AI 时代，OceanBase 为什么要开源一款 AI 原生数据库 seekdb？
编者按：
11 月 18 日，2025 OceanBase 年度发布会在北京举行，现场发布并开源了 OceanBase 首款 AI 原生混合搜索数据库 seekdb（简称 seekdb）。
OceanBase 开源生态总经理封仲淹（花名：纪君祥，就是公众号 “老纪的技术唠嗑局” 里的话事人——老纪）会在这篇文章中，为大家介绍 OceanBase 开源 seekdb 的初衷。
如果你对文中提到的 seekdb（AI Native Database）感兴趣，欢迎大家到 https://github.com/oceanbase/seekdb 进行体验，相信会给你的 AI 应用开发带来新的启发！
在 2025 OceanBase 年度发布会上，我们正式发布并开源了 OceanBase 首款 AI 原生混合搜索数据库 OceanBase seekdb（简称 seekdb）。
发布之后，社区里很多朋友都在问三个问题：
1. seekdb 为什么要开源？
2. 它和 OceanBase 的定位有什么区别？
3. 这个开源是否具有长期性？
我想借这篇文章系统性地回答这三个问题。但在此之前，有必要先回顾一个更根本的问题：OceanBase 为什么要走开源这条路？
回望：OceanBase 的开源之旅
开源是战略选择，而非战术动作
2021 年 6 月 OceanBase 宣布开源时，外界最普遍的疑问是：一个商业上已经取得成功的数据库产品，为什么要选择开源？
我们当时的判断是：数据库是基础设施，基础设施的发展必须与用户和生态共同演进。这不是一句空话。基础设施软件的特殊性在于，它的价值不仅取决于技术本身的先进性，更取决于生态的完整性和用户的信任度。而开源，是构建这种信任最直接、最有效的方式。
所以从开源的第一天，就把 OceanBase 开源作为一个公司级战略。从资源投入来看，OceanBase 的开源项目投入是非常大的，从研发到运营，都是给到最好的资源配置。
从内核到完整解决方案
开源初期，我们只开放了内核和安装器。用户很快给出了反馈：他们需要的是完整的解决方案，而非单一的技术组件。
这个反馈促使我们在开源后的半年内，相继开放了 OMS、OCP、ODC 等核心工具。这些努力的目标只有一个：降低用户的使用门槛，让更多人能够真正用起来。
易用性的提升是一个持续性的工程。与数据库内核的优化一样，它没有终点，只有不断逼近用户期望的过程。
开源战略的关键演进：代码分支的统一
开源大约一年后，我们遇到了一个严峻的工程问题：社区版与企业版的代码同步。
在 OceanBase 3.X 时代，两个版本分属不同的代码分支，由不同的团队维护。这种架构导致了大量的同步成本和潜在的功能差异。用户时常会遇到社区版已修复的问题在企业版中依然存在的情况。
到了 4.X 时代，我们做出了一个重要的技术决策：将社区版与企业版合并到同一个代码分支，通过编译宏来区分不同的发行版本。为了达到这个目标，我们投入了大量的研发资源对代码进行模块化改造，虽然投入的资源比较大，但它向社区传递了一个明确的信号——我们对开源的承诺是真实的、长期的。
四年成绩：规模化验证
截至目前，OceanBase 开源已经四年，部署量突破 10 万套，企业用户超过 2000 家。从增长曲线来看，前年 6000 套，去年 3 万套，今年突破 10 万套——这是一个指数级的增长态势。
在国产数据库领域，除 PostgreSQL 和 MySQL 生态外，OceanBase 社区的规模是最大的。这组数据说明，开源策略得到了市场的验证。
但规模的增长并不意味着挑战的消失。恰恰相反，最大的挑战正在到来。
AI 重构基础设施的底层逻辑
GenAI：不是工具升级，而是基础设施的代际更替
观察一组数据：ChatGPT 发布 17 个月后，月活用户突破 8 亿，年搜索量达到谷歌的 5.5 倍。
这组数据的意义不在于某个产品的成功，而在于它揭示了一个趋势：GenAI 正在成为新一代基础设施的核心。这不是工具层面的迭代升级，而是整个技术栈的代际更替。
对于数据库而言，这意味着什么？意味着我们必须重新思考数据库的核心价值主张。
AI 应用：从概念验证到规模落地
AI 的大规模落地，最终要通过应用来实现。只有应用才能将 AI 的能力转化为端到端的生产力提升。
以 AI Coding 为例。使用过这类工具的开发者会有一个共同的感受：这是两个完全不同的世界。这种体验上的断层，正是 AI 应用价值的直观体现。
AI 时代对数据库的三重挑战
纵观全球 AI 数据库领域的技术领先者，会发现他们都在回应三个共同的挑战：数据的融合、模型的融合、对开发者的快速响应。
这三个方向，构成了 AI 时代数据库演进的核心命题。OceanBase 的回应，就是 seekdb。
OceanBase 应对 AI 时代数据挑战的解法：seekdb
seekdb 的定位是 AI 原生混合搜索数据库。理解这个定位，需要从三个维度展开。
数据融合：多模态存储与混合搜索
需求的真实来源
数据融合的需求，源于业务场景的真实演变，而非技术团队的自我想象。
我们与内部多个大规模业务团队进行过深入交流——钉钉、飞猪等日活过亿、数据量达 PB 级别的业务。这些业务处于技术应用的最前沿，他们遇到的问题往往预示着整个行业即将面临的挑战。
以飞猪为例，他们在向量搜索场景中遇到了一个典型问题：单纯的向量相似度检索无法满足业务需求。他们需要对标量数据的每一行设置权重，需要实现复杂的 Trigger 逻辑来动态调整搜索策略。换言之，向量检索必须与结构化数据的精确过滤深度结合，才能产出真正有业务价值的结果。
这不是个案。当 RAG 和搜索场景进入深水区，几乎所有团队都会遇到类似的问题。
从单一索引到混合检索
传统数据库的设计假设是：不同类型的数据使用不同的索引，彼此相对独立。全文索引处理文本，B+ 树索引处理结构化数据，它们各司其职。
但 AI 时代的数据使用方式打破了这个假设。一个典型的 AI 应用查询可能同时涉及：向量相似度匹配（语义理解）、全文检索（关键词匹配）、结构化过滤（时间、地点、类别等约束）、JSON 字段的嵌套查询、GIS 空间计算。这些不同类型的检索需要在一个查询中协同工作，并且需要统一的相关性排序。
这就是混合搜索的本质：不是简单地把多种索引堆叠在一起，而是让它们在查询层面实现真正的融合，产出统一的、业务可用的结果。
深水区的技术挑战
混合搜索带来的技术挑战是多维度的。
首先是数据理解的深度。当底层数据的使用方式发生变化，编程接口也必须随之演进。开发者需要新的表达方式来描述复杂的混合查询意图，这对 API 设计提出了很高的要求。
其次是性能优化的复杂度。不同类型的索引有不同的性能特征，如何在混合查询中找到最优的执行路径，是一个复杂的优化问题。
最后是一致性保障。多模态数据的事务一致性如何保证？当向量索引和结构化索引需要同时更新时，如何确保数据的完整性？
这只是起点
今天我们看到的全文索引、向量索引、JSON、GIS 的混合检索，只是这个演进过程的起点。
未来的数据融合会更深度、更灵活。我们可以预见的方向包括：更多模态数据的支持（音频、视频的原生理解）、更智能的查询理解（自然语言到混合查询的自动转换）、更动态的索引策略（根据查询模式自动优化）。
这是 AI 时代对数据库的内在要求，也是 seekdb 持续演进的方向。
模型融合：AI Inside 的技术路径
行业趋势的观察
观察 Oracle、Snowflake、Databricks 等企业的技术路线图，会发现 AI Inside 正在成为数据库基础设施的重要方向。
所谓 AI Inside，核心理念是将 AI 能力内置到数据库引擎中，而非作为外部服务调用。这意味着数据库不再仅仅是数据的存储和检索系统，而是具备了理解数据、生成数据、推理数据的能力。
坦率地说，这个领域目前还处于早期探索阶段。包括上述巨头在内，都还在寻找最优的技术路径。OceanBase 也是如此，seekdb 的 AI Inside 能力刚刚起步。
但方向的确定性是清晰的。这不是”要不要做”的问题，而是”如何做好”的问题。
用户视角的终极体验
理解 AI Inside 的价值，最好的方式是从用户视角出发。
用户真正需要的体验是什么？是 “Document in, Data out”——输入自然语言描述的需求，直接获得可用的数据结果。用户不应该需要理解底层的数据模型，不应该需要编写复杂的查询语句，不应该需要手动组合多个 API 调用。
举一个具体的例子。假设用户想要查询”过去一个月销售额增长最快的产品类别，排除季节性因素的影响”。在传统模式下，这个查询需要：编写 SQL 聚合查询、实现季节性调整的统计算法、可能还需要调用外部的时间序列分析服务。
在 AI Inside 的理想状态下，用户只需要用自然语言描述这个需求，数据库内置的 AI 能力会自动完成：理解查询意图、生成执行计划、调用内置的统计分析能力、返回最终结果。
这是三句话完成数据查询的愿景背后的技术含义。
AI Inside 的技术内涵
实现 AI Inside 需要在多个技术层面进行深度整合。
第一是自然语言理解与查询生成。数据库需要理解用户的自然语言输入，并将其转换为可执行的查询计划。这不是简单的 Text-to-SQL，而是需要理解业务语境、处理模糊表达、支持多轮交互。
第二是内置的向量计算能力。向量是 AI 时代数据的核心表示形式。数据库需要原生支持向量的存储、索引、计算，而非依赖外部的向量数据库。
第三是模型推理的本地化。将模型推理能力集成到数据库引擎中，可以避免数据在数据库和 AI 服务之间的频繁传输，大幅降低延迟并提高安全性。
第四是智能化的查询优化。利用 AI 能力来优化查询执行计划，根据数据分布和查询模式动态调整策略。
第五是数据增强与生成。数据库具备对数据进行自动标注、增强、甚至生成的能力，为下游 AI 应用提供更高质量的数据。
seekdb 的技术布局
与模型的深度融合，是我们做 seekdb 的核心技术方向之一。
在当前版本中，seekdb 已经具备了基础的 AI Inside 能力：原生的向量数据类型和索引、内置的 Embedding 生成、简化的自然语言查询接口。
在未来的路线图中，我们会持续强化这个方向：更强大的自然语言理解、更多预置的 AI 函数、更深度的模型集成、更智能的自动优化。
这是一个需要长期投入的方向，但也是数据库在 AI 时代必须具备的核心能力。竞争的焦点在于谁能更早、更好地实现它。
轻量化：重新定义开发者体验
应用开发者决定数据库的未来
回顾历史，20 年前 LAMP 架构的出现，让 MySQL 占据了中国互联网几乎全部的数据库市场份额。这个现象的本质是：应用开发者决定了数据库的选型走向。
传统场景下，DBA 选择数据库的核心标准是成熟稳定。但在 AI 时代，如果要赢得开发者，就必须满足他们的核心诉求：更快的迭代速度、更低的使用门槛、更轻的资源占用。
架构层面的彻底重构
OceanBase 长期以来的一个目标是实现 1C 几 G 资源下的运行。过去 2 年，我们投入了大量努力，不断给 OceanBase 瘦身，但这个目标始终没有彻底实现。
seekdb 选择了一条更彻底的路径：完全抛开历史包袱，大刀阔斧进行设计，我们裁掉了分布式架构、多租户、RS 部分模块（集群管理）、分布式事务等复杂组件，大幅精简了代码量。
最终的结果是：OceanBase 最小需要 2C6G 资源，seekdb 最小只需要 1C2G（实际可以把资源占用配置成更小，大家不妨一试），支持秒级启动和嵌入式部署。嵌入式能力将打开端云一体的场景空间，这在 IoT 等领域有广阔的应用前景。
开发体验的重新设计
我们为 seekdb 设计了全新的 SDK，相比原有的 Python SDK 更加简洁——三行代码即可完成一个基础应用。安装流程也进行了全面简化。
迭代速度的根本性提升
上述所有改进，最终指向一个核心目标：更快地响应开发者需求。
OceanBase 的分布式版本承载了金融级的高可用、强一致性等要求。这些要求决定了它的架构复杂度。数据库中最复杂的模块是事务管理，分布式事务更是复杂性的顶峰——它涉及 RPC、大事务恢复等一系列技术难题。
seekdb 裁掉这些模块后，可以实现真正的轻装迭代，快速响应开发者的反馈和需求。
开放协议与生态战略
seekdb 采用 Apache 2.0 协议。相比其他开源协议，Apache 2.0 对所有用户更加友好，尤其有利于海外市场的拓展。生态建设是 seekdb 的核心战略方向。
seekdb 与 OceanBase 的定位区分
seekdb 的定位可以用两个关键词概括：更 AI Native、更轻量。
具体的选型建议是：数据量大、需要分布式能力的场景，推荐 OceanBase；数据量轻量或者更偏 AI 类需求的场景，推荐 seekdb。seekdb 会在 AI 方向上保持更快的迭代节奏，更快地满足这一领域的用户需求。
seekdb 之外：构建完整的 AI 开发者支持体系
AI 应用的三大热点方向
当前 AI 领域最活跃的三个方向是 Agent、RAG 和 Memory。几乎所有主要厂商都在这三个方向上进行布局。对于 OceanBase 而言，除了 seekdb 本身，我们也在这些领域进行了系统性的投入。
PowerRAG：站在巨人肩膀上的创新
PowerRAG 是基于 RAGFlow 的二次开发项目。PowerRAG 的价值在于在此基础上进行企业级的增强。
主要的增强方向包括：更好的企业级适配（高可用、权限管理等特性）、丰富的组件和插件支持（如 DeepSeek OCR、MinerU），这些能力在企业级 RAG 场景中非常关键。
PowerMem：让 AI 应用更省 Token
PowerMem 是我们同期开源的 Memory 项目。它的核心价值是显著降低 AI 应用的 Token 消耗——相比 OpenAI 的 Memory 方案，可以节省 96% 的 Token。
这个效果是如何实现的？主要有以下几个技术手段：智能记忆管理、分层记忆架构、基于 seekdb 内核的混合检索、Prompt 层面的深度优化、多模态支持。此外，我们也在探索 Graph 能力，以支持 AI Inside、千人千面等新型业务场景。
seekdb Roadmap：开发者与生态为核心
相比 OceanBase，seekdb 会更聚焦于开发者和生态。我们将积极与上下游生态伙伴合作，尤其期望能与 AI 开源项目、国内头部开源项目和全球顶级开源项目建立深度合作。
社区很多朋友已经了解，今年我已经在海外工作过一段时间，明年预计会有更多时间在全球化上。这不意味着国内支持的减少——社区团队会一如既往地服务好大家。同时，我们会投入更多资源去拓展和打通全球化开发者生态，让 OceanBase 更开发者友好。
我一直有一个判断：能够走出国门的中国数据库，必然是经过严苛市场考验的优秀产品。在中国这样竞争激烈的市场环境中存活并发展起来的数据库，到全球市场往往更具有显著的竞争优势。
未来：seekdb 的成长空间
今天的 seekdb，可以理解为 OceanBase 生态中的一个新生成员。OceanBase 积累了 15 年，已经具备了相当的规模和影响力。seekdb 则刚刚起步。
但我们对未来的判断是：seekdb 的成长空间将充满想象。
这个判断基于两个基本事实。第一，在数据库市场中，集中数据库市场还是很大的，这将帮助我们拓展一个更大的市场空间的可能性。第二，AI 是下一个时代的分水岭，而 seekdb 继承了 OceanBase 的可靠性、稳定性和强一致的 15 年的基础能力，在 AI 这个方向上具有先天优势。
未来，seekdb 将在 AI 的赛道上不断快速迭代，然后不断把沉淀的 AI 能力反哺给 OceanBase，更好地满足更多企业级客户在关键业务负载、实时分析和 AI 搜索上的多元需求。
结语
回到开篇的三个问题。
seekdb 为什么开源？ 因为开源是 OceanBase 的核心战略，数据库作为基础设施必须与用户和生态共同成长。
seekdb 与 OceanBase 的定位有何区别？ seekdb 更 AI Native、更轻量，更面向 AI 时代的开发者；OceanBase 则主要通过一体化的能力，全方位满足企业级客户在关键业务负载、数据实时分析和 AI 搜索上的多元需求。
seekdb 的开源是否具有长期性？ 是的，它是战略级的投入。正如 OceanBase 开源四年后依然在持续成长，seekdb 也将获得长期、持续的投入。
开源不是终点，而是起点。seekdb 的开源，是 OceanBase 面向 AI 时代的战略选择。我们期待与社区一起，见证 seekdb 从起步走向成熟。