近日，甲骨文公司 FY26 中國媒體溝通會在北京召開。不久前，甲骨文披露了FY25財報數據：預計整體云業務增長率（包括云應用和云基礎設施）將從2025財年的24%提升至2026 財年的40% 以上。

此外，OCI 的增長率也將從2025財年的 50% 提升至 2026 財年的 70% 以上。值得一提的是，甲骨文全年營收達到了574 億美元。

在全球科技行業競爭加劇的背景下，大部分廠商都在收縮。但Oracle正處于不斷攀登新高的態勢。

這不禁讓人心生疑問：這背后的邏輯是什么？

AI+融合數據庫，加速企業數智化轉型

“Oracle做對了幾件事才有了這樣的好業績，”甲骨文公司副總裁及中國區董事總經理吳承楊首先坦言，第一，數據。Oracle在數據方面深耕了四十多年，有著非常獨到的見解與解決方案。第二，Oracle云轉型非常堅決。目前幾乎所有產品都在向云遷移，這給Oracle創造了非常好的發展條件。

而轉眼到了大模型掀起的新一輪的AI革命的浪潮中，AI對于任何廠商都是新鮮事物，為何Oracle仍能立于不敗之地？

其實，關鍵在于其不斷在“數據”方面做文章，并且很早提出了“融合數據庫”的概念。

甲骨文公司副總裁及中國區董事總經理吳承楊

AI對每個人、每個公司都是很好的機會，但吳承楊認為，對于Oracle是一個更好的機會。AI 對于Oracle來說，其實是 chemistry match。核心在于AI讓數據優勢得以展現。

如今“數據”的概念遠比過去廣泛，文字、空間、向量數據、文本、人際關系乃至非結構化和半結構化數據都屬于數據范疇。“數據庫” 的概念也與以往大相徑庭，現在數據的多模融合至關重要。多模融合主要涉及數據類型與整體架構，比如圖數據、數據流、數據倉庫與數據湖架構，以及多種應用層級，而AI的發展讓這些融合變得極為關鍵。

簡言之，AI的發展需要數據，數據能讓AI發揮出更大的價值。從甲骨文的財報數據來看，融合數據庫顯然已經成為其在AI時代的業績增長引擎。

吳承楊認為，融合數據庫在AI時代非常重要。簡單來說，AI不僅能幫寫文章，更重要的是通過推理來解決問題。在這個過程中，不僅需要某一種數據，還需要網頁端數據、ERP結構化數據、文本文件，甚至還需要分析用戶間的關系親疏。

顯然，如果只有某類數據的話，比如只有結構化數據，你只能看到訂單情況，無法了解其他維度。但當你擁有多源數據后，包括地理位置這些信息都會輕松查看，分析效果也完全不同。

而傳統模式下是怎樣的？

企業往往會用多個數據庫（如 MySQL、MongoDB、Neo4J 等）分別存儲不同類型數據，但帶來的問題是：整合復雜、安全管理難等。

就像很多企業做AI 項目時，會把現有數據平臺的應用抽取到外部另起爐灶。吳承楊坦言，這其實是一個誤區。AI不應作為獨立項目存在，而應融入整個系統架構。但是難以融入的原因在于，架構太復雜，如果企業連十個數據庫的整合、數據中臺搭建、安全管理都無法搞定，自然無法將AI集成進來，這也是許多 AI 項目投入巨大卻收效甚微甚至爛尾的原因。

吳承楊還用一個生動的比喻說明問題：“若將食材分放十個冰箱，烹飪時需反復取料；而 Oracle 融合數據庫就像千升大容量冰箱，所有數據（結構化、非結構化、向量、圖數據等）一站式整合，直接取用即可。” 數據多模融合的優勢在智能體時代尤為顯著：傳統多數據庫可能需 20 步完成的編排任務，Oracle 可精簡至 4 步。

處在AI大變革時代，甲骨文持續數據庫領域深耕，所以緣何甲骨文能在競爭加劇的情況下，保持逆勢增長的態勢也就不言而喻了。

AI落地實踐，從技術概念到價值轉化

與大部分數據庫廠商不同的是，甲骨文在數據庫方面更注重“簡單、安全、可靠，”主要體現在三方面：

架構融合：Oracle 數據庫支持任意數據類型（JSON、向量、圖數據等）和工作負載，底層內置無表大小限制的擴展性，無需企業在應用層或數據中臺解決整合問題。

AI 原生支持：內置 RAG（檢索增強生成）功能，可直接對接大模型，通過數據庫中準確的結構化數據抑制 AI 幻覺，將企業級 AI 應用準確率提升至 90% 以上。

安全可控：通過 VPD（虛擬專用數據庫）、RAS（實時應用安全）等技術，在數據層解決權限管理、惡意注入等問題，尤其適配 AI 時代機器生成代碼的安全需求。

相比之下，部分國產數據庫傾向于在應用層解決問題，導致架構復雜，難以融入 AI 系統。而甲骨文的邏輯是：“讓數據應用更簡單”—— 企業無需糾結于分庫分表，只需專注于業務分析與應用創新。

更重要的是，在大部分企業不能將AI實現落地的情況下，甲骨文的 “融合數據庫 + AI” 戰略并非空談，而是通過一系列標桿案例實現了業務價值落地。

在技術生態合作方面，甲骨文為 xAI 的 Grok 模型提供 OCI 支撐，與 NVIDIA 攜手加速企業 AI 創新，與 AMD 合作突破大規模 AI 工作負載性能瓶頸，還與軟銀、OpenAI 在 Stargate 項目中推進數據中心建設。這些合作印證了甲骨文云基礎設施在 AI 時代的行業認可度。

在垂直領域，兩大案例尤為典型：

醫療健康領域（Biofy）：抗生素耐藥性問題倒逼精準診斷提速，Biofy 將龐大細菌庫 DNA 序列向量化存儲于 Oracle 數據庫，醫院采集樣本后可通過向量相似性檢索快速匹配細菌類型，將診斷時間從3—5天縮短至4小時，大幅提升了救治效率。

影視制作領域（DeweyVision）：好萊塢視頻后處理需在海量幀數據中檢索相似片段，傳統多數據庫架構導致流程冗長。借助Oracle Database 23ai 的向量技術，其將幀信息向量化后直接存儲、檢索，簡化了開發與維護流程，提升了后期制作效率。

此外，甲骨文通過 GoldenGate 技術實現跨數據庫數據集成，支持 LangChain 開發框架與自然語言交互，讓企業可快速基于融合數據庫搭建 AI 應用 —— 從數據集成、向量化處理到智能分析，全流程無需 “另起爐灶”。

吳承楊表示，沒有融合數據庫也能做智能體，只是融合數據庫讓智能體做起來更簡單。

AI時代要求整個編程，包括對數據的使用等方面都要簡單化。如果你做的事情很復雜，理論上是可行的，但實際真正的要落地會復雜的多。

“Oracle 想做的是讓 AI 簡單化，讓 AI 在智能體時代落地簡單化，”吳承楊如是說。

深耕中國市場，助力企業全球化

談到未來，吳承楊笑著說，“我們是做‘裝修材料’的，會持續在數據庫方面深耕。”

同時，他也闡明了未來將聚焦兩大核心方向：一是專注于Commercial市場，制造業是重要的部分，但不限于制造業。

從目前來看，中國高端制造業正在面臨通過科技提升良率、優化流程的需求。甲骨文將融合數據庫與 AI 深度融入生產場景：通過整合 ERP、IoT 設備數據（JSON 格式）、原材料信息等，借助 AI 分析數據間的異常關聯，幫助企業定位生產問題。例如，目前一些制造業客戶已經通過 Oracle 平臺發現了專家經驗之外的良率影響因素，驗證了數據驅動的價值。

在穩住中國市場的同時，甲骨文也更重視出海（China to Global（C2G））。吳承楊表示，現在出海發展的非常快。據了解，甲骨文的一部分客戶迫切希望把生產線遷至海外，甚至將整個產業鏈都遷往海外。還有很大一部分客戶，其海外市場已經超過本土市場。另外還有部分客戶幾乎完全遷至了海外。由此可見，海外蘊藏著很大的發展機會。

當然，在海外市場，甲骨文也有著很強的競爭力，憑借其全球化服務的經驗，其可以幫助企業解決海外數據合規（如滿足當地法律要求）、跨區域數據管理等問題。無論是生產線遷移、海外市場拓展，還是純海外業務，甲骨文均可提供本地化部署與云服務的統一架構，確保數據安全與業務連續性。

面對國內數據庫廠商的競爭，吳承楊強調：“融合數據庫不是概念，而是經過十年驗證的成熟產品。” 甲骨文每年將 10%-15% 的營收投入研發，其數據庫的向下兼容性、多模數據處理能力、企業級安全機制，構成了難以替代的技術壁壘。

寫在最后

從財報數據的高增長，到融合數據庫的技術突破，再到行業案例的落地驗證，甲骨文 FY26 戰略清晰展現了一條路徑：以數據融合為底座，以 AI 為引擎，幫助企業跳出 “AI 項目獨立化、數據架構復雜化” 的誤區，實現技術與業務的深度融合。

在智能體時代，這或許正是企業穿越周期、重塑競爭力的核心邏輯。