甲骨文吳承楊：生成式 AI 難以落地，缺少以 AI 為中心的應用開發架構是關鍵

作者 | 褚杏娟

「雲、人工智能和數據，把它們有機地結合起來，這就是 Oracle 要做的事情。」甲骨文公司副總裁及中國區董事總經理吳承楊說道。

在今年的全球雲大會上，Oracle 旗幟鮮明地表明了自己的重點方向，無疑也是當下最熱門的幾個技術領域。與此同時，Oracle 也有了落地案例，比如法國巴黎銀行正在 Oracle Exadata 私有雲上使用人工智能 (AI) 模型，發展業務的同時也加強了網絡安全等。

多雲，不完全是技術問題

「現今，並不是所有的雲供應商都願意在溝通當中首先談多雲。」吳承楊表示，多雲是用戶的根本需求，就像用戶願意選擇多個數據庫。而對於多雲的態度，更多是雲供應商的意願問題，而不完全是技術問題。

Oracle 在多雲上已經做出了自己的選擇。Oracle 多雲戰略現在有兩種表現形式：

Oracle 數據庫服務可以在 Google Cloud、AWS 和微軟 Azure 中提供。很多企業的核心應用選擇 Oracle，但基礎設施選擇 AWS、GCP 等，以前需要網絡打通或要拉專線，而直接把 Oracle 數據庫的基礎設施放在客戶的 GCP 等數據中心就可以很好地解決網絡延遲等問題。另外，很多企業要開始嘗試 AI，其中繞不過去的是私有數據處理問題，無論用 AWS 的 AI 還是 GCP 的 AI，都需要獲得 Oracle 數據居里的數據。
Oracle Database@Azure 現已在 6 個 Azure 數據中心推出，還很快將在另外 15 個地區推出。Oracle Database@Google Cloud 已在美國和歐洲的 4 個 Google Cloud 區域中全面推出。現在，用戶可以在特定的 Google Cloud 數據中心內基於 OCI 運行 Oracle Exadata Database Service、Oracle Autonomous Database 和 Oracle Database Zero Data Loss Autonomous Recovery Service。

「兩個數據中心的連接，像我們和Google GCP 的端口之間，它是免費提供的。這意味著，對於某一個應用，如果 Oracle 有價格優勢，用戶可以轉到 OCI 來，也可以用在 GCP 上。」吳承楊介紹。

「建立大型數據中心和算力的原因，根本來講是因為需求太大了。」吳承楊表示，客戶想去做各種各樣的 GPU 應用，從通用領域到專業領域，都需要大量的 GPU。建立數據中心首先需要 GPU 集群，其次需要網絡把多台機器連接起來，然後需要存儲，更重要的是發熱處理與電力來源。

目前，業內對數據中心的定位和理念，基本上是兩種思路：一是業界更為普遍的作答，在全球建立數量有限、但規模很大的數據中心；二是提供多種多樣的數據中心，既有超大型規模的，也有中型的和小型的。Oracle 的選擇是後者，讓數據中心整個的體量根據客戶的情況有所變化。

目前，Oracle 在全球已經建成和正在建的共有 162 個 OCI 區域，其中就包含可能只是為某一個客戶建立的公有雲。

甲骨文公司中國區技術諮詢部高級總監嵇小峰介紹，Oracle 和其他雲廠商的區別在於 OCI Dedicated Region，「我們從最早的二十多個 rack（服務器機架）到十多個 rack，再到目前的 3 個 rack。跟以前不一樣的是，以前的 rack 放在客戶的數據中心需要一個連續的空間，但現在 3 個 rack 可以不挨在一起，帶來了很多的便利性。」

「更重要的是，借助 Oracle Database@AWS、Oracle Database@Azure 和 Oracle Database@Google Cloud，客戶可以直接訪問在 OCI 上運行並直接部署在四大雲廠商的數據中心內的 Oracle Database 服務，這就是我們的技術優勢之一。」嵇小峰說道。

通用型大語言模型的本地化部署有兩大挑戰，第一是供電，第二是冷卻，這對基礎設施的要求非常高，一般的企業是無法負擔的。不過在某些專業領域，比如癌症篩查，還是有可能本地化部署大模型的。

AI，圍繞企業應用

對於 AI，李珈表示 Oracle 的定位非常清楚：關注數據和 AI 生成式應用本身，而不是大語言模型。」總體看，Oracle 的策略是圍繞著企業使用 AI 的實際場景而製定，其中主要有三種不同的模式：基礎設施、模型和服務以及應用內服務。

「當下生成式 AI 的熱度很高，但是缺少了以 AI 為中心的企業級開發架構，因此無法真正落地，為企業提供價值，這是問題的根本。」吳承楊說道。

吳承楊提到，生成式 AI 有幾個根本性的問題：一是幻覺問題，二是非實時性的，三是沒辦法給到企業內部的數據。幻覺是企業普遍擔心的問題，要解決這個問題需要 RAG 技術，它支持企業把自己的實時數據灌進去，來達到大量的減少幻覺的目的。但這也不能完全杜絕幻覺的出現。

「Oracle 能做到更進一步，即與自己內部的核心關係數據進行交叉對比，以此減少大模型幻覺。總的來說，Oracle 可以讓客戶在同一個平台上，既能夠做向量數據庫，又能夠做關係型數據庫，還能夠做 RAG，這是 Oracle 的獨家優勢。」

而以 AI 為中心的基礎設施需要具備三個能力：第一，模塊可以組裝、互相獨立，可以各自發展；第二，整個應用要能夠用聲明式的語言簡單地翻譯，對它進行描述；第三，健壯性、高可用性、安全性、一致性這些都是底座，不需要開發人員關注這些問題。

李珈介紹，Oracle 的 AI 戰略覆蓋整個公司和產品組合。「要把生成式 AI 變成企業級應用，Oracle 有很多相關服務，比如在 OCI 上有許多可使用的 AI 服務，我們還有一些行業解決方案，比如說在 ERP 中就有幾十個可嵌入的 AI Agent，我們還有 AI 平台，讓客戶在整個技術堆棧中，可以在本地搭建 AI。」

Oracle 因此推出了一個新的理念，生成式開發基礎設施 GenDev，在 OracleDatabase23ai 中引入了以人工智能為中心的生成式開發基礎架構，開發人員可專注於構建應用功能，而非數據基礎設施需求。另外，Oracle 推出了生成式 AI RAG Agent 和增強型 AI 服務，來幫助企業解決業務問題，發佈了 Oracle Code Assist 測試版幫助提高開發人員的速度、OCI Kubernetes Engine 增強功能可幫助企業大規模訓練和部署 AI 模型等。

「Oracle 提到的以 AI 為中心的開發架構，並不是一個關於未來的時間表，已經成為現實。比如對於應用開發商 ISV 來講，採用 AI 為中心開發的架構可以實現更高效的開發。」吳承楊強調。

會議推薦