导语
在AI浪潮席卷一切的今天，数据作为智能的基石，正对底层基础设施提出前所未有的挑战。传统的数据库架构如何应对海量、多模态的数据洪流？云上数据库又该如何兼顾极致性能与弹性成本？本期《老石谈芯》邀请到AMD的Raghu Raja与阿里云数据库专家Jimmy，从硬件与软件的双重视角，深入探讨了AI数据爆炸背景下的技术创新与协同之道。他们分享了AMD EPYC处理器与阿里云PolarDB如何通过“软硬协同”共同破解难题，以及CXL等前沿技术如何为下一代数据库铺路。
AI数据爆炸下，AMD与阿里云如何协同创新数据库
AMD的Raghu Raja与阿里云数据库专家Jimmy探讨了AI时代对数据库的新要求，包括处理多模态数据、向量搜索和智能体并发查询。双方分享了AMD EPYC处理器的chiplet架构如何满足云端高密度计算，以及阿里云PolarDB通过软硬件协同设计（如计算存储分离、CXL内存扩展）实现无服务器弹性。对话还展望了内存近邻计算等未来方向，并强调了紧密的软硬件合作对推动技术创新的重要性。
大纲与深读 8 章
展开「深读」看每一段讨论的问题与论据。
01
嘉宾背景与数据库领域演进
- Raghu在AMD负责EPYC处理器软件生态，团队从10人扩展至400人，支持75家以上ISV和300多个软件栈。
- Jimmy是数据库专家，曾在Sybase、Oracle工作，现负责阿里云PolarDB，团队约200-300人，服务近15000家企业。
- 过去几年数据库领域最令人印象深刻的进步是大数据分析、硬件技术进步（如AMD EPYC处理器）和人工智能的融合。
深读这一段
讨论的问题：过去几年数据库与计算领域最令人印象深刻的进步是什么？
论据 / 案例：Raghu团队支持75家以上ISV和300多个软件栈；PolarDB服务近15000家企业；AMD EPYC处理器在2018年推出，现支持单芯片192核。
02
AI对数据库的新要求与挑战
10:00- AI推动数据库从处理结构化数据转向处理多模态数据（视频、向量等），数据量远超传统结构化数据。
- 需要改造数据库以更开放、减少事务性，并处理大量元数据。
- 将AI嵌入数据库系统，实现自然语言转SQL查询，并支持大量智能体并发查询。
深读这一段
讨论的问题：人工智能对数据库提出了哪些新的技术要求和挑战？
论据 / 案例：需要处理多模态数据（视频、向量）；研究自然语言转SQL；需支持大量智能体并发查询。
03
AMD EPYC处理器与云端协同
13:00- AMD EPYC处理器采用chiplet架构，通过高速总线连接，可从8核扩展到192核，契合云端高密度计算需求。
- 阿里云从第六代实例开始采用AMD EPYC技术，现已推出第九代实例，支持AI应用。
- EPYC处理器的横向扩展与PolarDB的存储计算分离架构互补，共同支持大规模用户。
深读这一段
讨论的问题：AMD EPYC处理器如何通过硬件创新支持云端数据库与AI需求？
论据 / 案例：EPYC采用chiplet架构，支持8核到192核扩展；阿里云从第六代实例开始采用EPYC技术，现已推出第九代实例。
04
PolarDB软硬件协同设计
18:00- PolarDB核心理念是软硬件协同设计，紧跟新硬件发展，如AMD EPYC架构。
- 实现计算与存储分离，以及内存资源分离（CXL技术），支持无服务器弹性架构。
- 在TPC-C基准测试中达到每分钟20.55亿笔交易，可服务约10亿用户。
深读这一段
讨论的问题：PolarDB如何通过软硬件协同设计实现云端数据库的创新？
论据 / 案例：PolarDB实现计算与存储分离、内存资源分离（CXL技术）；TPC-C测试达每分钟20.55亿笔交易，可服务约10亿用户。
05
CXL技术及其对数据库的影响
22:00- CXL是连接设备与CPU的标准，由AMD率先推动，可实现内存带宽扩展和容量扩展。
- CXL允许解耦CPU与内存，用户可根据需求灵活分配资源，提高资源利用率，降低TCO。
- CXL实现远程内存访问，性能比RDMA快十倍，延迟在纳秒级别。
深读这一段
讨论的问题：CXL技术是什么，它如何改变数据库的资源管理和性能？
论据 / 案例：CXL由AMD率先推动，实现内存解耦，允许灵活分配资源；性能比RDMA快十倍，延迟在纳秒级别。
06
CXL生态系统建设与挑战
28:00- CXL生态系统发展缓慢，主要因为缺乏硬件支持，芯片研发难度大。
- AMD与初创公司合作开发了首个CXL交换机，并计划构建CXL服务器集群。
- CXL技术从机架内使用CXL，跨机架仍使用RDMA，是渐进演进过程。
深读这一段
讨论的问题：推动CXL技术更广泛应用面临哪些挑战，如何解决？
论据 / 案例：CXL生态系统因缺乏硬件发展缓慢；AMD与初创公司合作开发首个CXL交换机；计划构建CXL服务器集群。
07
未来技术探索与合作方向
31:00- 正在探索内存近邻计算，将向量计算下推到内存或存储。
- AMD硬件将聚焦AI硬件加速，支持更大的语言模型和新兴AI应用。
- 团队通过清晰愿景和高效协作，共享长期路线图，减少意外。
深读这一段
讨论的问题：未来三到五年，数据库与硬件领域有哪些新兴技术和应用值得关注？
论据 / 案例：探索内存近邻计算；AMD将聚焦AI硬件加速支持大语言模型；团队通过清晰愿景和高效协作推进。
08
给年轻工程师的建议
34:00- 新一代人拥有数据资源、在线培训机会和AI带来的广阔可能性。
- 建议花时间探索所有可能性，找到热爱的事并坚持发展为事业。
- 努力工作，在细分领域做到擅长会获得回报；AI将改变一切，机会远多于过去。
深读这一段
讨论的问题：对于刚进入职业生涯的年轻工程师，你们有什么建议？
论据 / 案例：新一代拥有数据资源、在线培训机会；建议探索并专注热爱的事业；AI带来远多于过去的机会。
金句
- "The data revolution started around 2010. One reason was the proliferation of connected devices." —— 数据革命始于2010年左右。原因之一是联网设备的激增。
- "AI is more important. Data is more important even with AI. Where data is stored, how to train language models, these are all important." —— AI更重要。即使有AI，数据也更重要。数据存储在哪里，如何训练语言模型，这些都很重要。
- "CXL achieves co-design with the CPU. We work closely with AMD to optimize the implementation." —— CXL实现了与CPU的协同设计。我们与AMD密切合作进行优化。
- "The opportunities for the new generation today are far greater than 20 or 30 years ago. The key is to seize the opportunities in front of you." —— 新一代人今天的机会远多于二三十年前。关键是要利用眼前的机会。
原文链接
↗完整内容见原文：老石谈芯 · AI数据爆炸下，AMD与阿里云如何协同创新数据库
