持續(xù)推進(jìn)“人工智能+”行動(dòng)

2025 年《政府工作報(bào)告》提出，“持續(xù)推進(jìn)‘人工智能+’行動(dòng)，將數(shù)字技術(shù)與制造優(yōu)勢、市場優(yōu)勢更好結(jié)合起來”。由此可見政策對(duì)人工智能技術(shù)發(fā)展的持續(xù)推動(dòng)和助力，人工智能已經(jīng)從概念提出邁向深度應(yīng)用與全面發(fā)展的新階段，在國家發(fā)展戰(zhàn)略中的地位愈發(fā)重要。

AI 推動(dòng)數(shù)據(jù)庫技術(shù)智能化

在達(dá)夢數(shù)據(jù)的生態(tài)體系中，人工智能算法已經(jīng)深度嵌入到了數(shù)據(jù)庫的核心功能中。例如，通過 AI 優(yōu)化查詢引擎，使得復(fù)雜 SQL 查詢的效率大幅提升；通過 AI 驅(qū)動(dòng)的資源調(diào)度策略，達(dá)夢數(shù)據(jù)數(shù)據(jù)庫能夠在動(dòng)態(tài)負(fù)載環(huán)境中實(shí)現(xiàn)最佳性能。另一方面，在 AI 模型訓(xùn)練中，達(dá)夢數(shù)據(jù)的高并發(fā)架構(gòu)不僅能夠應(yīng)對(duì)海量數(shù)據(jù)的快速讀取，能在多租戶環(huán)境下確保資源的最優(yōu)分配，這讓 AI 的訓(xùn)練過程不再因?yàn)榈讓訑?shù)據(jù)傳輸?shù)钠款i而受限，為 AI 模型的實(shí)時(shí)學(xué)習(xí)與動(dòng)態(tài)推理提供了不可或缺的能力。

這種雙向賦能的關(guān)系，使數(shù)據(jù)庫從傳統(tǒng)的工具角色躍升為智能化的協(xié)作者，為企業(yè)提供的不僅是存儲(chǔ)能力，更是洞察能力和決策支持。

達(dá)夢數(shù)據(jù)+ AI技術(shù)?，開啟智能調(diào)參

早在 2023 年，達(dá)夢數(shù)據(jù)布局了人工智能特別是大模型領(lǐng)域，達(dá)夢數(shù)據(jù)啟云數(shù)據(jù)庫智能運(yùn)維平臺(tái)就是基于 LLaMA3.x、QWen2.5 等通用大模型做模型微調(diào)，在參數(shù)優(yōu)化、 SQL 生成與優(yōu)化、數(shù)據(jù)探查、行業(yè)領(lǐng)域大模型方面的研發(fā)成果。特別是性能調(diào)優(yōu)，AI 自動(dòng)優(yōu)化數(shù)據(jù)庫參數(shù)，能解決人工調(diào)參效率低、難度高的問題。

參數(shù)優(yōu)化

平臺(tái)最早開始研發(fā)的能力，通過算法模型對(duì)達(dá)夢數(shù)據(jù) dm_ini 參數(shù)的認(rèn)知、學(xué)習(xí)，對(duì)多類生產(chǎn)環(huán)境的適應(yīng)，此能力在 TPC-C 基準(zhǔn)測試中，調(diào)優(yōu)能力實(shí)現(xiàn)了超越原廠 DBA 人員 5% 左右的性能提升。

SQL生成與優(yōu)化

此能力是改變數(shù)據(jù)庫管理的新形式，僅通過自然語言描述，DMSQL 大模型的處理，便可為用戶產(chǎn)生優(yōu)質(zhì) SQL，極大降低了數(shù)據(jù)庫 SQL 編寫和使用門檻。

一切為了 AI 時(shí)代筑基

達(dá)夢數(shù)據(jù)正在持續(xù)推進(jìn)人工智能技術(shù)與數(shù)據(jù)庫管理的深度融合創(chuàng)新，在根因分析、故障檢測、行業(yè)領(lǐng)域大模型等技術(shù)上加大投入。未來，達(dá)夢數(shù)據(jù)啟云數(shù)據(jù)庫云服務(wù)系統(tǒng)將會(huì)變成 AI 賦能的云數(shù)據(jù)庫，與 AI 深度集成后，打造基于 AI 的預(yù)測性運(yùn)維（分析時(shí)序數(shù)據(jù)，提前預(yù)警故障），完善自然語言查詢功能，降低非技術(shù)用戶的使用成本，復(fù)雜運(yùn)維也能輕松搞定。

根因分析

通過對(duì)故障的回溯，對(duì)故障前后的數(shù)據(jù)、日志、調(diào)用情況進(jìn)行收集，建立算法模型，基于以上進(jìn)行綜合分析，產(chǎn)生故障樹，分析出錯(cuò)誤的前因后果，提出修復(fù)故障的建議解決方案。

故障預(yù)警/預(yù)測

基于 DM 指標(biāo)、慢 SQL、日志等數(shù)據(jù)，建立時(shí)序模型，對(duì)可能出現(xiàn)的故障進(jìn)行提前預(yù)測/預(yù)警，幫助用戶提前規(guī)避風(fēng)險(xiǎn)。同時(shí)，可以對(duì)數(shù)據(jù)庫實(shí)例的整體運(yùn)行狀況進(jìn)行全面檢查，識(shí)別部署、架構(gòu)、配置、安全、性能、網(wǎng)絡(luò)、監(jiān)控、告警等方面的問題和風(fēng)險(xiǎn)，并提供健康診斷報(bào)告和優(yōu)化建議。

數(shù)據(jù)探查

通過接入各種數(shù)據(jù)源，AI 學(xué)習(xí)各類庫表知識(shí)， AI 算法自動(dòng)檢測數(shù)據(jù)中的趨勢、異常值和隱藏模式，用戶可以用自然語言查詢數(shù)據(jù)，直觀展現(xiàn)數(shù)據(jù)結(jié)構(gòu)和關(guān)系，系統(tǒng)自動(dòng)生成 SQL 查詢、生成各類數(shù)據(jù)報(bào)表/報(bào)告。

行業(yè)領(lǐng)域大模型建設(shè)

目前市面上眾多通用大模型對(duì)垂直細(xì)分領(lǐng)域理解不夠深入，例如公安行業(yè)的案件處理、人員管理等，需要深入學(xué)習(xí)挖掘隱式知識(shí)，為此需建設(shè)專注于該行業(yè)領(lǐng)域的大模型，更好的理解和處理相關(guān)領(lǐng)域的知識(shí)，滿足對(duì)應(yīng)業(yè)務(wù)。

人工智能技術(shù)的每一次突破，無論是生成一個(gè)龐大的語言模型，還是驅(qū)動(dòng)業(yè)務(wù)流程的實(shí)時(shí)優(yōu)化，都需要依賴堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)設(shè)施。數(shù)據(jù)庫，從未像今天這樣重要。它不僅是 AI 存儲(chǔ)和調(diào)用數(shù)據(jù)的工具，更是 AI 技術(shù)融合的重要平臺(tái)。

面對(duì)數(shù)據(jù)與智能的融合，達(dá)夢數(shù)據(jù) 展現(xiàn)出非凡的技術(shù)前瞻性，致力于為用戶提供靈活、高效且安全的智能數(shù)據(jù)庫服務(wù)，在不斷創(chuàng)新中塑造我們的數(shù)智未來。