OceanBase 公开蚂蚁灵光 AI 生成应用数据架构实践

OceanBase 首次披露其支撑蚂蚁灵光 AI 生成应用的数据架构实践。该架构通过逻辑表、共享物理存储与受控 SQL 计算等技术，实现"应用数据模型独立、底层资源共享"，为 AI 生成应用的大规模运行提供数据底座。

今年 4 月的数据显示，蚂蚁灵光平台已累计生成约 3000 万个闪应用。AI 降低应用开发门槛的同时，由 Agent 生成的应用数量快速增长，传统数据库架构面临新挑战：既要让每个应用拥有独立的数据管理和计算能力，又要避免为海量应用分别建设数据库带来的存储与运维压力。

针对上述问题，OceanBase 设计了面向海量 AI 应用的"逻辑表"方案。每个闪应用在用户层面仍拥有独立的数据表结构，可创建表、写入数据并执行标准 SQL 查询；底层则共享统一物理存储。应用通过接入 OceanBase JSON Table SDK，数据以 JSON 形式存入共享表，数据库依据应用独立 Schema 完成数据映射、查询与聚合计算。

相较于将数据集中存储为 JSON 大表或为每个应用创建独立物理表的传统方案，该架构减少了海量应用带来的数据库管理压力，同时保障多租户权限隔离。当单个应用规模增长时，还可迁移至独立物理表以获取更高性能。

OceanBase 表示，此次实践验证了 AI 生成应用的数据管理能力，也体现出数据库向 AI 数据平台演进的趋势。今年 6 月，OceanBase 发布新一代湖库一体 AI 数据库，将结构化数据、非结构化数据与向量数据统一管理，支持 AI Agent 获取完整业务上下文，目前已在蚂蚁阿福、灵光等场景完成验证，并推进企业客户测试。

随着 AI Agent 逐渐成为下一代应用形态，数据基础设施的重要性持续提升。OceanBase 希望构建面向 Agent 的数据底座，为企业 AI 应用规模化落地提供更稳定的数据支撑。