Oracle Database 23ai 新特性系列 —— 第一期：AI 时代的融合数据库变革

引言

如果说数据库行业在过去十年经历了从“云优先”到“数据驱动”的演进，那么 2024 年 5 月 2 日，Oracle 宣布了一个足以标记行业分水岭的时刻——Oracle Database 23c 正式更名为 Oracle Database 23ai，作为全新的长期支持版本全面发布。版本号的更迭背后，承载的是超过 300 项新特性，其中近一半与人工智能直接相关。这不仅是 Oracle 历史上最大规模的 AI 化升级，更标志着这家年近 50 岁的数据库巨头正以彻底重塑的姿态，将数据库从“存储容器”转变为“能够自主思考和执行的智能平台”。

Oracle 执行副总裁 Juan Loaiza 直言：“Oracle Database 23ai 对全球企业而言改变了游戏规则。”从原计划的 23c 到正式发布的 23ai，Oracle 用一次看似简单的命名调整，完成了数据库行业数年的 AI 转型路线图。Premier Support 将持续至 2031 年 12 月 31 日，这意味着 23ai 将成为未来近十年企业数据架构的核心基石。

本系列将分多期全面解读 Oracle Database 23ai 的核心新特性。作为开篇之作，本期将聚焦于 23ai 的版本定位、AI 向量搜索、JSON 关系二元性视图以及多租户与安全增强等重磅特性。

一、版本定位：为什么是“23ai”？

1.1 从 23c 到 23ai 的战略转型

Oracle Database 23c 最初于 2022 年 Oracle 年度大会上首次亮相，并于 2023 年初率先面向开发者发布，这是 Oracle 首次在向企业正式发布之前先行面向开发者群体开放——这一策略转变，意在拥抱开发者生态，为数据库业务注入新的增长动力。2023 年 9 月，Oracle 宣布在 23c 中增加向量搜索能力；2024 年 5 月，随着 AI 功能的全面成熟，Oracle 正式将 23c 更名为 23ai 并推向市场。

从“c”（Cloud）到“ai”，品牌标识的变更折射出 Oracle 核心战略的转变：云能力仍是基础，但 AI 能力已成为牵引企业数字化变革的核心引擎。Oracle 数据库不再只是一个事务处理与数据存储的平台，而是原生支持 AI 工作负载的融合数据平台。

1.2 版本发布节奏与可用性

Oracle Database 23ai 在 2024 年 5 月率先在 Oracle Cloud Infrastructure（OCI）、Oracle Exadata Database Service 以及 Oracle Database@Azure 上以云服务形式提供。随后在 2024 年 7 月，23ai 正式登陆 Oracle Database Appliance（ODA），将 AI 能力引入一体化设备平台。对于本地部署（On-Premises）用户，经过多次版本迭代后，Oracle 于 2026 年 1 月 28 日正式发布 23.26.1 版本，标志着 23ai 可在通用 Linux x86-64 平台本地部署，标准支持持续至 2031 年底。

值得一提的是，Oracle 在 2026 年 3 月伦敦 AI World Tour 上进一步宣布，23ai 通过应用 RU 23.26.0 即可无缝升级为 Oracle AI Database 26ai，无需数据库升级或应用重认证——这表明 Oracle 的 AI 数据库产品线已进入持续迭代的快车道。

二、AI Vector Search：将语义搜索内建于数据库核心

如果说 23ai 只能介绍一个特性，那一定是 AI Vector Search。这是本次发布最具标志性的创新，也是 Oracle 将数据库从“关系引擎”进化为“AI 引擎”的核心能力。

2.1 VECTOR 数据类型

AI Vector Search 的基础是全新的 VECTOR 数据类型。它是一个同构数组，支持 8 位有符号整数、8 位无符号整数、32 位浮点数或 64 位浮点数。通过 VECTOR 类型，Oracle 数据库可以直接存储由 Embedding 模型生成的向量——这些向量是文本、图像、音频等非结构化数据的数学表征，能够捕捉数据的语义含义。

2.2 基于语义的搜索

传统的数据库搜索依赖精确的关键词匹配，而 AI Vector Search 让用户可以根据概念内容（而非特定文字、像素或数据值）来搜索文档、图像和关系数据。这意味着，用户可以用自然语言提问，系统能够理解查询背后的“含义”，返回语义上相关的结果——无论查询词是否与文档中的具体文字完全匹配。

2.3 RAG 工作流的原生支持

AI Vector Search 为 RAG（Retrieval Augmented Generation，检索增强生成） 提供了原生支持。RAG 是一种将大语言模型（LLM）与私有业务数据相结合的 AI 技术：当用户向 LLM 提问时，系统首先从数据库中检索相关信息，将这些信息作为上下文“增强”提示词，再由 LLM 生成基于真实数据的答案。通过 23ai，企业可以在同一个高性能数据库中存储和处理业务数据与向量数据，无需将敏感数据导出到外部向量数据库，既保证了数据安全，又大幅简化了 AI 应用的架构。

2.4 向量索引与性能优化

Oracle 23ai 提供了专用的向量索引（如 IVF 索引），支持高效的近似最近邻搜索。在最新的 23.26.1 版本中，IVF 向量索引还能自动重组——当数据分布发生变化、索引性能下降时，数据库自动执行重组操作，无需人工干预。结合 Exadata System Software 24ai 的智能存储加速，AI Vector Search 的性能可实现数量级的提升。

2.5 Vectors on Ice：湖仓一体中的向量搜索

在 2026 年 3 月的伦敦发布会上，Oracle 进一步推出了 Vectors on Ice，支持对存储在 Apache Iceberg 表中的向量数据进行原生 AI 搜索。这使得 AI 能力不仅覆盖在线业务数据，还能够延伸到数据湖中海量的历史冷数据中，实现了业务数据库与数据湖之间统一的向量检索能力。

三、JSON Relational Duality：终结关系型 vs 文档数据库之争

文档数据库（如 MongoDB）以其灵活性和开发效率赢得了开发者的青睐，关系型数据库以其数据一致性、事务能力和 SQL 生态占据企业核心系统——开发者被迫在“灵活”与“可靠”之间做出取舍。JSON Relational Duality Views 正是为解决这一痛点而生。

3.1 核心思想：一套数据，两种视角

JSON Relational Duality 允许开发者在同一份底层关系数据上，同时获得 JSON 文档的灵活性和关系模型的数据完整性。开发者可以通过 JSON API（兼容 MongoDB 的 API、REST 或 SQL）访问数据，也可以通过标准 SQL 进行复杂查询和事务操作——两种访问方式操作的是同一个数据源，不存在数据冗余和同步问题。

正如 Wikibon 高级分析师 Marc Staimer 所评价的：“Oracle Database 23ai 通过 JSON Relational Duality 提供了两全其美的方案，彻底终结了长期以来的‘关系型 vs 文档’之争。”IDC 数据管理软件研究副总裁 Carl Olofson 更是直言，这是“信息科学领域 20 年来最重要的创新之一”。

3.2 Duality Views 的工作原理

Duality View 是一种特殊的数据库视图，它将关系表中存储的数据以 JSON 文档的形式“按需物化”呈现。开发者定义文档结构，指明数据来源于哪些表以及表之间的关联关系，数据库则负责在查询时动态生成 JSON 文档，在更新时将变更自动写回相应的关系表。

与文档数据库不同，JSON Relational Duality Views 支持跨多个文档集合共享和更新同一份底层数据，这意味着不同应用可以基于各自的文档模型操作同一份数据，而不会产生数据不一致的问题。

3.3 JSON-to-Duality Migrator：平滑迁移 MongoDB

为了帮助从 MongoDB 等文档数据库迁移的用户，Oracle 提供了 JSON-to-Duality Migrator 工具，可以透明、自动地将文档数据库的数据模型转换为 Oracle 中的 Duality Views。据 Oracle 官方数据，这一方案可帮助企业在简化管理的同时节省高达 50% 的成本。

3.4 超越 JSON：融合图、空间与向量能力

JSON Relational Duality 的独特优势在于，它将 JSON 访问与 Oracle Database 23ai 的所有融合数据库能力相结合——包括 AI Vector Search、Graph 查询和 Spatial 空间数据功能。开发者可以在 JSON 文档模型之上，直接调用 AI 向量搜索进行语义检索，或利用 Property Graph 进行关系分析，将多种数据模型的力量汇聚于同一平台。

四、Select AI：用自然语言对话数据库

“只会 SQL 也可以搞定 AI”——这是 Oracle 在 23ai 发布时提出的响亮口号。Select AI 功能将这一口号变为现实。

4.1 自然语言到 SQL 的转换

Select AI 允许用户使用自然语言直接提问，系统通过大语言模型（LLM）自动将用户输入转换为可执行的 SQL 查询。这意味着非技术用户也可以通过“对话”的方式与数据进行交互——业务分析师可以直接问“上季度销售额最高的产品是哪些？”，系统自动生成 SQL 并返回结果。

4.2 元数据的智能增强

为了实现精准的 SQL 生成，Select AI 会向 LLM 提供增强的提示元数据，包括表注释、列注释、外键约束、参照完整性约束以及 23ai 特有的 Annotation（注解）。通过为表和列添加语义化的描述，Select AI 能够更准确地理解用户的查询意图，生成更高质量的 SQL。

4.3 大模式的表自动检测

对于包含大量表的大规模 Schema，Select AI 具备自动检测相关表的能力——它只向 LLM 发送与用户查询相关的表的元数据，而不是整个 Schema 的信息，这既减少了 token 消耗，也提升了生成 SQL 的准确性。

4.4 支持的主流 LLM 提供商

Select AI 支持与主流 LLM 服务集成，包括 Cohere AI、Azure OpenAI、OpenAI 和 OCI Generative AI，企业可根据自身需求选择合适的 AI 服务商。同时，Oracle 提供了细粒度的数据访问控制，管理员可以禁用将数据发送到 LLM 的操作，确保敏感业务数据不外泄。

五、多租户与安全增强：企业级架构的全面升级

5.1 多租户架构：默认启用，成本优化

在 23ai 中，多租户架构（Multitenant）已成为默认配置。一个容器数据库（CDB）可以运行多个可插拔数据库（PDB），这使得企业可以在一套数据库软件中运行多个业务数据库，大幅简化管理和运维。更重要的是，这一架构可帮助企业将许可需求降低超过 50%，直接转化为成本效益。

5.2 Oracle SQL Firewall：数据库层的智能防护

在 AI 时代，安全威胁的形式也在演变。传统的网络防火墙无法阻止通过自然语言诱导 AI 获取越权数据的“提示词注入”攻击。Oracle 23ai 引入了 Oracle SQL Firewall，在数据库内核层对所有传入的 SQL 语句和连接进行检查，仅允许授权的查询执行，阻止潜在恶意访问。SQL Firewall 提供实时监控和自动化威胁检测，相当于数据库内置的智能防护系统，可有效防御 SQL 注入攻击和未经授权的数据库访问。

5.3 Deep Data Security：AI 时代的端到端权限控制

在 2026 年伦敦发布会上，Oracle 进一步发布了 Deep Data Security 技术。这一技术解决了 AI 智能体时代特有的安全问题：当用户通过自然语言向 AI 系统提问时，AI 智能体会代为执行数据库查询，传统的访问控制机制难以保障权限的精确执行。Deep Data Security 在数据库的行级和列级强制执行用户身份验证，确保 AI 智能体仅能看到该用户被授权查看的数据，原生防御提示词注入和数据泄露风险。

六、性能与开发体验增强

6.1 锁无关预订（Lock-Free Reservations）

高并发场景下，行锁竞争一直是性能瓶颈。23ai 引入了 Lock-Free Reservations 机制，允许多个并发事务同时更新同一数值列（如库存扣减），而无需等待未提交的事务释放锁。更新操作先记录在预订日志中，在事务提交时才最终应用，极大地提升了高并发场景下的系统吞吐量。

6.2 优先级事务（Priority Transactions）

23ai 引入了事务优先级机制，支持 HIGH（默认）、MEDIUM、LOW 三个优先级。当低优先级事务的行锁阻塞了高优先级事务时，数据库可配置超时后自动回滚低优先级事务，确保关键业务事务优先执行。这一特性对于混合负载场景具有重要价值。

6.3 聚合过滤子句（FILTER）

在 23.26.1 版本中，SQL 聚合函数新增了 FILTER 子句，允许在聚合函数内部直接应用筛选条件。例如，SELECT department_id, COUNT(*) FILTER (WHERE status='ACTIVE') FROM employees GROUP BY department_id 可以更清晰、高效地完成条件计数。这一特性显著提升了分析型查询的表达能力和执行效率。

6.4 开发者角色

23ai 引入了新的 开发者角色（Developer Role），可以快速为开发者分配应用开发所需的最小权限集合，无需 DBA 逐个授予复杂的系统权限，简化了开发环境的配置流程。

6.5 JavaScript 存储过程

23ai 支持在数据库中直接编写 JavaScript 存储过程，使得熟悉 JavaScript 生态的开发者可以无缝参与数据库端开发，降低了应用开发的门槛。

6.6 地理空间能力扩展

在 AI 热潮之外，23ai 还大幅扩展了地理空间分析能力，新增了 空间向量分片（Spatial Vector Tiles） 和 六边形分层空间索引（H3 Indexing） 两项特性。这为大规模地图数据的快速渲染和空间分析提供了强大支撑，在物流、零售选址、能源规划等领域具有广泛的应用价值。

总结与展望

Oracle Database 23ai 的发布，标志着一个全新的数据库时代的开启。它不再是一个被动的“数据容器”，而是一个主动融合 AI、支持语义搜索、内置机器学习、具备智能体能力的融合数据平台。300 多项新特性覆盖了从 AI 到性能、从开发体验到安全防护的方方面面，为企业的数字化转型提供了坚实的技术底座。

在本系列的第一期中，我们重点介绍了：

在接下来的系列中，我们将继续深入解读 23ai 在 数据库内机器学习（In-Database Machine Learning） 、图数据模型增强、True Cache 与高可用架构、SQL 性能优化与自动调优 等领域的前沿特性，带您全面领略 Oracle 数据库在 AI 时代的技术蓝图。

参考资料

[1] Oracle Database 23ai: What’s New? (www.dbvis.com)

[2] Oracle 宣布 Database 23ai 正式可用 (www.oracle.com)

[3] Oracle Database 23ai 产品介绍 (www.huaweicloud.com)

[4] Oracle 发布面向业务数据的 AI 数据库智能体创新 (www.modb.pro)

[5] Oracle Database 23ai 新特性 for Administrators (www.datavail.com)

[6] Oracle renames Database 23c to 23ai (www.infoworld.com)

[7] JSON Relational Duality 官方介绍 (www.oracle.com)

[8] Oracle 23ai: Lock Free Reservations (support.oracle.com)

[9] 数据库管理-第404期 Oracle AI DB 23.26.1新特性一览 (blog.itpub.net)

[10] Oracle 23AI & ADBS in Action (www.oreilly.com)

[11] Select AI enhancements (blogs.oracle.com)

[12] Oracle Database 23ai：当数据库本身成为 AI 引擎 (blog.csdn.net)

[13] 2026年Oracle Q2 季度补丁发布 (www.modb.pro)