Data for AI 的关键路径（二）：从批处理 → 行为流

AI数据处理模式从批处理（历史数据分析）转向行为流（实时数据感知）一、关键差异批处理：完整体拍照→统一处理→获得历史洞察行为流：连续录像→实时处理→预测下一帧二、技术要素事件：行为数据原子（点击、传感数据）流引擎：持续处理心脏（如RisingWave）状态：上下文记忆智能代...

Data for AI 的关键路径（一）：从结构化 Schema → 语义 Schema

一、核心范式转变：传统表格存储 → AI语义理解传统Schema的缺陷：为机器存储设计的僵硬表格结构化Schema本质上是人类认知的数字化投影，对AI而言是"黑盒"。表格的行列、字段类型、外键关系——这些都是人类设计的语义包装，AI只能机械操作，无法真正理解数据背后的业务意...

一、核心定义AI-Ready：数据库被动适配，AI模型"读取"数据 → 增强记忆检索AI-Native：数据库主动参与，AI Agent"共同思考" → 自主认知创造二、关键差异AI-Ready：主仆结构，外部调用，一次查询一次响应AI-Native：伙伴结构，内部共生，持...

把每一次上路场景，都映射成最适合的车一、愿景 & 价值定位维度说明愿景让每位准备购车的用户在进入展厅前，就能看到 “购车后每一天” 的真实画像，并用这画像精准匹配最适合的车型。核心价值- 情感匹配 —— 用生活场景激发情感共鸣 - 成本透明 —— 把燃油、保险、维修等总拥...

2025 年的 AI 基础设施正在从「模型驱动时代」走向真正的「Token 经济时代」，未来会最终形成一个以 Token 生产与消费效率为核心的竞赛。一、模型研发：从单模态“巨兽”走向多模态“基础设施”2025 最大的变化，是基础模型不再只是“产品”，而开始成为整个产业的基...

为了解决大语言模型在长文本处理中的“中段丢失”、“上下文腐化”等现象，以及显存带宽对上下文窗口的物理限制，我们提出了一种基于原子级工艺，碳基纤维结构的外部显存扩展方案一、为什么要重新定义“上下文工程”在当前的Agent应用中，维持长对话的历史连贯性，需要消耗巨大的算力、带宽...

一、市场可能不是10亿用户，而是几家不愿换供应商的头部企业一方面，从“数字化转型”到“新质生产力”，顶层设计以前所未有的力度，呼唤着技术的落地。这是时代给出的巨大推力另一方面，技术人员、创业者，怀揣着能改变世界的代码和模型，却反复撞在一堵无形的墙上这堵墙，就是决策者脑中的“...

https://github.com/oceanbase/seekdb一、它能做什么？在数据库内做混合检索 + AI 工作流的单存储引擎 —— 不再把数据搬来搬去。能力说明混合检索向量 + 全文 + SQL 过滤 + JSON + GIS，一条 SQL 搞定AI-in-DB...

数据基础设施正在从“描述世界”转向“Agent 理解世界并在其中行动”，数据库作为 Data Infra 的核心组件，也在经历从传统架构向 Agent 时代的转型。核心不是数据形态，而是 Data → Knowledge → Context → Decisions → Ac...