国测名单扩到57款,这家国产数据库开始"搞事情"了！

10月24日，程序员节。海量数据1024开发者日暨产品发布会召开了。

很多AI项目的钱，是这么花出去的：模型答不准，就往上下文里塞更多资料；检索慢，就加机器；向量库、全文库、关系库三套系统各自为政，数据来回搬，运维两头跑。钱花了不少，效果却时好时坏。

海量数据董事长肖枫在开场时把问题说得很直白：用户对AI的期待很高，但一落到具体业务，就会问——到底怎么用？改造会不会太复杂？成本会不会太高？“大部分应用不是凭空出现的，都要在原来的数据、系统和流程上做改造。”

这场发布会给出的答案，围绕一个定位展开：把数据库做成面向下一代AI原生应用的数据底座。

未来的数据库，长什么样？

圆桌环节，数据智能北京市重点实验室主任、清华大学教授李国良给出六个特征：多模态处理、智能自然语言交互、语义事务、细粒度弹性伸缩、长短期记忆、安全治理。

一句话概括：数据库正在从“存储和查询数据的系统”，变成“支撑智能体感知、记忆、推理与行动的数据底座”。

IDC中国研究经理王楠带来一组数字：2025—2030年，中国AI数据基础设施市场将以37.7%的复合增速增长，到2030年规模达738亿美元，比2025年增长超过10倍。她还提到，IDC《中国本地事务型数据库市场份额，2025》中，海量数据入围Top10，是主要推动者之一。

这次发布的更新，有两条主线

海量数据库正式发布两项关键能力升级：向标联合与多模协同。

一是向标联合。 过去，向量检索和标量过滤是两套逻辑：先过滤，可能丢候选；后过滤，又要等海量结果筛完。海量的做法，是把向量算子与筛选、关联、排序、聚合放进同一条SQL执行链路，由数据库统一优化执行路径。

效果拿数字说话：在某医院400万病例的复杂检索中——语义匹配、诊断条件、多表关联一次完成——查询延迟降低46%，精度保持99%以上，业务效率提升1倍。

二是多模协同。 在执行层面，数据库根据数据规模、条件选择率动态规划执行顺序，自适应决定“先过滤还是先检索”，并在收益有限时及时终止搜索；在资源层面，内存、CPU、存储统一调度，双缓存动态分配、SIMD指令集加速、PQ/RabitQ量化压缩齐上阵。

结果：关系与向量协同检索速度提升约40%；百万级混合检索QPS超过1万，召回率稳定在99%以上，磁盘占用降低约75%。

同场，数智引航发布分布式向量数据库VexDB：三节点20并发下QPS从约1300提升到3200，提升2.44倍；索引创建最高3.47倍加速；写入吞吐最高提升10倍，查询可见性毫秒级。轻量版VexDB-Lite则可以插件形式嵌入PostgreSQL、DuckDB、SQLite，保留原有生态的同时补上向量能力。

海量数据库的优势，到底在哪？

性能：公开对比测试中，P99延迟最高比友商低96.5%，QPS最高领先9倍以上——高并发下，检索不再是业务瓶颈。

精度：全场景召回率保持99%以上，复杂过滤场景同样稳。性能领先，不以牺牲精度为代价。

省：60并发下CPU占用低至9.4%，单位内存吞吐效率最高领先18倍以上；一库替代多套系统，综合成本降低30%。省算力、省Token、省内存、省运维，每一笔都是真金白银。

底子厚：累计服务超过4000家客户，覆盖政务、金融、制造、通信、能源、医疗、交通；与清华大学、清华工研院共建“数据智能北京市重点实验室”；全栈国产化，适配鲲鹏、飞腾、麒麟、统信；主流AI技术栈全面打通。

写在最后

发布会上，肖枫谈起1024程序员节，说了一段值得完整引用的话：

“别人写了几十年的代码，我们要快速追赶；别人构建了几十年的生态，我们要快速搭建。一代人有一代人的长征——我们写的不是代码，而是翻越自己的雪山，趟过自己的草地。”

AI给数据库出了一张新考卷。有人在卷面上写“加个向量插件”，海量数据选择把向量、标量、全文、事务和安全全部写进内核，重新答一遍。