“AI原生數據庫是技術演進的必然方向”，阿里云資深副總裁、數據庫產品事業部負責人李飛飛在2026阿里云PolarDB開發者大會上如是說。

與此同時，阿里云旗下云原生數據庫PolarDB正式發布AI數據湖庫（Lakebase）等系列全新產品能力，將大模型能力內化為數據庫的“血液”，讓數據系統不僅能存儲、查詢多模態數據，還將直接驅動AI智能決策。

在AI浪潮席卷各行各業的今天，云原生數據庫如何進化以適應新時代？阿里云提出的“AI就緒”具體意味著什么？在2026阿里云PolarDB開發者大會的間隙，速途網采訪了阿里云資深副總裁、數據庫產品事業部負責人李飛飛與阿里云數據庫產品事業部產品管理與技術架構部負責人王遠，他們揭示了阿里云Polar DB在成本、體驗與未來形態上的核心邏輯。

一、從“云原生”到“AI就緒”：阿里云Polar DB“4+1”核心能力演進

據速途網了解，此次PolarDB重磅發布一系列全新的AI能力，包括AI數據湖庫（Lakebase）、模型算子化以及面向Agent應用開發的托管能力等，從“AI就緒”向“AI原生”持續演進，顯著降低構建AI應用的復雜度。

當被問及如何理解從云原生數據庫到“AI就緒”的進化時，李飛飛將其總結為“4+1”個核心方向。

“第一是存儲層走向Lakebase”，李飛飛指出，傳統數據庫面向結構化數據，而在AI時代，需融合能處理非結構化、多模態數據的湖存儲，這是應對Embedding、特征提取、多模態檢索等AI任務的基礎。

“第二是元數據的統一管理。”他解釋道，AI時代數據源繁多，日志、交易、圖片、文本、音視頻等數據量巨大，元數據本身可能達到TB級，且需實時更新。阿里云將Zero ETL技術集成到元數據管理層，實現元數據的實時同步。

“第三是多模態檢索與處理能力。”數據庫需從單純處理結構化數據，演進為支持向量、全文、圖譜等多模態數據的融合檢索與處理。

“第四是模型算子化與Agent AI的支持。”李飛飛強調，模型量子化是為了讓熱數據與模型在線推理產生“化學反應”。模型難以實時吞噬熱數據，而這部分數據對避免模型“幻覺”至關重要。通過模型算子化，熱數據可實時轉化為Token，并被場景化的Agent所使用。“未來一定是Token的世界”。而最后的“+1”是一定緊跟硬件發展步伐。

關于當下數據庫的高性價比和成本優勢，王遠總結了三點：資源池化、多租共享、彈性伸縮。在他看來，只有規模化到一定程度，才能有一定的成本優勢或者成本紅利。“Polar DB首先擁有云上最大規模的數據庫用戶，這是我們很高的護城河”。

同時，Polar DB進入更多的高性價比的存儲介質，對企業當中的數據做分類存儲，智能化的數據調度、跨界流轉和遷移。王遠解釋到，Polar DB存儲層做的第一件事就是降成本。

此外，阿里云主推極致彈性的產品形態，以保證產品在市場上的價格競爭力。

二、內部打通與開發者體驗：一體化、多模態與自然語言交互

對于阿里云內部如何為打造AI原生數據庫進行產品能力打通，李飛飛以百煉以及PAI為例說明：“Polar DB以及整個瑤池數據庫token量增長，在過去短短幾個月內增長了超過100倍。”此外，阿里云自研的模型算子化服務，以及通過SQL/API乃至未來自然語言方式，無縫集成模型調用與數據處理的能力。

王遠則從開發者與未來用戶體驗的角度闡述了差異化。他認為，未來數據庫用戶不僅僅是現在的開發者，還會有更多的普通用戶，因為大模型能力讓我們的數據庫未來真的很大概率具備直接服務普通用戶的能力。

“對開發者，我們提供最基礎的向量處理能力，因為這是AI時代最通用的數據表征。同時提供一體化多模數據管理、一體化RAG能力，以及在circle里方便集成大模型能力”，王遠進一步解釋到。

而對于未來普通用戶，交互方式將向自然語言、多模態等更直覺的方式演進。王遠表示，數據庫的管理范疇也將從數據本身，延伸到對知識、記憶的組織與管理。最終，Polar DB希望成為以數據為中心的AI基礎設施，成為構建企業級智能應用的主流選擇。

目前，阿里云PolarDB已贏得來自海內外超2萬用戶的信賴，部署規模超300萬核，覆蓋全球86個可用區。PolarDB云原生與Data+AI相關功能與創新技術已規模化應用于金融、汽車、政務、互聯網、電信等領域的核心業務系統，服務了某大型商業銀行、理想汽車、小鵬汽車、MiniMax、GoTo集團、度小滿、米哈游等知名企業，助力全球開發者跨越智能時代。

三、AI Ready vs. AI Native：務實演進與未來衡量

“AI賽道本身還在快速變革，現在喊AI Native過早。我們堅定喊AI Ready，我覺得現在喊AI Native 是‘大躍進’。”當被問及當前是否已進入“AI Native”階段時，李飛飛的回答很務實。

那么，何時才算真正進入AI Native時代？李飛飛提出了兩個衡量標準：“第一，數據庫至少一半的實例是Agent在使用；第二，數據庫輸出（Output）的字節數中，至少一半是Token。”他認為，達到這兩個標準，才可稱為邁入了AI Native的門檻。

為實現這個目標，數據庫需要在模型算子化、多Agent編排調用、多租戶隔離、RAG知識庫、自然語言交互乃至直接驅動業務Action等方面持續演進。“未來的AI Native Database，將是海量Agent通過自然語言下達指令、并直接觸發Action發生的地方。”

四、寫在最后

在整個采訪中，李飛飛與王遠不斷強調“務實”與“迭代”。在速途網看來，AI技術日新月異的浪潮中，阿里云Polar DB選擇的是一條以“AI就緒”為當下錨點，以支撐海量智能體與Token經濟為未來導向的清晰演進路徑。