Oracle Database 軟件工程高級副總裁 Nipun Agarwal 喺 Oracle AI World 上講，過去一年 Oracle 一直喺度重構自己嘅數據棧，因為數據湖倉（lakehouse）嘅角色變咗：由「客户用嚟跑分析嘅平台」變成「AI 嘅決策中樞」（the decision backbone for AI）。
佢嘅邏輯係：當 AI agent（AI 代理，即可以自動執行多步任務嘅軟件）開始同人類分析員一樣查詢公司數據，企業就需要一個能夠理解散佈喺不同雲端、格式同系統入面數據嘅平台。Oracle 話自己推出嘅「Autonomous AI Lakehouse」，就係一個放喺企業現有數據之上嘅開放層，唔係取代。
共享語義層：唔搬家，直接喺度查
Oracle 嘅做法係一個可以掛載其他 catalog（數據目錄）嘅 catalog，例如 Databricks 嘅 Unity Catalog，加埋 Postgres 同 MySQL，數據喺原處被查詢，唔使複製。Oracle 喺十月嘅活動上正式宣佈咗一個「業務語義層」（business semantic layer）同對 Apache Iceberg 嘅更廣支持。Agarwal 強調，系統自動生成嘅表格同欄位描述，同樣適用於非 Oracle 嘅數據源。
圖片：Gregory Varnum／CC BY-SA 4.0／Wikimedia Commons
最關鍵嘅係，Oracle 唔視自己嘅產品同其他 lakehouse 競爭。Agarwal 講：「任何企業都會有選擇，會用多個數據源，會有幾個 lakehouse。」
點解「即時」仲重要？
Oracle 嘅 Lake Cache 將最常用嘅 Iceberg 表搬入 Exadata 嘅 flash cache 加速查詢。Agarwal 指出，當軟件 agent 成為數據嘅主要消費者，定期刷新嘅複製數據會「跟唔上」agent 按需請求嘅節奏：「就 AI 嚟講，消費者未必係人，所以對即時存取嘅需求就大多咗。」
阿調搞兩下：「數據唔使搬走」呢句，對用緊 Databricks 嘅企業嚟講，係有實際意思嘅。語義層嘅真正測試唔係 API 設計，係你嘅 agent 查同一張表，仲會唔會因為格式、權限同延遲而得到唔同答案。呢度係真開工嘅地方，唔係賣 PPT 嘅地方。
阿調｜深度調教
