数据 ×AI 一体化的数据库引擎｜GBase 8c：多模多态 为AI应用而生的数据底座

AI应用爆发式增长，数据库不再只是“存数据的地方”——它要能存向量、查语义、弹性扩缩、支撑高并发推理。GBase 8c以“多模多态”为核心设计，将向量检索、HTAP、存算分离、数据分支等能力融入同一套系统，让AI应用从开发到上线，数据底座不再成为瓶颈。

向量引擎：标量和向量一起查，一个SQL搞定

AI应用几乎离不开向量检索。但现实中的AI应用，大多是“标量过滤+向量相似度”的混合查询。传统做法是关系库管标量、向量库管向量，业务代码分别查再合并，两套系统两套API，开发复杂运维更复杂。

GBase 8c把向量能力直接融入数据库内核，向量就是原生数据类型，跟整数、字符串一样在SQL里直接使用。查询时先按标量条件过滤生成位图，再通过ANN检索算法找向量数据，同时满足两个条件才返回结果。SQL Join与向量搜索还能组合成复杂融合SQL，支持窗口分析函数、存储过程、聚合等所有SQL功能。

一套系统、一套SQL、一次查询，搞定标量和向量的混合检索。RAG、推荐系统、相似搜索，直接跑在GBase 8c上，无需独立部署向量数据库。百亿级向量规模、百万级QPS、毫秒级查询延迟，一套系统全搞定。

HTAP行列融合存储：一套系统同时服务交易与分析

AI应用经常需要实时数据——做实时推荐要读最新交易数据，跑风险模型要分析历史行为数据。传统架构是TP库管交易、AP库管分析，中间ETL搬数据，延迟大、运维重。

GBase 8c同时支持行存引擎和列存引擎。行存管交易，列存管分析，delta表自动同步，查询优化器自动选择最优路径。一套系统同时支撑TP和AP，数据不搬家、延迟近为零，为AI实时推理提供新鲜数据。

多模统一存储：消灭数据孤岛

AI应用的数据类型越来越多样——结构化、向量、图、时序，传统方案每种数据类型一套数据库，数据来回搬运，一致性难保证。

GBase 8c将多种数据模式统一存储管理，一份数据多种访问方式，消灭数据孤岛，降低AI应用的开发运维复杂度。

存算分离+Serverless：应对AI负载的“潮汐”波动

AI场景负载波动极大——训练阶段算力拉满，推理阶段相对平稳，空闲时完全没人用。

GBase 8c计算层完全无状态，节点不保存持久化数据，状态通过WAL流式同步存储层。需要算力时秒级拉起，不用时直接销毁。空闲时缩到零，计算成本趋近于零；新负载来了秒级唤醒，响应不延迟。存储层独立扩展，支持PB级容量，多副本保障99.999%数据可用性。

数据分支：AI实验的“沙盒”环境

AI开发过程实验特别多——不同参数、不同模型要反复对比测试。传统做法克隆一套完整环境，数据量大时几小时甚至几天。

GBase 8c基于WAL的Copy-on-Write机制，创建分支只记录日志位置，不复制数据，秒级完成。新分支与主数据共享历史页面，仅写入时复制被修改部分。多个分支完全隔离，可并行运行多个实验，验证完直接销毁，不污染主线数据。

多兼容：平滑迁移，降低AI应用迁移成本

GBase 8c支持Oracle、MySQL、PostgreSQL、SQL Server等多种语法兼容模式，基于不同数据库开发的AI应用通过一套数据库系统就可实现平滑迁移。配套自动化迁移工具，支持全量迁移、增量同步、反向同步，迁移成本和风险显著降低。

GBase 8c以“多模多态”的设计思路，将向量检索、HTAP、存算分离、数据分支等能力融入一套系统，让数据库不再成为AI时代应用创新的瓶颈。三个真实案例验证了这套思路的可行性。面向未来，GBase 8c将持续深化AI原生能力，为智能应用构建可信赖的数据底座。