甲骨文公司副总裁及中国区董事总经理吴承杨在近日举办的媒体沟通会上，阐述了甲骨文在AI落地层面的最新方法论与实践路径。面对外界对甲骨文在AI时代竞争力的讨论，吴承杨及其团队给出的回应是：AI的关键在于生产级应用和可量化的业务成效，而非单纯的技术演示。
在数据库领域，甲骨文依然保持着深厚根基。DB-Engines数据显示，Oracle关系型数据库在银行核心交易、大型ERP等场景的市场份额超过60％。在AI数据库方向，甲骨文已迭代至26ai版本，其核心理念是“让数据库靠近数据，数据不离开数据库”，通过将向量、RAG检索增强生成、记忆等能力内置到数据库内部，直接在数据库层面完成分块、向量化生成和向量索引检索，从而降低数据迁移带来的安全风险和延迟。
这一技术路线与市场上其他数据库产品形成明显差异。云市场研究机构Synergy Research多次将甲骨文列为增长最迅猛的第二梯队云服务商之一，同处该梯队的还包括CoreWeave、OpenAI、Crusoe、Nebius等新兴云厂商。2026财年最新季度业绩显示，甲骨文云基础设施（IaaS）营收同比增长93％至58亿美元，多云AI数据库营收同比增幅达到404％。创纪录的营收、利润及剩余履约义务（RPO）背后，是甲骨文对AI基础设施的持续投入，以及将数据库、高性能一体机与多云互联能力协同整合的战略执行。与此同时，巨额的资本投入导致自由现金流为负，也让市场保持警觉。
吴承杨认为，在AI方法论上，中美市场没有本质区别，核心有三点：AI都是企业级的问题；AI一定是云原生的问题，数据的一致性需要云原生架构来支撑；AI的底层是数据，数据在AI时代的重要性持续上升。他指出，只有将各种系统融合在一起，才能建立让Agent能够理解的业务语义层。
针对AI产品如何真正落地，甲骨文提出了AIBS（AI Business Success）方法论，通过FDE（Forward Deployed Engineer）团队，将AI从一个项目转变为客户自己能够复制的底层能力。与以往以产品为中心的传统售前模式不同，FDE团队以客户的业务成效为中心，直接进驻客户现场，与客户共同挑选第一个落地场景。该场景遵循四点原则：业务效果可衡量、解决方案可复用、基础数据可得、场景可在一定时间内可控落地。其目标是在30到45个工作日内，完成从“0到1”的第一个场景验证，证明方法论和产品的可行性。
“中国市场很卷，用户往往会问两个问题：一是这个东西有什么成功案例？二是可以给我带来什么样的效果？”吴承杨强调。他进一步指出，甲骨文更关心数据库能够带给用户什么成效（outcome），这个成效是能够用数据体现、能够计算出来的，比如成本降低、效率和营业额的增长等。在交付过程中，FDE团队会将共性的工程化经验抽象、沉淀，反哺到甲骨文的AI平台上，使客户或合作伙伴在后续业务扩展中开发速度越来越快，最终形成可循环的AI能力。
在多云层面，甲骨文已搭建相对完整的AI技术栈：底层搭建万卡集群，并在液冷、网络优化、更先进GPU基础设施层面采用新技术方案；治理层主要解决企业对AI主权和数据安全的顾虑；生成式AI服务层面提供On-Demand Token服务和Dedicated AI Cluster专属AI集群服务。
多云架构带来的不仅是灵活性，还有高昂的数据“出站”成本与复杂的跨云管理。甲骨文公司高级总监及中国区云工程部总经理窦杰指出，当企业通过专线从AWS大批量回撤数据用于灾备或分析时，将面临高额的出站流量费。但如果将OCI作为中转站，利用Oracle与AWS的对等互联以及OCI“数据进出双向免费”的策略，企业就能有效规避这笔按GB计算的巨额成本。Oracle Interconnect for AWS在本月正式全面可用，此前甲骨文已实现与微软Azure和谷歌GCP之间的连接。这种通过商业策略重构的成本优化路径，正在成为甲骨文多云战略中的差异化竞争点。
从数据库内核的AI能力内置，到FDE团队的落地方法论，再到多云互联的商业策略，甲骨文正试图向市场证明：AI的价值不在于概念包装，而在于能否在企业真实业务场景中产生可量化、可复制的成效。这一路径能否持续获得客户认可，将决定甲骨文在AI竞争格局中的长期位置。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
