行业趋势 - 生成式人工智能应用需处理海量非结构化数据 带动云数据库需求激增 [1] - 零售行业从粗放流量运营转向用户价值深度挖掘 人工智能贯穿研产供销服全链路 [1] - 超过九成企业认为人工智能将极大提升生产力 [1] - 传统IT架构存在数据延迟和系统割裂问题 难以支撑AI时代实时决策需求 [1] - 零售行业亟需满足全时响应 全域覆盖 全端适配 全员协同的新一代技术底座 [1] 技术解决方案 - 一体化云数据库成为破局传统IT架构问题的关键 [1] - 新一代数据底座通过与AI深度融合提供解决方案 [2] - 向量融合查询技术使数据库能深度理解图片视频文本等非结构化数据 [2] - 企业可快速实现以图搜图购物体验 智能商品推荐系统和基于知识库的智能客服 [2] 市场落地 - OceanBase云数据库产品OBCloud近两年服务200余家头部零售企业 [1] - 覆盖鞋服 餐饮 快消 商超 DTC新经济等全零售业态 实现规模化落地 [1] - 一体化云数据库正从成本中心转向增长引擎 [2] - 白皮书解析消费者服务 供应链管理 全渠道运营三大核心业务场景 [2] 技术选型标准 - 企业需从架构设计 成本效益平衡 高可用性三大维度进行技术选型 [2] - IT融合能力 安全合规 AI原生能力同样成为重要选型维度 [2] - 为未来AI时代新零售一体化数据底座夯实基础 [2]

行业趋势与挑战 - 零售行业从粗放流量运营转向用户价值深度挖掘 AI贯穿研产供销服全链路 超90%企业认为生成式AI将提升生产力 [1] - 传统架构存在数据延迟 系统割裂 资源冗余等问题 难以支撑实时决策与AI创新应用 推荐与响应难以满足千人千面需求 [1] - 零售业面临脉冲式流量冲击与AI变革双重考验 需稳定高效且支持AI应用的数据底座 [4] 数据底座核心能力 - 数据底座需具备三项能力：驾驭流量脉冲式爆发 使数据成为实时决策引擎 让AI从锦上添花变为基础设施 [1] - 分布式数据库能处理自动伸缩场景 支持瞬间脉冲能力的弹性扩大 [3] - 数据底座需实现数据实时同步 某头部商超因库存数据未实时同步 在促销活动中卡顿几分钟损失百万级GMV [3] OceanBase技术应用与案例 - OceanBase为100%根自研分布式数据库 2022年推出一体化云数据库平台OB Cloud [4] - 海底捞使用OceanBase HTAP底座后打通进销存全链路 实现千人千面快速推介 [3] - 泡泡玛特抽盒机系统搭载OB Cloud 扩缩容时间降低90% 可应对百倍流量 高并发场景连续性达99.999% [3] - OB Cloud服务200余家头部零售客户 覆盖鞋服餐饮快消商超DTC新经济等全零售业态 [4] AI与数据库融合 - OB Cloud聚焦向量化技术和知识库AI数据服务 使数据库能深度理解非结构化数据（如图片视频文本评论） [4] - 基于AI能力实现以图搜图购物体验 智能商品推荐系统及智能客服系统 [4] - AI时代数据维度与交互模式变化 数据库需迭代计算引擎以支持零售企业AI应用快速落地 [4] 全球化发展与行业竞争 - OB Cloud全球化布局覆盖亚太中东亚洲欧洲美洲等50余个地域的170多个可用区 客户年增速达130% [5] - 服务小米携程上汽大众GCashPalmPay等海内外企业 印证中国技术全球适配能力 [5] - 零售下一轮竞争本质是数据底座能力竞争 需通过生态共生共赢实现 [5]

公司业务进展 - OceanBase公有云服务OB Cloud已服务200余家头部零售客户 覆盖鞋服 餐饮 快消 商超 DTC新经济等全零售业态 [1] - OB Cloud被50余家独立软件开发商集成 包括伯俊 百胜 石基 数云 食亨 云徙等 [6] - 客户年增速达130% 全球化布局覆盖亚太 中东 亚洲 欧洲 美洲等50余个地域的170多个可用区 服务小米 携程 上汽大众 GCash PalmPay等海内外企业 [7] 行业需求与挑战 - 零售行业面临脉冲式流量冲击与AI变革双重考验 超90%企业认为生成式AI将提升生产力 [3] - 传统架构存在数据延迟 系统割裂 资源冗余等问题 难以支撑实时决策与AI创新应用 [3] - 行业亟需满足全时响应 全域覆盖 全端适配 全员协同的新一代技术底座 [3] 技术解决方案 - OB Cloud通过四大核心能力破解行业难题：TP和AP一体化实现交易与分析融合 多模一体化实现多源数据融合 向量融合查询加速AI应用落地 多云原生部署支持全球6大主流云平台 [4] - 原生分布式能力实现秒级扩容和无感缩容 扩缩容时间降低90% 可应对百倍流量 高并发场景连续性达99.999% [4] - 向量化技术和知识库AI数据服务使数据库能理解图片 视频 文本等非结构化数据 支持以图搜图购物体验和智能客服系统 [6] 客户案例成效 - 泡泡玛特抽盒机系统搭载OB Cloud后扩缩容时间降低90% 轻松应对百倍流量 [4] - 海底捞会员系统实现高并发压力化解 实时算力提升45% 支撑占企业总收入80%以上的会员生态 3年持续稳定运行 [4] - 海底捞进销存系统将库存响应从按天算压缩至按分钟算 实现事中干预和事前预测 [5] - 某跨境电商使用向量搜索和智能体平台搭建智能客服系统 开发多模态搜索能力提升用户体验和运营效率 [6] 行业趋势与定位 - 零售下一轮竞争本质是数据底座能力竞争 一体化云数据库正从成本中心转向增长引擎 [6][7] - OceanBase作为100%根自研分布式数据库 始创于2010年 2022年推出OB Cloud平台 [3] - 公司联合发布业内首份《零售一体化云数据库白皮书》 解析消费者服务 供应链管理 全渠道运营3大核心场景 收录12家头部企业案例 [7]

行业趋势与挑战 - 零售行业面临脉冲式流量冲击与AI变革双重考验 需稳定高效且支持AI应用的数据底座 [2] - 行业从粗放流量运营转向用户价值深度挖掘 超90%受访企业认为生成式AI将提升生产力 [2] - 数智化转型面临三大核心挑战：驾驭流量脉冲式爆发 数据实时决策引擎 AI从锦上添花变为基础设施 [2] 技术解决方案 - 一体化云数据库从成本中心转向增长引擎 支撑秒级决策与厘米级洞察竞争 [1] - 需从架构设计 成本效益平衡 高可用性 IT融合能力 安全合规 AI原生能力六大维度进行技术选型 [1] - 新一代技术底座需满足全时响应 全域覆盖 全端适配 全员协同四大特性 [2] 市场实践案例 - OceanBase云服务覆盖200余家头部零售客户 包含鞋服 餐饮 快消 商超 DTC新经济等全业态 [2] - 白皮书深度解析消费者服务 供应链管理 全渠道运营三大核心场景 [1] - 收录泡泡玛特 李宁等12家头部企业实践案例 [1] 生态合作与价值 - 零售数据底座创新大会由OceanBase IT东方汇 EFCIO联合主办 雅戈尔集团CIO 露乐集团CIO 爱分析共同参与白皮书发布 [1] - 零售行业下一轮竞争本质是数据底座能力竞争 需通过生态共生实现共赢 [2]

行业趋势 - 生成式人工智能应用需处理海量非结构化数据 带动云数据库需求激增 [1] - 零售行业从粗放流量运营转向用户价值深度挖掘 AI贯穿研产销服全链路 [1] - 超九成企业认为生成式AI将提升生产力 [1] - 零售行业亟需满足全时响应 全域覆盖 全端适配 全员协同的新一代技术底座 [1] 技术挑战 - 传统架构存在数据延迟 系统割裂 资源冗余等问题 难以支撑实时决策与AI创新应用 [1] - 零售行业数智化转型面临驾驭流量脉冲式爆发 数据实时决策引擎 AI从锦上添花变为基础设施三大核心挑战 [1] 公司业务 - OceanBase云数据库产品OB Cloud已服务200余家头部零售企业 覆盖鞋服餐饮快消商超DTC新经济等全零售业态 [1] - 公司作为100%根自研分布式数据库 始创于2010年 2022年推出一体化云数据库平台OB Cloud [2] 技术优势 - 云数据库通过线性扩展应对流量峰值 实现流量激增时秒级扩容 回落时无感缩容 [2] - 泡泡玛特抽盒机系统搭载OB Cloud后扩缩容时间降低90% 可应对百倍流量 [2] - 一体化云数据库正从成本中心转向增长引擎 [2] 竞争格局 - 零售业下一轮竞争本质是数据底座能力的竞争 [2] - 强大底座需要生态共生共赢而非单打独斗 [2]

大模型与AI落地现状 - 大模型热潮席卷全球，但企业面临AI融入核心业务、解决实际问题的关键鸿沟[1] - 模型易得但落地难行成为企业智能化转型的普遍困境[2] - ChatGPT等AI应用取得显著成绩：17个月用户突破8亿、年搜索量是谷歌的5.5倍[7] - AI正成为移动互联网之后的新一代基础设施[9] - AI普及速度超越历史任何技术创新，从工具升级为平台级基础设施[10] 企业AI落地的挑战 - 企业AI建设分为三个阶段：工具体验、业务融合、流程创新[11] - 技术与场景适配难题：非结构化数据处理复杂，需兼顾实时与分析场景[14] - 成本与性能平衡：海量数据推高存储成本，实时查询需求增加权衡难度[15] - 数据底座成为企业AI落地的核心瓶颈[16] - 企业优势与挑战均在于数据，需跨业务跨模态打通数据[17] OB Cloud的AI落地实践 - OceanBase推出OB Cloud，实现AI能力开发部署及生态集成[3] - 已服务电商零售、互联网服务、物流运输等数十家头部企业[4] - 支持搜索推荐、智能问答、企业级Agent等场景，将AI转化为现实生产力[5] - 典型案例：伯俊科技基于OB Cloud构建AI知识库，实现秒级查询响应[19] - in银泰商业利用OB Cloud向量检索能力打造智能问数平台[19] - 携程、三维家等实现"以图搜图"搜索及个性化推荐场景[19] OB Cloud的核心优势 - 多云原生：覆盖全球50+区域、170+地区，支持跨云容灾与分钟级故障切换[20][22] - 一体化架构：支持事务处理、实时分析与AI工作负载，无需额外技术栈[25][27] - 性能表现：VectorDBBench测试中达到开源向量数据库最优水平[28] - 多模向量一体化：原生支持文本、结构化数据、JSON和向量数据的统一管理[30][31] - PowerRAG工具：开箱即用的一站式平台，优化文档解析精度与召回率[33][34] 云数据库与AI融合趋势 - 云数据库与AI融合是企业智能化转型的必然路径[36] - 云数据库从"存储工具"升级为"智能引擎"，释放数据价值[38] - 一体化架构是未来趋势，可闭环解决多模态数据处理与智能计算需求[41][42] - OB Cloud代表云数据库未来形态，成为企业AI落地的理想选择[45][46]

公司战略升级 - 公司升级AI战略，从一体化数据库向一体化数据底座演进，通过一套引擎支持TP/AP/AI混合负载、向量数据库及SQL与AI混合检索 [1][2][4] - CEO通过全员信宣布公司全面进入AI时代，CTO提出构建Data×AI能力，推动战略演进 [1][4] - 蚂蚁集团支持公司在金融、医疗、生活等核心场景实践Data×AI理念，并继续推动开源开放 [4] 新产品发布 - 发布PowerRAG，提供开箱即用的RAG服务，打通数据层、平台层、接口层与应用层全流程，支持文档和对话API接口 [1][5][7] - PowerRAG旨在解决传统RAG开发周期长、维护成本高、调试困难等问题，支持文档知识库、智能对话、图像比对等场景快速开发 [5][7] - 发布业内首个"共享存储"产品，实现对象存储与TP数据库深度集成，TP负载存储成本最高降低50% [9][10] - "共享存储"采用多级缓存架构、自研LSM-Tree引擎等技术，支持毫秒级响应，覆盖TP、时序类、OLAP等业务场景 [10] 技术能力突破 - 向量性能达业内领先水平，基准测试显示优于三款开源向量数据库 [7][8] - 混合检索能力增强，通过自研向量算法库、内核级多模查询实现更快更准的检索 [9] - OB Cloud上线百度云，已支持阿里云、华为云、腾讯云、AWS、Google Cloud等六大公有云平台，覆盖超100个可用区 [10] 行业应用与客户案例 - 公司数据库连续十余年支撑"双11"，服务金融、政务、运营商等2000多家客户 [7] - 客户案例包括联通软研院基于OceanBase开发AI助手，银泰商业打造零售业智能问数平台 [7] - 行业共识认为AI时代数据存在四大挑战：获取成本高、行业数据稀缺、多模态处理难、质量评估难 [1]