作者：韩锋
1. 信创深水区，国产数据库走到十字路口
国产数据库信创替换改造，这场持续了数年的技术长征，在政策驱动与市场自发的双轮驱动下，已悄然驶入一片更为复杂、更具挑战的“深水区”。 早期的“从无到有”、“能用可用”已不再是核心议题，规模化推广的阵痛、长期运营成本的压力、以及对未来技术范式的未雨绸缪，正成为摆在所有参与方面前的现实拷问。 在这场深入肌理的替换浪潮中，两种技术路径——分布式与集中式——的此消彼长、价值重估，以及AI浪潮带来的全新变量，共同勾勒出当前国产数据库生态一幅充满张力与抉择的图景。
从“政治任务”到“经济账本”，规模化与低成本成焦点
信创初期，替换工作常带有强烈的示范性和攻坚色彩，首要目标是打破对国外商用数据库（尤其是Oracle、DB2等）在关键领域的绝对依赖，实现“自主可控”。 这一时期，项目成功与否的关键指标，往往是“能不能跑起来”、“功能是否覆盖”、“性能是否达标”。 为了达成这些目标，初期成本（包括采购成本、迁移适配成本、定制开发成本）常常被置于相对次要的位置。
然而，随着替换范围从外围系统向核心系统、从试点单位向全行业、全地区铺开，游戏规则开始深刻变化。 “规模化” 意味着不再是个别系统的“盆景式”改造，而是成百上千套系统，涵盖交易、核算、管理、分析等各类场景的整体迁移。 这要求国产数据库必须具备高度的产品化成熟度、标准化的交付流程、强大的生态工具链（迁移、同步、监控、运维）以及可复制的成功经验。 任何微小的适配成本，在乘以巨大的系统基数后，都可能成为难以承受之重。与此同时，“低成本” 诉求日益凸显。 这里的成本是广义的：既包括显性的软件授权与服务费用，更包括隐性的硬件投入成本、运维复杂性带来的长期人力成本、因性能或稳定性问题导致的业务损失风险成本，以及为应对数据库局限性而进行的应用改造成本。 决策者们开始精细地核算“总拥有成本（TCO）”。 他们发现，某些在试点阶段表现亮眼的技术方案，在全面铺开时，可能会因高昂的软硬件耦合成本、特殊的运维技能要求或大规模应用改造，而导致TCO急剧上升，投资回报率（ROI）面临严峻挑战。 信创替换，正从一项侧重于技术突破的“政治任务”，演变为一项需要精打细算、兼顾长期发展的“经济工程”。
架构抉择的再思考：从“技术信仰”到“场景适配”
在信创初期的攻坚阶段，金融等核心领域的首要任务是突破“卡脖子”困境。面对传统商用数据库在高端硬件上的性能壁垒，原生分布式架构凭借其在水平扩展（Scale-out）和金融级高可用上的天然优势，成为解决海量数据与极致容灾要求的首选方案。它成功帮助先行者们开辟了一条不同于Oracle的新路径，验证了国产数据库承载核心业务的能力。
然而，随着改造进入深水区，替换对象从核心系统扩展至成百上千套的一般业务系统，客户的关注点发生了微妙变化。在这些规模庞大的存量系统中，并非所有业务都面临海量并发的压力，但都对迁移成本、兼容性有着极高的敏感度。
此时，市场开始重新审视架构的适配性。一方面，分布式架构虽然解决了扩展性难题，但其天然的网络物理边界客观上对应用延迟提出了更高要求；另一方面，经过技术迭代，国产数据库在单机性能与兼容性上亦有长足进步，对于中小规模的存量业务，保留集中式的使用体验往往意味着更低的代码改造成本。
于是，我们看到一种更理性的趋势浮现：不再唯“分布式”或“集中式”论英雄，而是回归业务本质。 客户开始根据业务的体量、增长预期和对延迟的敏感度，精细化地匹配技术栈。深水区的核心诉求，已从单一的“技术架构先进性”，转向了追求极致的“场景匹配度”与“总体拥有成本（TCO）最优解”。
AI变量：从“替代存量”到“支撑增量”
信创替换的叙事，不仅仅关乎“替代”。 在数字化和智能化浪潮的叠加下，许多用户，特别是走在创新前沿的金融机构和大型企业，开始前瞻性地思考下一代业务形态。 以大模型为代表的人工智能技术，正在催生全新的数据应用范式，这对底层数据库提出了超越“一对一替换”的更高要求。
- 向量数据与多模融合：AI应用，特别是基于大模型的智能应用，广泛使用向量来表示和处理非结构化数据（文本、图像、语音）。 未来的业务系统可能同时需要处理传统的结构化交易数据、半结构化的日志/JSON数据，以及高维的向量数据，并进行高效的联合查询与推理。 数据库是否具备或规划向量存储与检索能力，是否支持灵活的多模数据模型，成为选型的重要考量。
- 实时分析与智能决策：AI驱动的实时风控、个性化推荐、智能投顾等场景，要求数据库不仅能高速处理事务（OLTP），还需具备强大的实时分析（HTAP）能力，减少传统ETL链路带来的延迟。 数据“一站式”处理，成为提升AI应用敏捷性的关键。
- 与AI基础设施的深度集成：数据库需要更好地与AI训练/推理框架、特征平台、模型仓库等协同工作。例如，能否方便地将库内数据导出为训练样本？能否在数据库内部或边缘调用模型进行实时推理？ 这些集成能力将决定未来业务创新的效率。
用户开始意识到，今天的数据库选型，不仅是为了解决过去的问题（替换Oracle），更是为了构建支撑未来5-10年AI原生业务的基础设施。 数据库的“前瞻性”与“可演进性”变得至关重要。
选择困境：在现实泥沼与未来迷雾中航行
上述所有因素——规模化成本压力、分布式/集中式的路径权衡、AI新需求的涌现——共同将数据库信创替换推入一个高度复杂的选择困境。
- 困境一：全场景覆盖的“不可能三角”。 理想中的“万能”数据库并不存在。 集中式数据库在单机极致性能与存量生态兼容性上拥有成熟积淀，但在大规模弹性扩展和跨地域容灾能力上受限于单点物理瓶颈。 分布式数据库突破了扩展性与可用性的边界，但跨节点的物理网络延迟与架构迁移适配成本是其客观存在的特性。当前市场上，没有一种产品能“相对完美”地覆盖从核心高并发交易、到复杂ERP/CRM、再到海量数据实时分析与AI向量处理的所有场景。 每个产品都带有鲜明的“场景适配”烙印，选择意味着取舍。
- 困境二：阶段性务实与前瞻性布局的平衡。 用户需要在“满足当下”和“投资未来”之间走钢丝。 激进地选择为未来AI设计但当下成熟度不足的产品，可能带来现实的业务风险和高昂的试错成本。 保守地选择完全面向现有业务优化的产品，又可能在未来1-2年内面临技术架构的再次升级压力，陷入被动。 如何制定一条兼顾“阶段性”现实需求与“发展性”未来演进的路径，例如通过“核心交易稳字当头（集中式或特定分布式），创新业务适度前瞻（多模、向量支持）”的分层策略，成为决策智慧的关键。
未来的赢家，或许不是那些在单一技术路线上做到极致的产品，而是那些能够清晰定义自身边界、在特定场景组合中提供最佳TCO、并展现出面向AI时代平滑演进能力的数据库厂商。 对于用户而言，成功的替换也不再是完成一个“交钥匙”工程，而是需要基于自身真实的业务场景谱系、技术团队能力和长期战略规划，进行一次审慎的架构治理与技术选型，在现实约束与未来想象之间，找到那条属于自已的、稳健而富有弹性的航行路线。 信创的深水区，既是挑战的聚集地，也正成为中国基础软件产业走向成熟与理性的关键演武场。
2. 新解法，从一源三生到存算分离2.0
近期，平凯数据库（TiDB 企业版）的2026新品发布会上，给我们带来了一些不一样的思考。其令人瞩目的"双轮驱动"：产品形态的多元化布局与底层架构的代际革新，不仅是技术层面升级，更是对数据库产业未来发展的思考。
1）一源三生，面向多元场景的利器
正如上面所讲，用户场景是非常复杂的，难以找到一种通赢的产品来覆盖。传统分布式数据库通过数据分片、多副本等机制实现水平扩展，但其核心矛盾在于：水平扩展性、业务透明性和极致性能三者难以兼得，这就是业内常说的“不可能三角”。TiDB作为一款早期以“云原生分布式数据库”为标签的产品，其经典存算分离架构在扩展性和业务透明性上表现突出——应用无需感知数据分布，即可实现近乎无限的横向扩展。然而，这种通用性设计也埋下了性能盲区：所有事务默认视为全局事务，即使数据位于同一物理节点，仍难免跨网络交互带来的延迟损耗。尤其在面对多元业务场景时，TiDB原有架构的局限性逐渐凸显。对于金融核心交易等对延迟极度敏感的场景，即便微秒级的网络抖动也难以接受；而对于中小型创新业务，分布式架构的部署复杂度与资源成本则显得过于沉重。这种“一刀切”的架构，导致其在单元化低延迟场景、轻量级试错场景中存在天然覆盖盲区。
而此次发布会推出平凯数据库“一源三生”模式，正是对这一盲区的精准回应。其创新不在于否定分布式原理，而是通过同一内核衍生三种部署形态，实现架构的“可聚可散”。聚能模式通过计算存储融合与数据亲和调度，实现延迟降低至1/4、吞吐提升2-3倍的突破性表现，为金融核心交易等场景带来极致体验；敏捷模式以1-3节点的轻量化部署提供企业级高可用保障，并支持一键平滑扩展至分布式架构，完美契合成长型业务需求；而历经十年打磨的标准模式，则继续在水平扩展和业务透明性上保持业界标杆水准。这三种模式基于同一内核构建，且可以平滑迁移，让企业可以根据业务发展阶段灵活选择，真正实现了"一套架构，多种形态"的弹性部署。
2）存算分离2.0，面向未来的架构升级
发布会的另一重点，架构升级的核心亮点无疑是新一代存算分离2.0内核的发布。这一设计不再局限于传统的“存算分离”概念，而是从系统韧性与资源调度的底层逻辑出发，为AI时代高动态、多模态的数据负载提供“专属车道”。传统架构中，在线交易、离线分析、AI向量计算等任务往往资源争抢严重，导致P99延迟剧烈抖动。存算分离2.0通过深度解耦与抽象化，将不同负载在物理层面实现“零干扰”隔离。这意味着，即使在业务高峰期间突然启动大规模AI推理任务，核心交易系统的响应时间仍可保持稳定可预测。这一代内核的突破在于其动态弹性机制。它不仅支持私有化部署中极致的资源利用率，更在云环境中实现秒级扩缩容。值得注意的是，平凯数据库将资源调度粒度细化到任务级别，使系统能够根据负载实时调整计算与存储的绑定关系，而非简单“按配置分配”。
3. 用户角度，如何看待这一变化
随着国产数据库信创进程深入，用户正逐渐形成一种更为理性和务实的认知，并不存在一种能够解决所有问题的、完美的数据库方案。现实中，不同的业务场景、技术基础和未来发展路径，都要求必须做出有针对性的、客观的选择。这本质上是一种告别盲目跟风的思维转变，用户不再仅仅被技术的“先进性”或市场的热度所牵引，而是更加审慎地评估自身的真实状况，从实际的应用需求、团队的技术能力、长期的运维成本以及未来的扩展空间等多个维度进行综合考量。
在数据库选型领域，一个值得关注的趋势是“理性回归”。以TiDB等为代表的厂商的新动向，并非是对分布式架构的否定，而是对技术边界认知的成熟。这种成熟体现在正视物理定律的客观约束与业务需求的多样性——经典分布式架构虽然提供了无限的扩展与容灾能力，但在物理上，跨节点的网络交互必然带来延迟成本。对于那些对延迟极度敏感、或数据规模尚在单机承载范围内的存量系统，强行分布式化往往会带来不必要的复杂性。对于用户而言，这意味着彻底抛弃‘为了分布式而分布式’的技术焦虑，转而以解决具体业务问题为根本出发点，冷静评估收益与成本的平衡。
更进一步看，集中式与分布式这两种架构范式，将不是一种简单的相互替代关系，而会是一种长期共存、互为补充的格局。任何一种架构都有其最为擅长的战场，不存在绝对的优劣。对用户来说，关键的选择依据应当回归到自身业务的发展阶段和具体特点：是强一致性事务优先，还是海量水平扩展优先？是追求极致的性能与低延迟，还是需要处理多样化的混合负载？然而，一个更具前瞻性的视角在于，选择的压力不应完全由用户承担，数据库厂商的能力进化同样至关重要。未来的领先厂商，或许并不局限于只提供单一架构的产品，而是能够基于一个强大、稳定、统一的底层内核，构建出能够覆盖集中式、分布式、云原生等多种形态的产品矩阵。这种能力使得用户可以根据不同业务模块的需求，选择最合适的部署形态，并且在业务演进过程中，能够实现不同形态间数据的平滑流动与架构的平稳过渡，从而极大地降低了未来的技术迁移风险和总体拥有成本。这无疑对厂商的内核设计提出了极高的要求。
与此同时，AI技术的爆发式发展为数据库领域注入了全新的变量，这一领域仍处于快速演变的早期探索阶段。用户在评估数据库的AI能力时，需要警惕一种简单的“插件化”或“外挂式”的集成方式，这往往意味着性能、稳定性和系统集成度方面的妥协。更值得关注的是厂商在底层根技术上的积累和持续创新能力。归根结底，在信创的深水区，用户对国产数据库的选择，正从一项单纯的技术对标任务，演变为一次深刻的自我审视和面向未来的战略布局。它考验的不仅是技术选型的眼光，更是平衡当下现实与未来可能性的智慧。