2025年，甲骨文交出了一份亮眼的成绩单：2025财年整体云业务（含云应用与云基础设施OCI）增长率达24%，预计2026财年将跃升至40%以上；明星产品OCI的增长更为迅猛，预计将从2025财年的50%提升至2026财年的70%以上，全年营收达到574亿美元的规模。甲骨文公司副总裁及中国区董事总经理吴承杨将此归功于三大关键决策：四十余年深耕数据领域的深厚技术积淀、坚决彻底的云转型战略，以及在AI革命中的先发优势。
近期举行的甲骨文中国媒体沟通会上，吴承杨与甲骨文公司中国区技术咨询部高级总监嵇小峰一同亮相，为业界勾勒出甲骨文在AI浪潮下的清晰战略蓝图。依托核心的“融合数据库”理念，甲骨文正积极推动AI在企业核心业务场景的深度落地。这份强劲的财报展示与鲜明的技术路径，无不揭示着这家老牌技术巨头在AI时代的雄心与底气。
技术内核：融合数据库的AI时代应答
AI时代的到来，极大地拓展了数据的内涵与外延。如今的数据早已超越传统范畴，不仅包含文字、数字等结构化信息，空间数据、向量数据、文本内容、网页信息乃至人际关系等多元形态，都被纳入数据的版图。与之相应，“数据库”的概念也在发生深刻变革，多模融合已成为关键趋势。
吴承杨指出，在AI时代，数据的多模与融合至关重要。以AI推理为例，其可能需要综合网页端数据、ERP结构化数据、文本文件以及用户间关系数据等多种数据源，单一类型的数据无法满足复杂推理的需求。尽管使用多个不同类型的数据库理论上可以解决多源数据处理问题，但实际操作中，这种方式面临着难以想象的复杂性，包括数据库学习成本、数据整合难度等。
随着AI技术的演进，“中台”概念正逐渐被淡化，多种数据类型、技术架构和负载的融合成为行业发展的大势所趋。沟通会上，“融合数据库”（Converged Database）在AI时代的不可替代价值，成为甲骨文反复强调的核心战略。
嵇小峰表示：“生产流程我们是没办法控制的，业务系统最简单的就是采用融合数据库。如果不采用融合数据库，整个流程就长了。”如AI智能体在进行复杂推理和决策时，需要调用结构化数据（如ERP系统中的订单信息）、非结构化数据（如合同文本）、向量数据（如图像特征、基因特征）、图数据（如用户关系网络）、空间数据等多模态信息。传统方案通常采用多个异构数据库（如MySQL、MongoDB、Neo4j、向量数据库等）分别存储这些数据，这直接导致数据整合、应用开发和安全管理变得极其复杂，远超其处理能力。
对此，甲骨文给出的解决方案是将多模数据统一纳入单一Oracle数据库引擎：
架构简化方面，甲骨文将Graph图数据、空间数据、结构化数据、MangoDB、非结构化数据（如JSON）等全部集成于一体，如同用一个“千升大容量冰箱”，取代分散的“十个专用小冰箱”，消除跨库数据搬运与整合难题，将智能体编排步骤从传统方案大幅缩减。
安全与扩展性方面，正如嵇小峰所强调的，“AI的安全问题不能仅靠模型层或应用层解决，更需要从底层数据层入手。”底层内置企业级安全能力（如VPD行级权限控制、SQL防火墙）、无限扩展性（Exadata支撑）和高可靠性，为AI应用提供稳固基础。
而在数据价值释放上，借助这一统一平台，各类数据能够实现高效的关联分析，从而发现传统经验难以洞察的业务规律。例如在制造业场景中，通过多模数据的联动分析，可发现以往依靠人工难以捕捉的潜在关联（如提升制造业良品率的关键因子）为业务优化提供数据驱动的决策支持。
实践赋能：从案例验证到生态共建
此次沟通会上，甲骨文在分享了多个典型AI应用案例，直观展现融合数据库在实际场景中的效能，印证了其技术路径的可行性。
在基因医疗领域，Biofy将庞大的细菌DNA库进行向量化处理后存储于Oracle数据库。当病人的感染样本完成测序，通过向量相似性检索技术，将原本需要5天的流程大幅缩短，仅需4小时就能精准识别致病菌并推荐合适的抗生素。
影视制作领域的DeweyVision则借助Oracle Database 23ai的向量技术，将电影帧信息向量化后集中存储，替代了过去分散在PG、Qdrant和FAISS中的方案，不仅实现了海量视频流中相似场景的快速检索，还大幅简化了电影后期制作的开发与维护流程。
而制造业作为甲骨文重点深耕的领域，其解决方案更凸显融合数据库的整合价值。针对生产数据分散、类型多样的痛点，甲骨文通过融合数据库完成数据集成，再利用图技术建立关系以实现归因分析。考虑到部分企业因管控需求倾向于私有化部署大模型，甲骨文也能提供适配方案。应用开发环节，借助APEX等工具，从场景筛选、数据处理到应用开发与迭代，形成完整闭环，最终帮助企业提升生产良率、优化核心业务流程。
此外，对于企业级AI应用至关重要的安全性，两位高管进行了重点阐释。在大语言模型生成的代码难以逐行审查、智能体行为逻辑不够透明的背景下，数据库层面的VPD（虚拟专用数据库）、RAS（实时应用安全）等机制能实现行级数据访问控制，成为守护安全的关键底线。他们同时指出，
将AI从核心数据平台剥离“另起炉灶”的“孤岛式”做法并不可取，复杂的架构往往是AI集成失败的主因。因此，AI必须融入企业整体IT架构，而融合数据库正是简化架构、实现这一融合的核心支撑。
吴承杨强调，AI并非独立项目，而是要深度融入系统架构。甲骨文正以融合数据库为底座，助力企业在智能体时代实现“简单、安全、可靠”的AI落地。在此过程中，甲骨文不仅专注于自身产品推广，更重视生态共建与能力赋能——通过将“样板房”式的最佳实践和专业知识分享给合作伙伴，构建以AI为核心的企业级数据平台。目前，其已与众多行业伙伴建立紧密合作，让合作伙伴深度参与实际案例，见证技术落地的真实成效，共同推动技术在各行业的广泛应用。
中国市场战略：双轮驱动深耕布局
目前，甲骨文在中国市场锚定两大核心方向深耕布局：
一是聚焦以制造业为核心的商业市场，助力企业借AI之力提升良率、优化流程；二是发力“中国出海（China to Global，C2G）”市场，为中国企业的全球化征程提供支撑。
在商业市场中，制造业尤其是高端制造业，正面临通过科技手段提升良率与制造能力的迫切需求。甲骨文认为，AI在该领域的落地路径应是“以项目破局，逐步推动IT架构升级”——先通过具体项目解决实际业务问题，再以此为基础推进系统性的IT改造，这是AI融入制造业的必由之路。例如，通过“样板房”模式打造的良率分析案例，甲骨文联合客户与行业伙伴，将AI深度嵌入生产全流程，借助融合数据库整合多源数据，精准定位影响良率的关键因素，最终带来可量化的业务价值，为高端制造业的智能化升级提供了清晰范本。
与此同时，出海市场的爆发式增长成为甲骨文的另一重要发力点。当前，中国企业的出海呈现多元形态：既有将整条生产线及产业链向海外迁移的企业，也有海外业务占比已超本土的企业，还有完全聚焦海外市场的企业。针对这些需求，甲骨文凭借自身优势，为企业提供涵盖数据合规、本地化部署等在内的全方位支持，帮助中国企业满足海外数据主权相关法律要求，顺利实现全球化布局。这一领域的快速发展，正成为甲骨文在中国市场增长的重要引擎。
结语
从曾被质疑“保守”，到成为NVIDIA、xAI等的基建伙伴，甲骨文不追逐风口炫技，而是扎根“数据”核心——用融合数据库打破孤岛，为AI筑牢底层基座，让技术服务于业务价值。这种“不追热点、只解难题”的风格，正切中企业AI时代的核心诉求：帮困于数据分散、系统复杂的企业，用“大冰箱”式融合思路降低AI落地门槛。
AI时代的竞争，终究要回归技术的本质。其它数据库厂商或许能在应用层快速追赶，但甲骨文四十余年深耕数据底层的积淀、对企业级需求的深刻理解，以及将AI与数据库生态深度融合的能力，恰恰是其难以替代的护城河。在智能体加速渗透的未来，谁能真正帮企业把数据理顺、把架构做轻、把安全守牢，谁就能在AI的深水区里走得更稳、更远。
