而现在，代表未来应用发展方向的AI基础设施似乎正在脱离DBA的管理范围。DBA应该有所警醒，要加快拥抱AI的速度，尽快在数据库运维领域引入AI技术，引入AI能力，千万别成为AI时代的边缘人。

随着越来越多的组织采用 Lakehouse架构，Apache Iceberg已成为现代Lakehouse核心的开放表格式。Iceberg为跨引擎的数据存储提供了统一、可扩展且互操作的基础。

对于人工智能与高性能算力(HPC)日益旺盛的需求，持续推动着数据中心容量的扩张。尽管新一轮的数据中心建设正在持续进行中，但也面临着诸多挑战。

随着AIOPS技术的发展，以数据推理为核心的系统为可观测性项目打开了一个新的通道。不是通过固化的程序和算法去分析数据，而是用数据推理的方式去分析问题。

数据库的下一次进化不仅关乎更快的查询或更廉价的存储。其核心在于将智能直接嵌入数据库层——这种智能能在数据抵达时即时检测异常，预测未来趋势，并实时触发行动，无需等待协调管道或外部系统响应。

DBA面临的一个很大的问题就是积累运维知识，大多数DBA都是用自己的脑子来积累知识。确实人的脑子是运维知识最好的载体，不过人的记忆和回忆是受一定的限制的，对于海量的知识积累，光用脑子是不够的。

企业数字化转型建设离不开各种各种的系统，从技术实现角度来说无外乎代码原生开发与低代码(零代码)开发两种，很多人肯定要问哪种方式更优?喜欢低代码的认为其高效、能快速响应业务部门的需求，而反对者尤其是企业技术部门的开发人员则对其是嗤之以鼻

9月，甲骨文换帅，宣布将由Clay Magouyrk和Mike Sicilia两位高管共同担任联席CEO，也表明这家数据库巨头将进入一个新的发展阶段，希望以更好的姿态迎战AI时代;在2025腾讯全球数字生态大会上，腾讯云正式公布自研数据库TDSQL全新产品家族……

本期《名人堂——“数”风流人物》栏目就相关问题对话万里数据库副董事长&副总经理李正。他指出，MySQL裁员带来的不确定性以及国产化替代不断深入，为市场带来了挑战和机遇，万里数据库看到了更多的机遇，在日益激烈的竞争环境下找准定位，坚定前行方向，为MySQL平滑替代提供一个更优选择。

在日前举办的StarRocks Connect 2025上，镜舟科技CTO&StarRocks TSC member张友东，介绍了Agentic AI时代，现代数据分析面临的挑战和机遇，以及StarsRocks在Lakehouse、AI Agent方面的思考与实践，他强调，StarsRocks要打造更具性价比的实时分析方案。

AI时代，存在不确定性和诸多挑战，同时也充满机遇。此时换帅，也表明这家数据库巨头将进入一个新的发展阶段，希望以更好的姿态迎战AI时代。

其实今天我谈的数据库的非功能性需求，Oracle都已经做得相当好了，国产数据库厂商目前想要学习O记，不过力不从心，因此只能学个皮毛。衷心希望国产数据库厂商能够把这些非功能性需求重视起来，尽快补上这些短板。

图结构通过提供清晰的起点赋能系统，能精准锁定关键要素——无论是关联特定产品的客户群体，还是序列连接的设备链条。一旦定义目标集，向量搜索便能在其中挖掘模式与意义。模型不再盲目遍历全部数据，而是聚焦于更具上下文关联的局部空间。

数据分析领域有几个经典的终极难题。多影响因素归因，绝对是其中最让人头大的。特别业绩好的时候，品牌、售后、客服、供应链、运营、产品、商品管理都会跑来，说：“今年业绩不错呀，公司多赚的10个亿，到底几个亿归功于品牌，到底几个亿归功于供应……请量化分析一下，谢谢”。

过去两年间，我们见证了大型语言模型(LLMs)的飞速发展。随着这些模型日益强大且趋于商品化，企业真正的竞争优势将取决于其有效利用内部数据的能力。非结构化内容构成了现代人工智能系统的基石，因此企业必须构建强大的非结构化数据基础设施，方能在人工智能驱动的时代取得成功。

时隔五年，销售易用户大会Engage 2025再次回到北京召开，时过境迁，如今外部环境不确定性加剧，所有的企业都面临着“不确定的现实里如何找到确定的增长点”的问题。

今年数据库国测第一批结果发布，出乎大多数人的意料，不过又都在大多数人的期望之中，可谓几家欢喜几家愁。就像三十年前挤公交一样，上车的人希望马上关门，别太挤了;还没上车，排在前列的人希望里面的人能再往里挤挤，自己也能上了这趟车。排在后面的人，反正与自己无关，看着只能看着热闹等下一班车。

到了2025年，DBA的职责正以前所未有的速度转型。当今的DBA不再仅是数据库保管员，更需成为数据战略家、自动化专家、云集成师乃至业务赋能者。单纯管理备份、调优SQL和处理存储分配的时代正成为过去，但我们必须思考：DBA的适应速度是否足以保持其价值?

麦肯锡估算，生命科学领域75%至85%的日常工作流程可通过AI智能体更高效处理。这将为药物发现、试验规划和合规等领域释放25%至40%的产能，其价值不仅在于节省时间。

随着人工智能技术加速落地，CRM行业步入智能化深水区，却也面临概念混杂、能力参差、用户选型困难的挑战。