多模數(shù)據(jù)庫驅(qū)動下，助力 AI 逼近“人類智能”？

面對新基建驅(qū)動而即將造成的數(shù)據(jù)量井噴現(xiàn)象，當(dāng)下的數(shù)據(jù)庫模式將不能夠足以支撐，尤其考慮到 AI 正逐步落地的情況。

依據(jù) Raconteur 統(tǒng)計的數(shù)據(jù)，到 2025 年，全球每天預(yù)計有 463 EB 數(shù)據(jù)產(chǎn)生，相當(dāng)于每天產(chǎn)出約 2.1 億張 DVD 碟；IDC 發(fā)布的《數(shù)據(jù)時代 2025》報告中也預(yù)測，全球每年產(chǎn)生的數(shù)據(jù)從 2018 年的 33 ZB 增長到 175 ZB（1 ZB=1024 EB），以 25 MB/ 秒的網(wǎng)速進行下載，需要的時間為 18 億年。

隨著數(shù)據(jù)量的暴增，問題逐漸暴露。

數(shù)據(jù)規(guī)模大、類型多，一站式服務(wù)需求激增

截至目前，針對海量數(shù)據(jù)的處理，業(yè)內(nèi)既有的數(shù)據(jù)產(chǎn)品多只能解決某一類問題，譬如 Hive 應(yīng)用于結(jié)構(gòu)化數(shù)據(jù)、面向數(shù)據(jù)存儲的文檔數(shù)據(jù)庫 MongDB、專注于復(fù)雜搜索需求的 ElasticSearch 以及圖數(shù)據(jù)庫 Neo4J 等等。

與此同時，圍繞多種數(shù)據(jù)類型的存儲與處理需求，業(yè)內(nèi)也搭建了一種混合架構(gòu)，涉及多種不同的數(shù)據(jù)庫技術(shù)，以解決不同的數(shù)據(jù)問題。

只不過，我們也可以注意到，各個數(shù)據(jù)庫各自為政，這也使得客戶在需要使用多種數(shù)據(jù)庫產(chǎn)品時，需要自己重新架設(shè)一層，以解決需求被滿足時所產(chǎn)生的附加問題，包括數(shù)據(jù)如何在不同數(shù)據(jù)庫之間導(dǎo)進導(dǎo)出、數(shù)據(jù)在不同庫中的一致性保持、整體運維等等。

僅從文字的描述來看，就可以知道，數(shù)據(jù)庫的單一獨立使用和混合使用各有優(yōu)劣，前者操作簡單但供給不足以滿足實際應(yīng)用場景的多樣化需求，后者雖然能夠滿足客戶圍繞數(shù)據(jù)產(chǎn)生的多樣化需求，但是操作不便、運維復(fù)雜等問題也是不可忽視的。

就當(dāng)下而言，混合架構(gòu)或許尚能夠應(yīng)對來自產(chǎn)業(yè)內(nèi)的多樣化數(shù)據(jù)需求，但是長久以往下去并不是一個辦法，尤其是隨著新基建的到來，于國內(nèi)數(shù)據(jù)庫的發(fā)展也帶來了極大的挑戰(zhàn)。

針對這個問題，騰訊云數(shù)據(jù)庫副總經(jīng)理王義成指出了三點：

1、數(shù)據(jù)量出現(xiàn)全面井噴，如何滿足相應(yīng)運算與分析的實時進行？

2、業(yè)務(wù)融合多樣化發(fā)出挑戰(zhàn)，數(shù)據(jù)庫是否能夠接受在不同的業(yè)務(wù)中心、數(shù)據(jù)中心、基礎(chǔ)設(shè)施之間去做相應(yīng)的部署和融合？

3、老齡化逐步演進，數(shù)據(jù)庫人才缺口可能更大，數(shù)據(jù)庫供應(yīng)商如何為用戶提供多種自動化服務(wù)，以及能否為用戶的多種服務(wù)需求提供自動運維服務(wù)，實現(xiàn)整個數(shù)據(jù)的自動化治理？

圖 | 騰訊云數(shù)據(jù)庫副總經(jīng)理王義成

從這些挑戰(zhàn)來看，鑒于數(shù)據(jù)庫與數(shù)據(jù)庫之間的不兼容，為了避免復(fù)雜操作性、實現(xiàn)成本有效降低等目的，一個面向數(shù)據(jù)層面的一站式服務(wù)平臺顯然成為一個剛需。

簡單來講，在這個一站式數(shù)據(jù)服務(wù)平臺或數(shù)據(jù)庫中，用戶希望能夠以簡單的操作方式調(diào)用多數(shù)據(jù)庫的資源，并處理多種數(shù)據(jù)模型等等。

數(shù)據(jù)庫未來趨勢？提名“多模數(shù)據(jù)庫”

在提及數(shù)據(jù)庫在新基建背景下將面臨的挑戰(zhàn)時，他也指出了這一產(chǎn)品的兩點趨勢，一點關(guān)乎數(shù)據(jù)庫分配模式，“在數(shù)據(jù)量再擴幾倍的情況下，還能保持 TP 與 AP 的整體穩(wěn)定性和性能，這是一個大趨勢，大家也會在這個點上繼續(xù)去深耕?！?/p>

第二點上，王義成則表示隨著 5G 的到來，可能會有更多模式的數(shù)據(jù)庫會出來，包括圖數(shù)據(jù)庫或是更為稀奇的數(shù)據(jù)模式。

“數(shù)據(jù)庫的下一個模式會向多模方向發(fā)展。數(shù)據(jù)庫的存儲模式是不同的，但真正對于應(yīng)用訪問來說，或者對于應(yīng)用處理來說，需要一個更加經(jīng)典化、更加統(tǒng)一的標準接口讓上層應(yīng)用能夠去訪問?！蓖趿x成表示，“我認為，應(yīng)對 5G 帶來的應(yīng)用爆發(fā)、數(shù)據(jù)爆發(fā)，多?？赡苁且粋€大的趨勢點?！?/p>

多模數(shù)據(jù)庫究竟是怎樣的？與現(xiàn)有的混合架構(gòu)模式而言，它的優(yōu)勢體現(xiàn)在哪里？

簡單來講，多模數(shù)據(jù)庫最終體現(xiàn)的是一種數(shù)據(jù)模式的統(tǒng)一，主要形式有兩種：

一種是數(shù)據(jù)存儲為統(tǒng)一模式，可以在這一層面暴露多種協(xié)議接口類型，比如一套數(shù)據(jù)存儲，可以暴露 Mongo 的訪問模式，暴露 MySQL 的訪問模式；

另一種則是集中存儲，將不同類型的數(shù)據(jù)庫存儲到一個整體通用的數(shù)據(jù)平臺，再用一個 up 層，或者用一個接口層去兼容多種協(xié)議，讓所有的應(yīng)用都能夠更為方便的集中于自身的數(shù)據(jù)處理跟統(tǒng)一。

相較于混合架構(gòu)而言，多模數(shù)據(jù)庫在進行統(tǒng)一整合、將操作極簡化的同時，也降低了數(shù)據(jù)在不同庫之間來回遷移的成本和風(fēng)險等。“多模數(shù)據(jù)庫有可能是未來中長期相對比較的趨勢?！蓖趿x成說到。

多模數(shù)據(jù)庫驅(qū)動下，助力 AI 逼近“人類智能”

從前面行業(yè)內(nèi)人士的講解來看，在數(shù)據(jù)庫賽道中，利好多多的多模數(shù)據(jù)庫已然成為被看好的下一個趨勢。當(dāng)前，在多模數(shù)據(jù)庫賽道中，包括騰訊在內(nèi)，華為、阿里等大型云服務(wù)商也已經(jīng)推出或即將推出有關(guān)產(chǎn)品。

在一些行業(yè)賽道中，尤其是那些傳統(tǒng)行業(yè)，他們的數(shù)據(jù)多是分散在各個業(yè)務(wù)系統(tǒng)中，這也為他們的數(shù)據(jù)化、智能化變革道路中增添了難度。如果一個產(chǎn)品能夠幫助他們更快地整合數(shù)據(jù)，并能夠提供抽象化的應(yīng)用接口，這必然是利好的。

用王義成的話來說，使用多模數(shù)據(jù)庫的目的之一，是解決用戶不同調(diào)用的使用習(xí)慣，助力用戶使用。而當(dāng)談及落地，“多模數(shù)據(jù)庫”于 AI 的智能提升而言可謂一大助力。

眾所周知，AI 與人類智能差距之一就是“多模態(tài)信息的智能化理解”，這其中包括視覺、聲音、符號語言、嗅覺和觸覺等信息。如果能夠像人類利用多模態(tài)數(shù)據(jù)學(xué)習(xí)知識一樣，讓 AI 也擁有多模態(tài)數(shù)據(jù)的學(xué)習(xí)能力，AI 的智能程度必然將大大獲得提升。

然而，就目前而言，多模態(tài) AI 還存在不少技術(shù)難點，其中就涉及到多模態(tài)數(shù)據(jù)的融合。

具體來看，一個軟件或算法模型的進步是較為容易的，但當(dāng)多個算法疊加在一起，難度的升級將會是成倍的，尤其在面對圖像、語音、觸感等非文本數(shù)據(jù)時。

就這一點來看，多模數(shù)據(jù)庫與 AI 可以看作是相輔相成的：利用 AI 算法，數(shù)據(jù)庫將能夠在現(xiàn)有基礎(chǔ)上獲得進一步的優(yōu)化；反過來，正是因為能夠調(diào)用多個數(shù)據(jù)庫，以及兼具的統(tǒng)一性，多模數(shù)據(jù)庫將能夠為 AI 算法模型提供訓(xùn)練平臺，以及融合數(shù)據(jù)處理平臺，讓 AI 系統(tǒng)的決策更為全面和智能。
責(zé)任編輯:pj