作者王聪彬FDEForward Deployed Engineer火了。过去几个月从海外AI公司到国内大厂越来越多团队开始把工程师直接派到客户现场。FDE一下成了企业AI落地的热门岗位甚至一些传统交付团队也开始给自己贴上FDE的标签。FDE的走红背后是企业AI一个更深层的问题。模型还在变强但企业AI的难题已经不只在模型。数据、Agent、云和基础设施开始被装进同一套系统任何一块没接好都可能卡住最后的落地。企业AI落地又上升了一个level开始关注整个技术栈能力。当然技术最终都要落到结果上因为现在CEO真正关心的是“成效 (Outcome)”也就是能不能带来收入、成本或者效率上的变化以及第一个场景跑通之后第二个、第三个场景能不能快速复制。“成效就是客户感受到了什么。”甲骨文公司副总裁及中国区董事总经理吴承杨说如今的AI不再是一个故事、不是一个PPT、也不是一个解决方案AI是一种能力。甲骨文公司副总裁及中国区董事总经理吴承杨围绕成效论甲骨文对企业AI的三个判断是。第一AI一定是企业级的企业怎么用AI甚至将自身的AI能力输出给客户第二AI是云原生的尤其对于出海企业云原生可以支持用户的数据在不同的地方有不同的模型、不同的云架构第三AI的底层是数据企业过去建设ERP、CRM、MES让每套系统分别解决一个问题AI时代分散在不同系统中的数据必须被连接起来并形成机器能够理解的业务语义。所以企业AI落地正在变成一场“全栈考试”。在甲骨文的技术版图里这个全栈从云基础设施一直延伸到数据库、数据平台、模型服务、智能体和企业应用。甲骨文认为核心目标是要让用户感受到实际产生的成效。甲骨文在中国根据本地客户需求还提出了一套AI落地方法AIBSAI Business Success就是要有明确业务成效。AIBS想建立一个飞轮首先甲骨文帮助企业完成从0到1之后客户或合作伙伴可以再基于AIBS实现从1到N的复制。所以全栈回答的是企业AI靠什么运行AIBS回答的是这套能力如何真正进入业务当然还有FDE来连接二者。AIBS把AI落地变成一套方法“现在客户已经不满足于一个试点了。”甲骨文公司高级总监及中国区技术工程部总经理嵇小峰说道。企业AI正在出现三个明显变化业务效果必须能够衡量AI需要进入核心业务流程同时还要满足安全、可控和治理要求。甲骨文公司高级总监及中国区技术工程部总经理嵇小峰AIBS方法论首先想解决的就是启动问题。先找到一个值得做、能够做成的场景用它验证业务价值再把验证过程中形成的能力沉淀下来最后复制更多场景。这个场景至少要满足四个条件业务效果可衡量做完后能够复用所需数据能够获得并且可以在可控周期内完成。从架构上看AIBS最底层是Oracle AI Database 26ai其上依次包括参考架构、AI平台、数据治理、业务语义层、数据分类与安全控制以及智能体编排工具再加上场景选择和项目交付机制。去年企业讨论AI数据库时关键词还是向量检索和融合检索。到了智能体阶段问题已经明显变多Agent如何编排长期和短期记忆放在哪里不同智能体之间如何协作以及它们如何安全地访问企业数据。甲骨文也把能力向这些环节继续延伸。比如Agent Memory Core负责保存智能体的长期和短期记忆。Private Agent Factory则是一套无代码开发平台企业不需要从底层重新搭建就可以逐步创建和编排Agent。通过Select AI Agent企业可以直接围绕Oracle数据库中的数据构建智能体。同时Oracle数据库支持MCP可以通过标准化方式与外部Agent和工具交互。AI应用的越深安全也随之更加重要。甲骨文将安全能力划分为三部分第一源头安全。从数据源头控制访问其中一个技术是Deep Data Security。它将前端应用用户与数据库中的安全控制紧密结合起来让数据库能够识别最终是谁在访问数据。第二个技术是数据库内部防火墙可以根据SQL的模式和预设规则判断一次访问是否应该被放行即使外围防线被绕过数据库仍然保留最后一道判断权。第二极速安全。模型发现漏洞的速度越来越快数据库推出补丁的速度也需要更快。甲骨文过去主要按季度发布滚动补丁现在已经将数据库安全补丁的发布频率提升到每月一次同时建议仍在使用老版本数据库的客户尽快升级到19c或26ai等长期支持版本。第三韧性安全。如果威胁已经发生比如企业遭遇勒索病毒或数据破坏。甲骨文提供了零数据丢失等相关方案目标是在攻击发生后尽快恢复数据和系统运行。AI时代成为一个“多云Hub”数据库解决了AI如何读懂企业数据那这些模型、Agent和数据到底跑在哪现在看来很难是一朵云。尤其对于出海企业同一套业务很可能横跨不同地区、不同云和不同模型。应用可能在亚马逊云科技数据库放在甲骨文部分AI能力来自Google或OpenAI同时还要使用来自中国的开源模型。甲骨文很早就启动了多云战略2019年6月OCI开通了跟Microsoft Azure之间的连接2024年6月开通了跟GCP之间的连接今年8月跟AWS的多云连接正式可用。到现在OCI希望扮演的角色已经不只是一朵云而是不同云之间的连接中心。甲骨文公司高级总监及中国区云工程部总经理窦杰将其概括为“多云Hub”。甲骨文公司高级总监及中国区云工程部总经理窦杰几朵公有云除了同质化的能力外每家都有自己独特的服务和应用通过OCI Interconnect企业可以把OCI与亚马逊云科技、GCP、Microsoft Azure连接起来并由Oracle提供统一的服务接口。多云Hub的价值在于三点第一是把原本复杂的多云互联变成一项标准化服务。过去企业要打通不同云通常需要同时协调云厂商、认证合作伙伴和电信运营商涉及多套合同和多方沟通。一旦出现故障排查和协调也更加复杂。OCI Interconnect把这些环节整合成一项服务企业可以直接在OCI上开通无需再单独寻找第三方完成连接。第二是提供端到端的服务保障。企业开通OCI Interconnect之后如果出现故障或服务事件可以通过统一接口进行处理不需要再分别与不同服务商沟通。第三是降低跨云数据流动的成本。目前除了与Microsoft Azure的互联仍存在部分单向出项流量费用外OCI Interconnect本身不收取进出流量费。对于亚马逊云科技和GCP甲骨文还通过双方合作免收出项流量费。甲骨文的AI技术栈最底层是算力。甲骨文可以提供万卡级集群、经过优化的RDMA网络和Bare Metal GPU、GB300。第二层是OCI Enterprise AI治理层主要满足企业在AI安全、主权和治理上的需求。第三层是GenAI服务。一部分是On-Demand Token服务企业可以直接调用OpenAI、Google、xAI、Meta、Cohere等厂商的模型。另一部分中国企业出海可能既要使用国际主流模型也希望继续使用千问、智谱等中国模型。甲骨文提供Dedicated AI Cluster服务企业可以将中国开源模型部署到甲骨文的专属AI集群中。第四层和第五层是Agent平台和企业应用。还有一个突出的变化是AI基础设施不能只盯着GPU。去年Oracle AI World发布了网络加速架构Oracle Acceleron今年这项技术已经进一步落到Ax机型上。Ax提供基于AMD、英特尔和Arm等不同CPU架构的实例并通过100Gbps、200Gbps融合网卡将低延迟网络和任务卸载等能力引入新的计算节点面向HPC和AI推理等负载。企业现在还会使用大量垂类模型参数只有几B这类模型在部分场景下完全可以由CPU承担推理任务。窦杰表示基于Ax机型的CPU推理在部分负载上的TPM、TPS表现可以接近A10级GPU。写在最后能力与成效是吴承杨反复强调的两个词。这与中国企业最常问的两个问题有关“有什么成功案例”“能够带来什么效果”甲骨文对企业AI的判断是要进入生产环境要产生可衡量的业务成效如果还能从一个场景复制到更多场景才真正形成企业自己的AI能力。AIBS也正是在这样的市场需求下“卷”出来的。其底层产品和技术体系与全球保持一致在中国市场甲骨文选择把业务成效进一步变成一套明确的落地方法。当企业越来越不愿意为概念买单能否更快证明AI的业务价值正在成为企业判断AI价值更直接的尺度。