這兩年對數據庫地位重定位的思考和論戰到處都是，很多人的觀點是，以后沒有DBA了，數據庫只是一個數據容器而已，應用自己來解決數據處理的問題，數據庫和數據庫運維變得十分簡單均化庫 。

數據庫從一個存儲數據的容器，花了三十年時間，把自己進化成了IT世界里的舉足輕重的核心IT基礎設施組件均化庫 。不過在這些年的向互聯網學習、應用上云和數據庫國產化替代浪潮之后，其重要性下降了許多。讓業務邏輯回歸業務本身，這一點已經被國內主流的大型企業，特別是金融、能源、化工等大型央所接受。放棄傳統的以數據庫為核心的架構后，在實際落地的效果上看，是喜憂參半的。企業數字化建設的敏捷性有所增強，不過似乎也已經看到了一些問題，特別是成本方面的增加，是相當明顯的。

數據成為“第五元素”這個概念越來越被人所接受，不過以前數據處理還存在著巨大的瓶頸，如何將“第五元素”轉變成實際的生產力方面一直缺乏優秀的工具均化庫 。隨著智能化技術的興起，數據處理將面臨巨大的變革，以AI為驅動，以AI為核心，根據用戶的需求自動分析與處理數據將成為未來數據處理的一種主流模式。

在這種數據存儲、處理的需求的推動下，數據庫該如何進化也成了一個新的課題均化庫 。目前以O記為的的西方數據庫廠商都認為數據庫將會成為數據處理的核心，甚至是大腦。未來數據價值的應用必然進化到像自來水一樣，進入家家戶戶，打開水龍頭就可以獲得，而數據庫就應該是這套城市水處理系統，而不僅僅是城市蓄水池。

不過國內無論應用開發商還是數據庫廠商，似乎都沒有往這方面去考慮均化庫 。在用戶側，正在考慮應用的數據庫無關性，去除專用語法，去除存儲過程，只是用標準的SQL，從而擺脫特定數據庫的束縛。數據庫廠商也大多沒有考慮未來的AI在數據庫中的核心地位，僅僅把AI能力當成數據庫的一種功能而已，并沒有完全意識到數據處理的邊界已經被AI技術打開，未來的數據庫可以干更多的傳統數據庫干不了的事情。

和一些IT從業的朋友討論這個問題的時候，近半數的朋友對于AI的發展是持負面觀點的均化庫 。他們認為AI的發展對現有的IT生態產生的沖擊是不利于當前社會的，因此應該限制AI的應用，保障職場的生存權利。這些觀點看似有道理，細想一下好像有點當年英國臭名昭著的紅旗法案一樣，注定是無法長久的。未來數據處理的方式必然會發生于當年蒸汽汽車出現后的交通革命一樣的巨變，在AI的幫助下，業務人員可以不假手研發人員，自動讓AI生成程序去按照自己的業務邏輯分析與處理數據。操作復雜的數據會比我們現在使用EXECL來處理表格還要簡便。

想要實現上面我所說的場景，可以通過開發一套系統來實現，不過未來也可能只要購買一套數據庫就行了均化庫 。如果我們不愿意購買一套AI能力強大的數據庫，那么我們就必須花更多的錢，忍受更高的時間成本去開發一套類似的數據處理系統。

在現階段下，開發一套與數據庫松耦合的系統與開發一套與數據庫緊耦合的系統的成本差不多，因此選擇拋開數據庫的特有功能，開發一套可以適用于各種數據庫產品的通用系統的成本增加并不多，隨著AI技術的發展，這個平衡在未來數年間將會被打破均化庫 。

那么到那個時候，你購買一套Oracle，利用Oracle的內置功能，使用存儲過程在上面開發一個復雜的數據分析系統可能幾個人只需要個把月時間就能完成，而如果你購買一套國產數據庫，搭起框架，組織幾十人的隊伍去干上半年，產出的效果可能還不一定有前者好均化庫 。這種情況下你還會因為國產數據庫比Oracle便宜了一兩百萬而非要選擇國產數據庫嗎？

數年前就有很多專家指出，今后我國會和西方出現兩個完全不兼容的技術棧均化庫 。在反全球化的今天，這一點我也十分認可，只不過在選擇技術路線上我們不得不認真思考一下。我們可以選擇與老美完全不同的技術棧，但是我們不能選擇落后于AI時代的技術棧。