**纪要涉及的行业或公司** * MongoDB公司 专注于数据库和AI应用开发平台 核心产品为MongoDB Atlas和Enterprise Advanced [1][6][37] * 数据库行业 涉及与PostgreSQL等开源替代方案的竞争 以及AI驱动的行业变革 [21][24][27] **核心观点和论据** * **AI战略与产品定位** * 公司视AI为重大机遇而非威胁 认为其文档模型（JSON支持）和矢量搜索功能非常适合处理AI所需的非结构化数据 [6][7][27] * 通过收购Voyage AI获得顶级嵌入模型 旨在将私有数据与LLM连接 提升AI应用准确性 [7][10][16] * Voyage AI现有约300家客户 收入规模较小 其货币化将通过服务器less API、市场平台和与Atlas集成三种方式实现 均基于使用量计费 [11][12] * AI尚未成为增长主要驱动力 但预计未来将成为重要增长动力 目前客户主要用于客户支持、代码生成和内部垂直应用 [7][31][32] * **市场竞争与PostgreSQL迁移** * 认为PostgreSQL等SQL解决方案在简单数据模型上可行 但在复杂数据模型和性能要求高的场景下存在局限性 [22][24][26] * 列举了银行和大型电动汽车公司的案例 从PostgreSQL迁移至MongoDB后性能显著提升 解决了可扩展性和性能瓶颈问题 [22][23][24] * 将PostgreSQL的势头归因于SQL迁移而非新应用开发 并强调MongoDB在处理AI用例中结构化和非结构化数据方面的灵活性优势 [24][26][27] * **增长重新加速与运营策略** * 近期的增长重新加速主要归因于核心业务的运营改进 而非AI驱动 [31][32] * 调整了市场策略 更专注于企业市场（财富500强）和大型工作负载 修改了薪酬计划以激励增加ARR和获取大型工作负载 [32][33] * 产品引导增长（PLG）和内部销售模式运行良好 是公司的一项未知资产 [34] * **财务与盈利能力展望** * Atlas业务在8年内从不到1000万美元的年化收入（ARR）增长至17亿美元 未来市场空间巨大 [37] * Atlas的毛利率预计维持在中位70%左右 规模扩张将带来显著的增量利润和利润率扩张 [37][38][39] * 公司重点在于更智能地投资（而非削减成本） 运营费用增长将低于收入增长 从而推动利润率扩张 [38][39][40] * **内部AI应用与未来挑战** * 内部AI应用侧重于治理和工具化 重点领域包括客户支持（Cogent）、法律（Harvey）以及利用ML进行更好的业务预测 [44][45] * 认为AI带来的生产力提升是巨大机遇 但目前对成本节约的影响还不大 未来会更大 [45] * 未来一年的讨论焦点可能集中在AI的能源消耗和电网能力挑战 以及所需人才技能的演变上 [47][48][49] **其他重要内容** * 公司计划举办投资者日 进一步讨论AI能力和发展战略 [19] * 对未来的并购持开放态度 但重点将是类似Voyage AI的技术团队和能力收购（“构建与购买”） 而非为了增长而收购 [19][20] * 公司拥有约5500名员工 [31]

数据库管理工具DBeaver概述 - DBeaver是一款开源免费的跨平台数据库管理工具，支持几乎所有主流数据库，包括MySQL、PostgreSQL、Oracle、SQL Server等[3] - 该工具在Github上获得44k+ Star，显示出较高的开发者认可度[5] - 提供Community和PRO两个版本，满足不同用户需求[8] 产品版本对比 - Community版免费，支持主流关系型数据库，提供数据编辑器、SQL编辑器等基础功能[9] - PRO版增强安全性，支持更多数据库类型（NoSQL、云数据库等），提供元数据管理、AI SQL助手等高级功能[12] - Community版适合一般需求，PRO版更适合企业和高级用户[10] 技术特性 - 跨平台支持Windows、Linux和Mac操作系统[11] - 支持超过80种数据库，包括关系型、NoSQL、云数据库等[15] - 提供SQL编辑器、数据编辑器、ER图生成、数据导入导出等核心功能[21] - 高级功能包括可视化查询构建器、任务调度器、空间数据查看器等[19][21] 安装与使用 - 提供Windows、macOS和Linux多种安装方式[22][23][24] - 支持主流操作系统版本，包括Windows 10/11、macOS Big Sur及以上等[26] - 界面支持数据库连接管理、SQL编写执行、结果展示等操作[28][29] - 支持ER图自动生成和数据可视化[31]

国内DBA行业现状 - 国内DBA职责泛化严重，需承担安装配置、备份容灾、性能优化甚至业务需求分析等全方位工作，而国外DBA更注重细分领域专业化 [1] - 技术浮躁现象普遍，许多DBA疲于学习云原生、分布式数据库等新工具，但缺乏对底层原理的深入钻研 [1] - 价值评估体系存在倒挂，国内DBA常被视为"救火队员"且薪资与复杂度不匹配，而国外专精型DBA因解决核心问题被视作"技术资产" [1] 技术深耕的价值 - 技术深度决定职业天花板，分布式事务、死锁排查等核心能力需建立在对LSM-Tree、Raft协议等底层机制的透彻理解上 [2] - 专精某一技术栈（如PostgreSQL MVCC机制）可形成职业护城河，使DBA在技术选型中占据主导地位 [2] - 硅谷案例显示，Oracle专家通过优化高频SQL可使银行系统I/O负载降低70%，而国内企业常因技术纵深不足被迫堆硬件"续命" [2] 技术发展路径转型 - 建议从"会使用多种数据库"转向"用单一数据库解决多类问题"，例如深入掌握PostgreSQL MVCC机制或Redis持久化方案 [3] - 需结合业务场景量化技术价值，通过SQL Trace等工具将优化成果可视化以获得业务侧认可 [3] - 生态合作成为趋势，参与技术社区交流可避免重复造轮子并获取最佳实践 [3] AI技术对行业影响 - AI监控系统可过滤80%误报警，自动化根因分析将淘汰仅会"重启试试"的初级DBA [4] - AI工具（如SQL自动优化器）可解放DBA重复劳动，促使其转向架构设计与性能调优等高价值工作 [4] 新兴职业机会 - 云DBA转型为"数据架构师"的趋势明显，新岗位需主导数据治理与业务建模，薪资涨幅可达30% [5] - 成功转型案例包括成为数据库架构师主导企业方案、转型咨询顾问赋能行业，或成为团队技术核心 [6]

氛围编码（Vibe Coding）的兴起与应用 - OpenAI前创始成员Andrej Karpathy提出"氛围编码"概念，即通过AI工具（如Cursor、ChatGPT）实现"你说想法，AI写代码"的快速开发模式 [1] - 该模式允许非编程人员快速构建应用或小游戏，吸引大量开发者尝试 [1] - 开发者Harley Kimball使用AI工具在三天内完成聚合网站开发并上线，前端通过Cursor和Lovable搭建，后端使用Supabase云数据库服务 [3] 快速开发项目的技术实现 - 网站核心功能为聚合HackerOne、Bugcrowd等平台的公开资料，提供白帽黑客档案集中查询服务 [2] - 数据采集通过独立自动化脚本完成，与前端分离设计，采用Supabase Auth进行用户认证 [4] - 初始设计包含用户自助注册功能，后因权限管理风险改为只读数据视图 [4] 安全漏洞事件分析 第一次漏洞：数据库权限绕过 - 用户邮箱信息因默认配置被返回前端，存在泄露风险 [5] - 采用PostgreSQL视图排除邮箱字段，但因未启用SECURITY INVOKER或RLS配置，视图继承管理员权限导致行级安全策略失效 [6] - 攻击者可绕过前端直接插入/修改数据库记录，漏洞由研究员@Goofygiraffe06发现并报告 [6] 第二次漏洞：后端认证服务未关闭 - 前端隐藏注册入口但Supabase Auth服务仍处于激活状态，攻击者可通过API直接注册账号 [9] - 新账号可添加数据（不可修改/删除），权限控制未完全锁死，漏洞由研究员@Kr1shna4garwal发现 [8][9] - 最终通过彻底关闭Supabase Auth注册功能修复漏洞 [9] 技术架构的潜在风险 - PostgreSQL视图默认以创建者权限运行，需显式配置SECURITY INVOKER或RLS策略才能实现行级安全 [10] - Supabase等现成后端服务若未完全关闭未用功能（如Auth），即使前端无入口仍存在API暴露风险 [9][10] 行业启示 - AI辅助开发（氛围编码）加速项目落地，但默认配置常忽略安全环节，需额外关注权限管理与威胁建模 [10] - 使用Supabase+PostgreSQL组合时，开发者需深入理解权限模型复杂性，避免视图和RLS配置失误 [10] - 涉及敏感数据的项目需严格审查安全配置，快速上线不应牺牲基础安全流程 [11]

收购计划概述 - Snowflake计划收购Crunchy Data以增强企业构建和部署人工智能代理及应用的能力[1] - 收购将把Crunchy Data的开源Postgres技术和产品整合至Snowflake的AI Data Cloud平台[1] - 交易完成需获得监管批准并满足常规交割条件[1] 技术整合与产品规划 - 收购后将推出名为Snowflake Postgres的PostgreSQL数据库集成至AI Data Cloud平台[2] - PostgreSQL是开源关系型数据库 可作为企业创建AI代理的底层数据库 支持Snowflake等平台的数据存储[2] - 该数据库被49%的开发者使用[2] 市场机会与客户价值 - Snowflake Postgres将使PostgreSQL用户提升开发效率并优化运营[3] - 此次收购瞄准3500亿美元的市场机会 满足客户将Postgres引入Snowflake AI Data Cloud的需求[3] - Crunchy Data的安全合规能力使其成为受监管行业企业的可信Postgres合作伙伴[4] 行业竞争动态 - Snowflake于2月宣布在硅谷开设新AI中心 为开发者、初创企业和商业领袖提供AI研发场所[5] - 竞争对手Databricks于5月14日宣布收购数据库初创公司Neon以增强AI代理业务[5] - Databricks表示Neon专为支持开发者代理工作流设计 将提供无服务器Postgres服务[5]

产品发布 - 腾讯云正式发布TDSQL数据库一体化版本 该版本同时兼容多种数据库协议和语法 支持企业通过一次部署自由切换多种实例模式 实现资源统一管理 [1] - TDSQL完成100%兼容MySQL和PostgreSQL 对Oracle语法兼容度达98% 并提供全流程迁移工具链 帮助企业实现异构数据库平滑替换 [4] 技术演进 - MySQL凭借庞大用户基数和轻量化特性 成为在线事务处理场景主流选择 PostgreSQL依托复杂查询优势和丰富功能 成为融合创新重要技术方案 [3] - 企业实际使用面临两套产品架构选择 需要多次部署 造成较高运维门槛和资源浪费 [4] 发展历程 - TDSQL起源于2009年 最初服务于腾讯内部金融级场景业务 2014年开始对外开放 助力微众银行搭建首个分布式互联网银行核心系统 [6] - 2020年品牌整合后 TDSQL系列产品进一步完善 涵盖交易型、分析型等多种类型 2023年打破世界数据库性能纪录 [6] 市场背景 - Oracle在中国市场占有率一度超过70% 但其存在高昂定价和维护费用 性能瓶颈架构模式 以及数据安全风险问题 [7] - 国产数据库厂商致力于替代Oracle等海外数据库市场份额 做中国国产数据库 [8] 市场地位 - 中国关系型数据库软件前五强分别为阿里(26.2%)、腾讯(14.9%)、华为(11.1%)、亚马逊(8.3%)、Oracle(7.5%) 前三均为中国企业 [9] - 腾讯云数据库服务超50万客户 覆盖金融、政务、社交、电商、交通、游戏等多领域 TDSQL被4000多家金融、公共服务和电信行业客户采用 [9] - 服务超过40家金融机构完成核心系统替换 中国十大银行中的七家应用腾讯云数据库TDSQL [9] 生态体系 - 腾讯打造6T国产软件体系 包括数据库TDSQL、操作系统TencentOS、专有云TCE、专有云PaaS平台TCS、大数据TBDS、腾讯云TI平台 已适配主流国产软硬件生态系统 [11] - 应用软件包括腾讯会议、企业微信、腾讯文档、腾讯乐享等 [11] - 与50多家合作伙伴联合打造65个具备可复制性的行业解决方案 覆盖政务、金融、医疗、教育、能源、交通等30多个行业 [11]

收购谈判 - Databricks正在谈判收购开源数据库引擎开发初创公司Neon，交易金额预计约10亿美元，若包含员工保留激励方案可能超过该数值 [1] - 部分业内人士认为交易已"板上钉钉"，但多位消息人士指出谈判仍在进行且存在告吹可能 [1] Neon公司背景 - Neon成立于2021年，是一家基于PostgreSQL的开源数据库公司，由数据库专家Nikita Shamgunov、Heikki Linnakangas和Stas Kelvich联合创立 [3] - 公司采用Apache 2.0开源许可证，在GitHub上获得1.7万star [9] - 已筹集超过1.3亿美元资金，包括2023年8月Menlo VC领投的4600万美元融资 [14] 创始团队 - CEO Shamgunov拥有计算机科学博士学位，曾参与微软SQL Server开发，并创办MemSQL（现SingleStore）使其收入从700万美元增长至4000万美元 [5] - 联合创始人Heikki Linnakangas被部分开发者认为是"Postgres史上最杰出的贡献者之一"，主导了多个PostgreSQL核心功能开发 [5] - 联合创始人Stas Kelvich毕业于俄罗斯国立研究核能大学，长期从事PostgreSQL核心开发工作 [6] 技术特点 - 采用存储与计算分离架构，不同于AWS Aurora的是所有修改都开源并提交到上游社区 [7] - 实现无服务器架构，可根据工作负载自动调整硬件资源 [7] - 开发"写时复制"技术支持检查点、分支和时间点恢复功能 [8] - 通过连接池技术减少数据库性能下降，维护一组待命连接供快速分配 [8] - 提供精确到行级别的数据访问控制和数据库版本恢复功能 [8] AI适配性 - 目标是打造"适用于人工智能的Postgres"，每天处理超过12000个由AI Agent创建的数据库 [11] - 支持向量数据存储和HNSW索引算法，实现高效高维向量搜索 [11] - 可在一秒内启动新数据库实例，对AI代码助手使用尤为重要 [11] - 提供pgvector扩展支持Postgres中的向量嵌入存储和相似度搜索 [11] - 通过按需缩放至零机制显著降低闲置数据库成本 [12] Databricks战略 - 过去两年将战略重点转向AI，2023年以13亿美元收购大模型开发商MosaicML [16] - 近期收购Fennel AI和Lilac AI以增强AI能力 [18][19] - 推出Databricks Apps和Mosaic AI等产品扩展平台能力 [17] 行业评价 - 收购将使Databricks直接拥有一个现代化的、以AI为中心的数据库 [16] - 部分业内人士对Databricks现状不满，认为其面临转型AI的挑战 [20] - 有观点认为Neon产品优秀但担心收购后可能失去活力 [21] - 也有评价认为无服务器数据库存在延迟问题，性能不如托管数据库 [21]

收购谈判 - Databricks正在谈判收购开源数据库引擎开发初创公司Neon 交易金额预计约10亿美元 若包含员工保留激励方案可能超过该数值 [1] - 业内人士称交易已是"板上钉钉" 但多位消息人士指出谈判仍在进行并有告吹可能 [1] Neon公司背景 - Neon成立于2021年 是基于PostgreSQL的开源数据库公司 由数据库专家Nikita Shamgunov、Heikki Linnakangas和Stas Kelvich联合创办 [2][4][5] - 公司采用Apache 2.0开源许可证 在GitHub上获得1.7万star [8] - 目前已筹集超过1.3亿美元资金 包括微软M12领投的2500万美元战略投资 [12][13] 技术特点 - 采用存储与计算分离架构 完全开源其云原生存储和对Postgres的修改 [6] - 实现无服务器架构 可自动根据工作负载需求调整硬件资源 [6] - 开发"写时复制"技术 支持检查点、分支和时间点恢复功能 [7] - 通过连接池技术优化数据库性能 减少网络连接资源消耗 [7] - 提供行级数据安全控制和数据库版本恢复功能 [7] AI适配性 - 定位为"适用于人工智能的Postgres" 特别适合AI Agent、AI编码和氛围编程 [10] - 支持按秒计费 成为AI Agent创建临时数据库的性价比选择 每天处理超过12000个AI创建的数据库 [10] - 支持向量数据存储和HNSW索引算法 实现高效高维向量搜索 [10] - 整合pgvector扩展 支持自然语言处理任务的相似度搜索 [10] - 提供API端点和自动资源调整 减少AI应用运维负担 [11] Databricks战略 - 收购Neon将增强其AI基础设施层 获得现代化AI中心数据库 [14] - 过去两年战略重点转向AI 2023年以13亿美元收购大模型开发商MosaicML [15] - 近期收购Fennel AI和Lilac AI 补强AI数据流水线和数据集管理能力 [17] - 推出Databricks Apps和Mosaic AI 构建完整AI开发生态 [16]

几年前，提起Supabase，可能很多开发者还要上网查一下是干啥的。而到了今天，它已经成了创业圈和 开发圈的小网红，被誉为"开源版Firebase替代方案"，GitHub上星星飙到81000颗，开发者人数也到达了 200万。 图 源：Supabase创始人X@Paul Copplestone - e/postgres 2025年4月22日，这家公司宣布拿下2亿美元D轮融资，投后估值直接翻到20亿美元。领投的是老牌风投 Accel，跟投阵容也堪称豪华：Coatue、Craft Ventures、Y Combinator、Felicis纷纷站台。 再仔细一看时间线，七个月前Supabase才刚拿了8000万美元C轮融资，还没来得及把新钱花完，又有人 迫不及待送钱上门。这种速度，在风险投资圈里，已经算是超高速巡航了。 文 | 硅兔赛跑 桥 编辑｜伊凡 在技术创业圈，总有那么一些公司，是突然闯进赛场的黑马，让人一时搞不清它们是怎么冲上来的。 Supabase，就是这样一个典型的存在。 这家几年前还籍籍无名的初创公司，到底凭什么？ 它为什么能和最近热到爆的"氛围编码"（Vibe Coding）一拍即合？又凭什么敢在数据 ...