、开发维护成本高昂而难以落地。甲骨文希望通过提供统一的数据平台、与LangChain等主流框架的无缝对接、支持ONNX等模型格式，降低AI集成门槛。
吴承杨指出：“AI是可以给你带来效益的，这是 AI 的特点。” 嵇小峰则进一步强调：“现在都是小步快跑，不断快速迭代。企业希望快速验证价值。”
甲骨文为此提供了完整的工具链，从GoldenGate数据集成，到APEX低代码开发，再到与LangChain等主流AI框架的无缝对接，帮助企业快速从概念验证（POC）走向小规模应用，再到生产级部署。嵇小峰多次提到：“融合数据库让应用避免了以前多数据库拼接的复杂性。”这种简化，是AI真正成为企业生产力的一大前提。
而对于企业级AI应用，数据安全与模型幻觉往往是最受关注的两大隐忧。吴承杨坦言：“大语言模型本身会带来幻觉问题，但企业级可以通过多种数据分析，将准确率从70%提升到90%甚至更高。” 嵇小峰补充：“Oracle融合数据库提供多种技术手段，可以极大减少误差。”
作为甲骨文在AI时代最强调的议题，由于应用模式的变化，数据安全在智能体时代至关重要，Oracle23ai通过包括VPD、RAS、SQL Firewall等机制，使AI在调用数据时，始终在可控范围内运行, 这一策略体现出甲骨文在企业级市场深耕多年的务实基因。
中国市场：云、本地与“出海”的平衡术
中国市场对于甲骨文而言，是AI战略的重要试验场。吴承杨用“买房子”比喻中国客户对数据主权和本地部署的偏好：“就算我认为一辈子租房是性价比很好的事情，但我仍然要买套房子，大多数企业都特别希望自己拥有。”因此，本地部署方案成为甲骨文在华业务的主打。嵇小峰也指出：“中国客户对数据主权和本地部署有很高要求，这也是本地化部署模式能在这里被广泛采用的原因。”
甲骨文在中国市场的AI战略并不仅限于技术输出。在媒体沟通会上，吴承杨多次提到“样板房”的理念：即基于真实场景，联合客户、ISV合作伙伴共同构建AI落地样板，并将方法论和实践经验在生态中复用。这一模式有助于在技术复杂度高、需求差异化明显的企业级AI市场中加速扩张。与此同时，这种模式也折射出甲骨文商业模式的微妙变化：传统上以许可和硬件销售为主的甲骨文，正在转向以生态和能力赋能为导向，通过数据与AI平台撬动更大的企业市场。
此外，甲骨文将中国市场的增长引擎之一定位于出海企业。吴承杨强调：“我们重视出海，这个市场我们发展非常快。” 嵇小峰指出：“我们看到很多中国制造企业在海外市场部署生产和供应链系统时，选择甲骨文就是看重我们在全球范围内提供一致的技术平台和安全保障。”
结语：从项目到能力，AI的真正落地
事实上，甲骨文的路径，也映射出IT产业演化的主旋律：从碎片化到融合，从复杂到简约，从单一功能到智能驱动。数据中台逐步势微，取而代之的是数据与AI深度融合的智能底座。嵇小峰指出：“大模型会越来越基础设施化，企业拥有庞大的业务数据，，现在面临的是怎么带来业务价值，尤其是在核心业务流程。Oracle在确定AI业务场景，应用快速落地，减少幻觉，数据安全等方面均可以帮到客户。 ”这意味着，IT产业的竞争焦点正转向谁能提供更简单、更稳健、更智能的数据AI一体化平台。
对于甲骨文而言，其在中国市场面临机遇与挑战。机遇在于中国企业在高端制造、出海、核心业务流程智能化等方面对AI需求持续增长。挑战则在于国产厂商竞争、云原生AI基础设施兴起、数据安全与合规要求日益严苛。
“AI不是一个项目，而是一场革命。”吴承杨在此强调了去年曾经讲过的这句话。只是如今这场革命的对象，不仅仅是企业用户，还有众多像甲骨文一样的IT厂商。而从到目前为止的AI企业级应用逻辑来看，决定这场革命成败的关键，对于应用企业而言，在于能否从数据底座到业务价值构建完整闭环；对于IT厂商而言，则更多在于如何帮助企业把AI从“项目”转化为“能力”，让AI深入到生产、财务、供应链、营销等核心环节，形成可持续价值闭环。
“甲骨文的使命，是帮助企业让AI成为组织能力的一部分，而不是停留在试点或概念验证阶段。“吴承杨说：“甲骨文的目标是帮助企业把AI变成生产力，而不是做成一堆看起来很美的PPT。”
京公网安备 11010202008829号