AI 正在批量生产应用，但数据往哪放成了新问题。蚂蚁集团的灵光平台，一个让用户一句话就能“手搓”出记账本、报名页、打卡工具的产品，上线几个月就攒了超过 3000 万个“闪应用”。每个应用都需要独立的数据能力——比如记账本要能精确按月汇总支出，这事儿大模型干不了，写诗总结它在行，但要保证每一分钱都对得上，还差得远。平台也不可能为每个应用单独写后端逻辑，于是存储方案成了卡脖子的事。
灵光团队试过两条路：一条是把所有用户数据打包成一个 JSON 塞进一张大表，省了表结构，但数据库的求和、排序能力全废了，想查个汇总得先把数据全捞出来用业务代码算，效率极低，权限也难控制；另一条是给每个闪应用单独建物理表，每次创建都要操作数据库控制面，压力巨大，而且大多数应用数据量极小，但表数量庞大，存储本身也扛不住。两条路都走不通。
蚂蚁集团平台技术事业群总架构师黄挺打了个比方：“这就像一栋楼里住了 3000 万人，不能要求每个人单独盖一栋房子，地不够用；但也不能让所有人都睡一个大通铺，没法过日子。”
逻辑表：每人一个房间，共享一栋楼
OceanBase 给出的方案是面向海量 AI 应用的“逻辑表”。每个闪应用在操作层面仍然拥有独立的表结构，可以建表、插入数据、执行 SQL 查询，体验和独立数据库完全一样。但底层，这 3000 万个逻辑表共享同一套物理存储，数据库不再为每个应用单独创建物理表。具体实现上，灵光在应用后端接入了 OceanBase 的 JSON Table SDK，用户创建“交易表”时，SDK 自动将其转化为对共享物理存储的操作，行数据以 JSON 格式存入共享表；用户查询“本月总支出”时，提交标准 SQL，OceanBase 的 SQL 引擎根据每个应用独立的 Schema 定义，将 JSON 数据映射为关系表，完成日期过滤和金额聚合，返回精确结果。
对用户和应用来说，一切和独立数据库没区别——可以定义表结构、写标准 SQL、做精确计算。对平台来说，物理表数量不再随应用数量线性增长，存储成本大幅下降，多租户权限隔离也天然得到保障。如果某个应用数据量暴增，还可以一键迁移到独立物理表上获得更高性能。
OceanBase 产品部总经理韩富晟把方案比作一栋写字楼：“每家公司都有自己独立的办公室，按自己的风格装修、存放文件，但整栋楼共享水电和物业。每个公司的独立性和隐私都有保障，整栋楼的建造成本也远低于让每家公司自己盖一栋楼。”
AI 竞争走向数据，数据库重新定义
灵光的实践印证了一个更大的行业趋势。过去三年，大模型智力在快速提升，但企业真正把 AI 用起来，卡点往往不在模型本身，而在于数据——AI 能不能触达准确、完整的企业数据，决定了它到底是“玩具”还是“工具”。这正是 OceanBase 从“分布式数据库”走向“AI 数据平台”的战略方向。今年 6 月，OceanBase 发布了新一代湖库一体的 AI 数据库，将结构化数据、非结构化数据和向量数据统一到同一套引擎中管理，让 AI Agent 能够一次获取完整的业务上下文。目前这一能力已在蚂蚁阿福、灵光等核心场景完成验证，并在数十家企业客户中测试，计划进一步推进商业化。
从支撑蚂蚁集团核心交易系统，到服务交通银行、中国移动等数千家企业，蝉联中国分布式数据库本地部署市场份额第一，OceanBase 用十六年时间证明了其在金融级核心场景中的可靠性。彭博此前报道将 OceanBase 与 Databricks 对标，业内也把它视为“中国的 Databricks”。Databricks 从数据分析和 AI 能力向数据库延伸，OceanBase 则从分布式数据库和金融核心系统出发，向企业全量数据管理、Agent 的数据底座和数据服务拓展，灵光正是 Agent 数据底座的关键验证。
韩富晟介绍道：“OceanBase 会持续探索，搭建面向 Agent 的数据底座，为下一代 AI 应用构建真正可依赖的数据基础设施。”当 3000 万个 AI 闪应用共享一套数据库平稳运行，这不仅仅是技术方案的验证，更是 AI 时代数据平台新范式的一次落地。