金仓发布AI数据库KingbaseES，库内四层架构实现数据不出库的AI调用

2026年10月30日，金仓数据库正式发布面向AI时代的增强型产品KingbaseES，标志着国产数据库在融合大模型能力方面迈出关键一步。此次发布并非简单叠加AI功能，而是重构了数据库内核架构，提出“库内四层”设计：语义层、库内计算推理层、向量检索层与原生安全管控层，目标直指企业AI落地的核心瓶颈——数据出库导致的语义断层、流程冗余与权限失效。

传统企业构建AI应用时，普遍采用“库外链路”模式：从生产库导出原始数据，经清洗加工后调用嵌入模型生成向量，再写入独立向量库；应用检索时先查向量库，命中后再回业务库取原文。这一链条包含至少六个独立环节，每一步都需单独配置权限、运维与审计策略。更关键的是，一旦数据离开原库，角色权限、行级访问控制与数据标签等原生安全机制即告失效，数据更新滞后也导致向量库与业务库间存在时间差，直接影响RAG或智能问答结果的准确性。

金仓的解决方案是将整个AI供数流程收归数据库内核。其核心口号“数据不出库，AI也能用”并非营销话术，而是技术路径的凝练表达。具体而言，数据全程保留在KingbaseES进程中，导出与搬运环节被彻底消除，原有权限体系可无缝延伸至向量、图结构等派生数据对象。

语义层是该架构的基石。AI模型能读取表结构，却无法理解“活跃用户”如何定义、“供应商欠款”字段归属哪张表、行业术语“黑话”指向何意。这些业务解释通常散落在界面文案、代码注释或交接文档中，极易随人员更替而丢失。KingbaseES在库内统一管理六类语义对象：实体（如客户、订单）、属性（字段业务含义）、关系（表间关联路径）、口径（指标计算逻辑）、规则（行业约束）与标签（分类分级）。例如，“活跃用户”被明确定义为“近30天登录≥3次且完成至少1笔交易”，所有智能体与应用均引用同一套语义，确保同问同答、结果一致。

语义构建采用人机协同四步流程：工具自动抽取元数据→AI推荐字段含义与指标口径→业务人员审核修正→版本化生效与追溯。该流程已在开发者大会案例中验证：当用户提问“活跃用户有多少”，无语义层时模型需猜测字段组合，结果不可靠；有语义层后，问题先映射至预定义指标，再按口径与关系路径自动生成SQL，输出稳定可信。

库内计算推理层则将ONNX Runtime深度集成至数据库内核，支持嵌入模型与重排模型通过标准SQL函数调用。文本输入数据库后，直接在库内完成向量化并输出向量列，省去导出、批处理、回写三步操作。这不仅缩短链路，更保障了数据一致性与时效性。

向量检索层采用DiskANN算法，将大规模索引主体存储于磁盘，仅热数据驻留内存，显著降低资源消耗。发布会公布的实测条件为：1亿条768维向量、98%召回率要求下，峰值内存开销较业界主流方案降低95.4%，查询延迟下降80%。这意味着在同等硬件条件下，系统可支撑更大规模向量检索，同时兼顾生产负载与AI推理需求。

安全管控层沿用KingbaseES成熟的权限体系，包括角色权限、行级访问控制（RLS）、数据标签与操作审计。在AI调用场景下，该机制尤为重要：当用户向企业AI助手发出“列出所有高管工资”指令时，若底层数据库连接权限过高，该查询可能被执行；而库内模式下，AI生成的SQL会继承调用者原始权限上下文，越权请求被天然拦截。

王珊教授在发布会开场致辞中指出，AI时代的数据库需兼具“数据可靠性”与“业务语义支撑力”，二者缺一不可。她与杜胜、李宁等人共同启动金仓全球化战略，表明该产品不仅面向国内政企市场，亦志在参与全球数据库竞争。

下午的开发者大会设三大专场：内核能力与智能运维、迁移与开发、DATA+AI。湘财证券、海能达、太保科技、神州数码、云和恩墨等用户与伙伴分享了实际落地经验，印证了库内AI架构在金融、通信、保险等强监管行业的适用性。

从行业演进看，数据库与AI的融合正从“连接式”走向“内生式”。早期方案依赖外部向量库（如Milvus、Weaviate）与ETL工具链，本质仍是拼装；而金仓此次发布的KingbaseES代表了一种新范式：数据库作为数据中枢，主动承载语义理解、推理执行与安全治理能力，使AI真正成为数据库的“原生能力”而非附加模块。

值得注意的是，该方案对数据库内核提出了更高要求：需平衡事务处理、语义管理、模型推理与向量检索的资源争用。金仓选择DiskANN而非纯内存索引，正是出于对生产环境部署可行性的务实考量——牺牲少量延迟换取大幅内存节省，更契合企业级系统的资源约束。

目前，国内主流数据库厂商尚未全面推出类似“库内AI”架构产品。达梦、人大金仓、OceanBase等虽已布局向量检索或AI辅助SQL生成，但将语义建模、推理引擎、向量索引与权限体系四者深度耦合于单一内核者，KingbaseES尚属首例。

对于企业用户而言，该产品降低了AI应用的实施门槛与运维复杂度。无需新建向量库集群、无需重复配置安全策略、无需人工维护语义一致性，即可获得端到端可信的AI服务。尤其在金融、政务、能源等对数据主权与合规性要求严苛的领域，其价值更为凸显。

金仓此次发布并非孤立事件，而是国产基础软件在AI时代寻求“自主可控+智能升级”双路径突破的缩影。随着大模型从“能力展示”转向“业务嵌入”，数据库作为数据底座的角色将进一步强化——它不再只是存储容器，而将成为智能决策的“语义中枢”与“执行引擎”。

后续，金仓计划开放语义建模工具链与ONNX模型适配接口，推动生态共建。开发者大会透露，首批合作伙伴已启动联合测试，预计2027年初将有行业定制版上线。