AI 在落地之前，要先投资几个数据库。数据在哪里，AI 就会在哪里；企业的核心数据，都存在各种数据库里，因此，AI 落地之前，得优化连接数据库的能力；大模型厂商们，想要抢得企业级市场的大蛋糕，要先投资几个数据库。
一、OpenAI 为什么投入数据库
2025年4月，OpenAI 的首席产品官 Kevin Weil，参与了数据库开发商 Supabase Inc. 最近一期的投资，公司估值达到 20 亿美元，Supabase 可以理解成一种 PostgreSQL 的云上 plus 版。
2024年6月21日， OpenAI 收购 Rockset，Rockset以提供实时分析和查询能力而著称，是结构化数据库能力与向量检索相结合的技术路线。
从结构上看，SupaBase 和 Rockset 能形成 交易型数据库+分析型数据库 的组合，AI 经由特定的工具、接口、协议，可以访问、分析、甚至操作数据库，真正进入到企业工作流中。
二、DataBase for AI 的核心是“实时”
在大数据平台火热的时代，整合 OLTP 和 OLAP 的技术产品路线就存在，为什么 OpenAI 还要持续投入新的数据库产品，关键是“实时”。
传统大数据平台的非实时性，一直被诟病，也催生了以“去 ETL”为核心卖点的一类数据产品。AI 在企业中的应用，尤其是进行推理任务时，数据实时性是关键指标。以 AI 落地比较好的线上营销和金融风控领域为例，如果过一天，或者过几小时才能让 AI 处理数据，客户早就流失，风控风险也爆发了。
从 Supabase 和 Rockset 被称赞的功能点看，DB for AI 应该具备以下一些特点：
-
核心：实时响应数据，数据一致性 -
低代码工具，不需要写 SQL，方便设计接口以便 AI 访问 -
云原生、高并发 -
分布式，甚至部署在边缘端，以便 AI 实时处理数据 -
类似 DuckDB 采用的算子嵌入数据库设计，提升数据分析处理能力
三、有国内大模型企业投资数据库吗
据我所知，还没有大模型企业直接投资数据库软件的，不过，国内的大模型以超级云厂商为主流，有特殊性：
-
阿里：通义 + PolarDB 等阿里云数据库产品 -
百度：文心 + DorisDB 等 -
华为：高斯DB等 -
DeepSeek：虽然直接投入数据库，但开源 3FS，直接在文件系统底层，融合 DuckDB 的嵌入式引擎 -
智谱等与 Milvus 的合作
四、DB for AI 的技术路线
-
HTAP，如 MySQL 的 Heatwave -
开源数据库的Plus版本，如 PostgreSQL 的社区发行版之一 Pigsty
