人工智能技术快速发展，正在推动数据库产业进入新一轮演进阶段。从大模型应用落地到智能体、知识库、检索增强生成（RAG）等新型应用场景兴起，企业对数据管理能力提出了更高要求。数据库不仅需要支撑传统业务的数据存储与计算，也需要具备面向人工智能应用的数据理解、调用和处理能力。

　　在这一背景下，AI与数据库融合逐渐成为产业发展的重要方向。AI数据库的发展并非简单叠加大模型接口或增加智能化工具，而是需要推动数据库内核能力与人工智能应用需求深度融合，实现AI赋能数据库（AI for DB）与数据库支撑人工智能（DB for AI）的双向演进。

　　作为国产数据库领域的重要参与者，达梦数据围绕多模态智能数据库开展技术布局，以“多模归一，全域智达”为方向，探索通过自主数据库内核与原生智能能力融合，构建面向AI时代的数据基础设施。相关布局主要聚焦语义检索、多模态混合检索、湖库一体化等方向，推动数据库从传统数据管理系统向智能数据底座演进。

　　语义检索推动数据库查询能力向智能化演进

　　在AI赋能数据库（AI for DB）方向，数据库智能化正从外围辅助能力向内核能力演进。

　　传统数据库查询主要依赖关键词匹配和结构化条件筛选，而随着企业数据规模增长以及非结构化数据占比提升，仅依靠传统查询方式已难以满足复杂业务场景需求。语义检索通过理解数据背后的语义关系，使数据库具备更加精准的数据发现和关联能力。

　　围绕这一方向，达梦数据探索将语义检索能力进一步融入数据库查询体系，推动AI语义能力与数据库执行机制相结合。未来，通过查询优化器对不同查询任务进行智能调度，数据库可根据业务场景选择更加适合的执行路径，例如先进行语义过滤，再开展关系查询，或先通过传统查询缩小范围，再进行语义匹配。

　　这种内核级融合方式，有助于减少无效数据处理，提高查询效率，同时降低数据流转过程中的安全风险，更好满足政企等核心业务场景对数据安全和智能分析的双重需求。

　　多模态融合检索提升AI应用数据调用效率

　　随着大模型和智能体应用快速发展，企业对多类型数据统一管理和调用的需求不断增强。实际业务中，关系型数据、向量数据、图数据以及文档数据往往分布于不同系统，数据调用过程中容易面临系统割裂、流程复杂、效率不足等问题。

　　针对这一需求，达梦数据围绕DB for AI方向，探索构建统一的多模态数据检索能力，将不同类型数据查询能力融合于数据库引擎体系之中。

　　通过多模态混合检索能力，用户可基于统一查询方式，实现关系数据、向量数据、图数据以及全文数据的协同检索，减少跨系统数据搬运和多平台整合成本，为大模型应用、智能体和RAG等场景提供更加高效的数据支撑。

　　湖库一体化释放全域数据价值

　　人工智能应用的发展，对企业全量数据利用能力提出了更高要求。除了数据库中的结构化数据，大量非结构化数据和历史数据通常存储于数据湖环境中。如何实现数据库与数据湖之间的高效协同，成为企业释放数据价值的重要课题。

　　围绕这一趋势，达梦数据进一步探索数据库与数据湖融合发展路径，推动数据库能力向更广泛的数据资产管理场景延伸。

　　未来，通过兼容Apache Iceberg等开放表格式以及主流标准文件格式，结合缓存调度等技术能力，数据库可进一步提升对湖内数据的访问效率，实现结构化数据与海量数据资源的统一查询和协同利用。

　　湖库一体化的发展，有望兼顾数据库高性能处理能力与数据湖低成本、大容量优势，为企业人工智能应用提供更加完整的数据基础。

　　随着人工智能技术加速进入产业应用阶段，数据库正在从传统的数据管理工具向智能化数据基础设施演进。未来，数据库不仅要具备高可靠、高性能的数据处理能力，也需要适应AI应用对多模态数据理解、快速调用和全域融合的新需求。

　　从语义检索到多模态融合，再到湖库一体化，数据库与AI的深度融合正在形成新的技术演进路径。达梦数据围绕多模态智能数据库的探索，也体现了国产数据库产业向智能化方向发展的趋势。

（文章来源：经济参考网）