那么，问题的根源究竟何在呢？在今年举办的甲骨文全球AI大会上，甲骨文明确提出，AI不应当以项目式、孤岛化的方式建设，而是必须作为最基础的底层能力，深深融入到企业的数据根基之中。换句话说，唯有让AI如同血液一般，流淌在企业的每一个毛细血管里，才能从根本上提升其成功率和投入产出比。

基于此，甲骨文在大会上发布了“AI for Data”理念，其核心体现为一个根本性转变——即从“将数据带入AI项目”（Data for AI），转变为“将AI能力融入数据”（AI for Data）。为支撑这一理念的落地，甲骨文发布了一系列新产品，在应用层、数据层和基础设施层（OCI）全面注入了AI能力。

因此，这不仅是一次技术路径的转变，更是一次根本性的理念升维，其深远影响在于显著降低了AI的使用门槛与集成成本，从而赋能企业规模化、可持续地释放 AI 生产力。

这背后的关键原因在于，甲骨文发现，在当下许多企业的AI应用落地过程中，很多 AI 项目仍处于“孤岛化”状态，各部门各自为战，模型重复开发、数据标准不一、资源浪费严重，最终导致投资回报率低下。而甲骨文提出的 “AI for Data” 理念，就是否定零敲碎打、依赖运气的“项目式AI”模式，倡导将 AI 打造为像水电一样的基础设施能力。

为此，吴承杨用了一个非常生动的比喻阐释了甲骨文 “AI for Data” 理念：“数据如同人体的血液，会流经企业的每一个器官和毛细血管。然而，传统数据管理关注的是‘红细胞’（运输业务养分）和‘白细胞’（保障数据安全），而在 AI 时代，我们需要在血液中注入一种新的‘AI细胞’。”

这也意味着，AI 不再是将数据从企业机体中抽离，送至每一个独立的 AI 项目中进行处理，而是成为内嵌于数据流中的原生能力，自然覆盖到每一个业务环节中。“你的手臂需要血液，自然也就需要红细胞、白细胞。现在，它也将自然获得 AI 能力，这比单独抽血做一个项目要高效和根本得多。”吴承杨形象地说。

由此带来的价值主要体现在两个维度：一方面是 AI 从“等待数据喂养”的后置角色，转变为“主动赋能数据”的前置能力，数据从产生之初即被 AI 处理和理解，随时可供业务调用，实现“化被动为主动”；另一方面是，数据不再仅是原始的记录，而是承载 AI 洞察的“智能数据资产”，可利用性呈指数级增长。

不难看出，这种“细胞级”的 AI 融合，无疑是一场全新的 AI 范式革命，标志着 AI 从此不再是企业的“外挂式”模块，而是进化为和企业核心技术栈血肉相连的“原子”能力。这一转变将使得企业的智能化之路更敏捷、迭代更迅速，不仅能提供高效、可控、 ROI 可期的部署方案，更能从根本上降低试错成本，全面加速企业的智能化转型进程。

首先，在数据层，本次全新发布的Oracle AI Database 26ai，是甲骨文“AI for Data”理念的集大成者，它将数据库升级为具备原生AI能力的“数据大脑”，成为赋能企业智能化革命的基石。

甲骨文公司中国区技术工程部总经理嵇小峰强调说：“Oracle AI Database 26ai 并非一次简单的版本更名，而是一次由内而外的本质性转变，其核心突破在于首次在数据库内核层面实现了 AI 技术与数据技术的深度融合，真正意义上重新定义了‘AI Database’。”

一是，数据库原生内置了AI智能体（Agent）框架，通过集成 Select AI Agent 等组件并支持 ReAct 模式，使得复杂的AI逻辑可以直接在数据库内运行，无需在应用层反复调用，极大提升效率与安全性。

二是，革命性的“数据意图（AI Intent）”识别，这是解决大模型理解企业私有术语的关键。甲骨文推出了结构化的“Annotation”功能，以键值（Key-Value）对形式集中管理元数据注解，并存入数据字典，这不仅解决了新系统的标注问题，还通过“AI丰富化（AI Enrichment）”功能，可对存量系统Schema自动生成注解，为企业数据赋予大模型能理解的“上下文”。

三是，具备极致的开放性，Oracle AI Database 26ai全面拥抱 Apache Iceberg 开放表格式。企业无需迁移数据，即可通过 26ai 访问和集成存储在Databricks、Snowflake等不同平台上的数据，真正实现湖仓一体，破除数据孤岛。这也意味着，企业能够突破仅能访问 10% 表层数据的限制，充分利用 Apache Iceberg 格式中“水上”（当前元数据）和“水下”（完整历史数据）的全部内容，从而释放其余 90% 被隐藏的数据价值。

四是，打造了“开箱即用”的 AI 优化能力，Oracle AI Database 26ai 内置了 AI 优化器，可针对 RAG 等应用场景，自动测试并推荐 Chunk 大小、Temperature 等关键参数，有效解决传统 AI 应用调试复杂、高度依赖专家经验的痛点。该优化能力覆盖从数据加载到 AI 调优的全流程：在 ETL 环节，系统可自动生成数据处理流程；在 AI 应用构建环节，用户无需手动反复试验，即可快速获得如RAG中 Chunk 划分、LLM中 Temperature 设置等参数的最佳建议，显著提升开发效率与模型效果。

其次，在应用层，如果说 Oracle AI Database 26ai 是关键基石，那么 Oracle AI Data Platform (AIDP) 扮演的则是“一站式 AI 应用创新工厂”的角色，它不仅将甲骨文此前“以 AI 为中心的数据平台”理念彻底产品化，更致力于解决传统企业（如制造业）面临的 AI 技术门槛高、部署周期长的核心痛点，使其能够快速、简易地构建和部署 AI 应用，真正兑现 AI 价值。

据了解，Oracle AI Data Platform 集成了以下关键能力：在底层，AIDP 构建于开放的湖仓一体架构之上，为数据整合与管理提供统一基础；在中层，平台无缝集成 OCI 提供的多源大语言模型（如Grok、Gemini、Llama）及开源计算框架（如Spark、Flink），形成灵活可扩展的 AI 算力与算法支持；在上层，通过可视化开发工具 AI Data Platform Workbench，支持从数据科学、分析到智能体开发的全流程，用户可通过拖拽操作轻松实现数据可视化、工作流编排与Chatbot创建，大幅降低AI应用构建门槛。

最后，在架构层，OCI（Oracle Cloud Infrastructure）成为了甲骨文“AI for Data”理念落地的核心承载平台。

在此基础上，为应对 AI 工作负载的快速增长，OCI也持续强化 AI 基础设施能力，尤其是在今年的甲骨文全球 AI 大会上，OCI 更在四个关键方向发布了重要更新。

其一，高性能云网络方面，全新发布 Acceleron 解决方案，该方案集成硬件加速与零信任安全架构，显著提升整体基础设施的吞吐能力与租户隔离性，在优化性能的同时实现了更优的成本结构，成为OCI未来的“性能引擎”。

Acceleron 的技术突破主要体现在以下三大方面：在主机加速层面，通过搭载DPU的融合网卡，实现网络吞吐提升约2倍，存储吞吐提升约3倍；在交换架构层面，采用多平面设计与RDMA网络替代传统三层网络，有效降低超大规模训练中的单点故障风险，增强任务连续性；在交换加速层面，结合零信任数据包处理与去中介化路径优化，实现端到端直通传输，进一步降低延迟与成本。

其二，轻量化专属云方面，甲骨文推出专属区域解决方案Dedicated Region 25，其支持最小3机架起步部署，可在客户指定数据中心构建专属云环境，界面与功能与公有云一致，特别适合对合规性、数据本地化有高要求的企业客户。

其三，开放多云战略方面，甲骨文发布 Universal Credits 跨云通用能力，其具备高度开放性，支持数据库服务跨云部署，并承诺不收取跨云出向流量费用，帮助企业显著降低多云架构下的网络成本，实现更灵活的资源调度。

其四，在 AI 基础设施层面，OCI持续迭代并发布新一代 Zettascale 10 集群，其支持 80 万 GPU 规模，最高峰值性能达 16 zettaFLOPS,能够为超大规模训练提供强大的算力基础。同时，该集群也整合了智能体框架与大语言模型，构建从底层算力、中台能力到上层应用的全栈AI支持，为客户提供“一站式AI”的全新体验。

例如，在 AI 能力方面，OCI 广泛兼容市场主流大语言模型，包括 xAI Grok、Google Gemini、Meta Llama、Cohere 及 OpenAI 系列模型等。通过统一的 “Multicloud Universal Credits” 授权模式，客户仅需签订单一合同，即可灵活调用多种先进模型，大幅提升资源利用效率与 AI 创新敏捷性。

不仅如此，OCI 还提供 GenAI Agent 平台，支持RAG、SQL生成、代码编写等智能体能力，并兼容LangChain、LangGraph等主流开源框架。该平台还能够无缝集成Oracle Fusion、NetSuite、OAC、IDP等企业核心应用，真正实现智能体与企业业务流程的深度融合。

窦杰透露，截止目前，OCI已在全球范围内构建了覆盖200多个区域的云基础设施，涵盖公有云、政府云、主权云、专属云及合作伙伴云等多种形态。这些资源广泛分布于北美、南美、欧洲、中东、非洲、亚太等地区，尤其在中东和北非等地形成了显著的地缘覆盖优势。这一全球化布局将会有力支撑中国企业的出海业务，并真正实现 “客户所需，无处不在” 的服务承诺。

由此可见，甲骨文通过将 AI 能力系统性地融入数据层、应用层和云基础设施层，不仅构建了从数据管理、AI开发到算力支撑的端到端闭环的“有机体”，更关键的是，它能够真正助力企业构建起面向未来的、具备原生AI驱动的新型竞争力。

具体来说，Oracle AI Database 26ai 通过将 AI 深度集成于数据库内核，有效解决了企业数据与大模型之间的“语义鸿沟”；AIDP平台显著降低了AI应用开发的技术门槛；而 OCI 的持续演进则为整个体系提供了高性能、高安全的基础支撑。这三个层次紧密衔接、协同推进的全栈 AI 技术体系，背后也标志着甲骨文 “AI for Data” 理念已进入全面深化与成熟的阶段。

为此，甲骨文也坚持生态共赢，通过与 Dify 等领先的开源 AI 应用开发明星企业深度合作，以共建 “新生态” 的方式，将强大的 “AI for Data” 理念和能力，转化为企业 “触手可及” 的业务解决方案，共同赋能千行万业的智能化转型。

而本次 Dify 与甲骨文展开深度合作，主要是为了帮助企业应对在 AI 转型中普遍面临的技术选型复杂、整合成本高、应用门槛陡峭等挑战，为此双方围绕以下三个维度展开协同创新，推动 AI 技术更高效、平滑地融入企业核心业务。

其中，便捷部署方面，Dify产品将正式上架 Oracle Cloud Marketplace，支持用户在 OCI 上一键完成快速部署，极大简化AI应用的云上初始化流程，提升落地效率；深度技术融合方面，甲骨文最新发布的 AI 原生数据库 Oracle AI  Database 26ai，在结构化数据处理与向量能力方面与 Dify 引擎实现深度兼容，企业通过 Dify 平台调用 Oracle 数据库时，可获得更好的查询性能与更丰富的 AI 功能支持；无缝集成方面，Dify 通过原生支持 Oracle 推出的 MCP（模型上下文协议）插件，能够无缝对接并灵活调度 OCI 平台上的多种 PaaS 服务，更好扩展智能体可调用的工具与能力边界，增强系统整体扩展性与场景适应性。

对此，嵇小峰也用了一个具体的客户案例说明了双方合作能够产生的实际价值：“我们的一些制造业客户，在过去若采用传统方式构建一个涉及多数据源的RAG应用，流程可能涉及二十多个开发节点，复杂且耗时。但现在，在 Dify 的可视化画布上，直接连接Oracle AI Database 26ai，由于数据库本身已融合了向量、标量及业务数据，因此企业仅需 4 到 5 个节点就能完成同一应用。这不仅极大简化了开发流程，更将产品上市时间缩短了数倍，同时保证了企业级的数据安全与合规性。”

从这个案例中也可以发现，甲骨文与 Dify 这样的合作伙伴 “牵手” ，本质上是将 AI 投资的 “不确定性” 转化为企业增长的 “确定性” —— 第一是技术路径的“确定性”，可避免纷繁技术选型带来的试错成本；第二是投资回报的 “确定性” ，通过深度集成和简化开发，让 AI 项目快速落地生效；第三是未来演进的“确定性”，基于 Oracle 稳定开放的技术栈，企业的 AI 能力可以持续平滑进化。

“企业需要想清楚，究竟是要做一个 AI 项目，还是让整个组织系统都具备 AI 能力？在这方面，甲骨文的使命或者说能够提供的，是一条真正经过全球企业验证的转型路径—— 以融合、开放、安全的 AI 原生数据库为基石，通过高效、可靠的全球云基础设施进行承载，再借助丰富的平台工具与生态合作，最终让 AI 能力如血液般渗透至企业的每一次创新与决策之中。” 吴承杨最后总结说。

总的来看，在当前企业AI投资高企但回报甚微的背景下，甲骨文提出的 “AI for Data” 理念，无疑为行业提供了一条清晰的破局路径，即企业 AI 化不应是零敲碎打的“项目”，而应是贯穿业务血脉的“能力”，唯有将 AI 如同新细胞般深度植入到企业的数据流中，并随数据抵达到每一个业务环节之中，由此构建出真正原生的、可持续性的 AI 能力，才能在降本增效的宏观压力下，让 AI 跨越从 “项目” 到 “规模化” 的鸿沟，最终实现企业智能化生产力的大规模释放。