在定义企业人工智能的竞赛中，大多数行业参与者都在向上游发展——追求更智能的模型、更大的基准测试和更强大的生成式AI系统。

在某些方面，Oracle公司的视角有所不同。

在最新的OracleAI World Tour London 2026展示活动中，该公司在智能体AI市场做出了经过深思熟虑的举措。Oracle没有在模型竞争中正面交锋，而是将数据库定位为企业级智能体AI的重心，有效地论证了AI的未来不会仅由智能体决定，而是由它们与数据交互的位置和方式来决定。

对于Oracle来说，这是一个熟悉的姿态，这家公司历来通过控制记录系统来获胜。但在AI背景下，其影响更为深远。数据库长期被视为后端管道，现在正被重新定位为更接近企业智能操作系统的角色。

这种转变始于一个直率的观点：企业AI的瓶颈不在模型。

尽管Oracle支持开放模型、新兴的智能体MCP和A2A框架，以及向量搜索和Apache Iceberg等现代数据格式，但其核心论点更加明确：智能体AI最安全和可扩展的方法是在数据库内部运行。

尽管大语言模型取得了快速进展，但许多公司仍停留在试点阶段。早期实验显示了前景，但将这些系统扩展到生产环境证明要困难得多。问题不在于生成输出，而在于将这些输出建立在真实、受治理、不断变化的企业数据基础上。

大多数企业数据环境在设计上就是分散的。信息分布在事务系统、分析平台和数据湖中，经常重复且治理不一致。在顶层添加AI智能体——这些系统不仅设计用于响应，还要采取行动——这些不一致性很快就会成为负担。

消除缝隙

Oracle的解决方案是消除缝隙。

该公司最新的推进将智能体AI能力直接嵌入数据库，压缩了日益复杂和昂贵的技术栈。在典型的现代架构中，向量数据库、编排框架和应用逻辑与传统系统并存，都需要同步。Oracle押注这种模块化方法虽然灵活，但对于生产级、企业级AI来说最终过于脆弱、成本过高且暴露面过大。

相反，它正在推广融合数据引擎——一种架构，其中事务数据、嵌入、图关系、空间数据和安全控制共存并实时运行。

这一愿景的核心是统一内存层。与其在专业系统之间移动数据，其理念是允许AI智能体直接对原生形式的实时企业数据进行操作。如果成功，这将减少延迟并消除维护同一信息多个副本时产生的不一致性。

该公司还引入了内部化智能体开发模式——将AI智能体的创建和执行引入企业边界内。目前，大部分此类创新都发生在外部生态系统中，其中灵活性以控制为代价。

Oracle的方法更具限制性，但也更受治理，将智能体定位为受管理的工作负载而不是实验性工具。企业不是在寻找实验，而是在寻找生产。

安全性长期以来一直是Oracle的卖点，现在正扩展到这一新范式。在传统系统中，访问控制通常在应用层执行。Oracle正在将这些控制推下到数据库本身，在行、列和单元格级别应用策略，并将其与用户和智能体身份关联。在查询动态生成的世界中，智能体AI护栏是一个可能证明对企业工作负载具有重要差异化作用的转变。

减少AI数据碎片化

综合来看，这些举措反映了更广泛的策略：减少AI数据碎片化。

当前的AI格局以专业化为特征。不断增长的供应商生态系统为技术栈的每一层提供解决方案。这加速了创新，但也引入了复杂性——以及操作风险。

随着组织超越实验阶段，将这些组件拼接在一起本身就成为了挑战。在单一用途系统之间移动数据会增加延迟和成本。让智能体多次停留以检索答案会加剧问题，而跨分散系统管理上下文会成为不必要的开销。

Oracle押注对于大型企业来说，在智能体AI方面，简单性将胜过模块化。

同时，融合数据架构必须与快速发展的专业工具生态系统竞争，每个工具都在快速演进。推动了AI大部分动力的开发人员可能会抵制更具主观性的平台。而且许多企业已经与超大规模云提供商深度整合，这引发了关于Oracle方法如何与现有投资相配合的问题。

Oracle的反击是务实的。其智能体AI能力设计为在主要云环境中运行，包括Amazon Web Services、Microsoft Azure和Google Cloud，允许企业在其数据已经存在的地方激活AI。目标是最大限度地减少移动，减少碎片化，并与现有数据重心保持一致，而不是破坏它。

Oracle正在围绕客户数据构建AI。通过将AI带到数据已经存在的地方，组织——特别是更保守的组织——可以在他们已经信任的环境中激活AI，将AI转变为现有系统的扩展，而不是实验性覆盖。

可组合性与融合性

实际上，该行业正在沿着哲学路线分裂。一个阵营偏爱可组合性，松散耦合的系统可以混合和匹配。另一个阵营，越来越多地由Oracle代表，正在倡导融合——紧密集成的平台，旨在减少操作摩擦。

两种方法都有优点。结果可能不太取决于意识形态而更多地取决于执行。

明确的是，AI对话的中心正在转移。

随着企业从原型转向生产，挑战变得不再是生成内容，而更多的是管理数据——确保大规模的准确性、一致性和安全性。在这种环境中，基础设施层重新获得重要性。

Oracle的策略是将数据库从基础设施提升为智能体AI的控制平面。

如果AI智能体要嵌入到核心业务流程中，为它们提供数据并治理其行动的系统将与它们展现的智能同样重要。

Oracle押注企业AI的未来不会在技术栈的边缘决定，而是在数据基础本身决定。

Oracle World Tour独家视频

TheCUBE采访了Oracle AI数据库组关键任务和AI引擎高级副总裁Tirthankar Lahiri：

Q&A

Q1：Oracle在智能体AI市场的策略是什么？

A：Oracle将数据库定位为企业级智能体AI的重心，通过将智能体AI能力直接嵌入数据库来消除系统间的缝隙。与竞争模型不同，Oracle认为最安全和可扩展的智能体AI方法应该在数据库内部运行，将数据库从基础设施提升为智能体AI的控制平面。

Q2：Oracle的融合数据引擎有什么优势？

A：融合数据引擎允许事务数据、嵌入、图关系、空间数据和安全控制在一个架构中共存并实时运行。通过统一内存层，AI智能体可以直接对原生形式的实时企业数据进行操作，减少延迟并消除维护多个数据副本时产生的不一致性。

Q3：Oracle如何解决企业AI的安全性问题？

A：Oracle将访问控制推下到数据库本身，在行、列和单元格级别应用安全策略，并将其与用户和智能体身份关联。在查询动态生成的环境中，这种智能体AI护栏机制为企业工作负载提供了重要的安全差异化优势。