8月13日，Databricks完成50亿美元融资，投后估值达到1900亿美元。至此，Databricks与OpenAI、Anthropic一道，成为全球资本市场最受瞩目的AI公司之一。

一家数据公司的融资，获得了不逊于头部AI公司的资本追捧，这意味着数据平台也开始被置入一套新的AI价值坐标系：市场正在围绕模型、算力与应用，重新为数据基础设施定价。

Databricks的演进，正是这一变化的注脚。

这家起步于数据湖（Lake）的公司，长期服务于数据工程、分析、机器学习和AI开发。

随着Agent从实验室走入企业业务流程，Databricks也开始向实时业务数据、在线事务和应用服务延展。

Agent需要的不只是历史数据与静态文档，更需要在业务发生的当下，读取订单、账户、库存和支付状态。模型决定AI能力的上限，数据平台则决定它能否接入可信、实时且受治理的数据，并因此真正进入企业的生产流程。

一旦估值锚点从数据库软件转向AI数据平台，比较的维度也随之改变：市场寻找的，不再只是另一家数据库公司，而是能够通向同一平台终点的不同技术路径。

OceanBase正是在这一变化中，被放入Databricks所代表的全球参照系。

在最新报道中，彭博将OceanBase称为「中国的Databricks」。

这家从蚂蚁核心交易系统中走出的公司，长期被市场定义为分布式数据库。如今，OceanBase正尝试突破这一边界：从承载关键交易数据的数据库，走向覆盖实时数据、数据治理与AI工作负载的统一数据平台。

两条路径，一个坐标系

要理解两家公司何以殊途同归，首先要理解数据湖与数据库（Database）的分工。

在传统架构中，数据湖汇聚文档、日志和历史数据，支撑大规模加工与分析；数据库则管理订单、账户等持续变化的业务事实，承载高并发交易与实时查询。

前者让数据得到充分利用，后者决定业务能否稳定运行。

Databricks的基本盘扎根于数据湖。它围绕数据工程、数据仓库、分析、机器学习和AI开发，逐步搭建起一套完整的产品体系。据公司披露，其2026年第二季度年化收入运行率已超过70亿美元，同比增长超过80%。

当AI开始直接读取并影响业务状态，平台还需要承接实时写入、在线查询、事务处理与应用服务。Databricks也因此从服务数据分析，进一步走向“库”——让应用和AI能够直接读写、调用实时业务数据。

OceanBase的路径则从数据库出发：先在关键交易与实时分析场景中建立能力底座，再由“库”向“湖”延展，进一步承接多模态数据和AI工作负载。

6月29日，OceanBase最新发布的湖库一体的AI数据库，就标志着这一路径进入新的阶段。

OceanBase CTO杨传辉在近期的一场访谈中，将两家公司的条路径概括为“Different Roads, Same Destination”（殊途同归）。

Databricks致力于为“湖”补上更强的数据库与在线服务能力，OceanBase则意在让实时生产数据走向分析与AI。

两条路径的相遇，说明Agent正在把不同技术起点的厂商推向同一个终点：AI数据平台。

也正因为终点相同，Databricks的1900亿美元估值才不只是一家公司的资本故事，而成为观察这一类平台价值的一项全球参照。

数据库公司通常对应一类基础软件预算；AI数据平台则横跨数据生产、治理、分析与智能应用，所服务的是多类预算的汇合。Databricks以超过70亿美元年化收入获得1900亿美元估值，市场定价的不只是其当下收入，更是其作为企业AI基础设施入口的可扩张价值。

这也重新定义了OceanBase的比较对象：它不再只是与其他分布式数据库公司横向比较，而是需要被放入AI数据平台的全球坐标系中，考察其能否承接更大的企业数据与智能化预算。

据彭博报道，OceanBase在2026年的年化收入已超过2亿美元，仍与Databricks存在显著差距。

但差距亦是空间——一旦OceanBase完成从分布式数据库向AI数据平台的跃迁，其收入与估值的想象空间将被重新打开。

近两年，OceanBase的市场化动作备受关注。

2024年，设立独立董事会，并建立独立员工股权激励机制；

2026年7月底，与多家头部投资机构洽谈A轮融资，目标规模约为20亿至30亿元人民币。

独立运营与外部融资，使市场得以跳出蚂蚁体系，开始以一家独立AI数据平台公司的视角，重新观察OceanBase的平台化空间。

但这套全球坐标能否真正成立，仍要回到OceanBase最难被替代的能力底座上。

从金融核心走出的底座

OceanBase的能力底座，来自蚂蚁支付、账户、交易和风控等核心业务场景。

在这些系统中，数据库直接参与业务运行：一笔交易必须被准确记录，业务高峰不能中断，系统故障后也必须恢复到可信状态。强一致、高可用、弹性扩展与事务可追溯，因此成为最基础的要求。

正是这些近乎苛刻的生产要求，塑造了OceanBase的技术路线：它先在金融核心系统中经受大规模事务检验，再将相应能力推向外部市场。

它以原生分布式架构承载SQL、事务、存储与多副本能力，通过分布式执行和数据分区实现横向扩展，并保障强一致与高可用；

此后，OceanBase又以交易分析一体化（HTAP），让事务处理与实时分析建立在同一份业务数据之上，订单、账户、库存和用户行为不必先经历一次同步，才进入另一套系统被分析。

这条技术路径在蚂蚁内部的金融核心场景中跑通后，也已经获得外部市场的验证：

赛迪报告显示，OceanBase收入位列中国分布式数据库市场第一；

IDC数据显示，其已连续三年位列中国金融行业分布式数据库本地部署市场份额第一；

公司服务超过400家金融机构，近七成万亿级资产规模银行将核心系统搭载于OceanBase之上。

这种生产级能力，也开始进入金融之外的关键行业。

例如，中国航信的核心系统基于OceanBase完成全栈分布式国产升级，稳定支撑每年超过7亿人次的民航旅客全流程出行数据处理，并保持全球业务7×24小时不间断运行。

在Forrester Wave™多模数据平台报告中，OceanBase入选卓越表现者象限，成为唯一入选的中国厂商。

这意味着，OceanBase的能力不再只是在中国金融场景中被验证，也开始进入全球数据平台的评价体系。

从蚂蚁核心系统出发，再经由大规模事务与外部关键行业验证，OceanBase的全球对标便不只停留在产品概念上，它已在关键生产系统中验证了对实时、可信数据的处理能力；

而这恰恰是AI数据平台最难在事后补齐的底座。

金融核心场景证明了OceanBase处理关键数据的能力；而当Agent成为新的数据消费者，数据平台还需围绕机器实时读取、理解和调用数据的方式，继续演进。

从人到机器，最先被改写的正是数据平台的设计前提。

当机器成为新客户

过去的数据平台，默认另一端坐着的是一个人；

人的查询有限，可以容忍一定延迟，也通常只在固定时间查看报表，企业可以把交易数据留在数据库，把历史数据搬进湖，再通过批处理、同步和报表完成分析。

Agent则完全不同；

它会持续查询，以机器速度全天候运行，并希望在一次经过授权的访问中，同时获得结构化事实、非结构化上下文，以及数据之间的关系。

杨传辉指出，Agent会在业务事件发生的当下提出问题，并立即依据答案采取行动；

过去T+1、甚至T+H的批处理模式之所以能够成立，是因为最终读取数据的是定期查看报表的人，但Agent读取的，是正在发生的数据，而非昨晚生成的副本。

实时，由此成为生产级AI的底线要求。

数据消费者的变化，也在推动数据库与AI平台从两端走向同一种形态：前者开始吸收原生向量检索、Embedding集成和Agent上下文组织能力，后者则向下延伸，开始管理实时业务数据与应用上下文。

两类产品之所以走向相近形态，源于同一个约束：AI的能力取决于它能否访问实时、受治理且可信的数据。

语义与本体，也由此成为新的基础能力；

人类可以凭经验理解不同部门对于客户、收入和订单的口径差异，Agent却不能，缺少清晰的业务语义、权限边界和数据血缘，它很可能以机器速度检索出看似合理、实则错误的答案。

治理的逻辑也必须前移；

面对持续运行、并发行动的Agent，治理需要在数据检索、更新和调用工具的当下生效，数据目录构建、质量修复和血缘记录等过去由人类团队周期性完成的工作，也将越来越多地由持续运行的Agent协同完成。

当实时数据、非结构化上下文、业务语义与治理要求必须同时满足，湖与数据库的边界便开始消融。

湖库一体由此成为AI时代数据基础设施的自然结果：AI需要统一访问所有数据，也需要统一的数据状态、治理边界与业务语义。

在这一行业框架下，杨传辉给出了OceanBase的产品路径：

Lakebase连接数据库与湖，使结构化与非结构化数据在同一体系中完成实时或批量处理；

DataStudio完成数据接入、加工、治理和语义上下文构建；

DataPilot承载业务Ontology（本体），让业务人员通过自然语言使用企业数据。

三者共同构成OceanBase的AI数据平台体系，将业务数据产生、数据治理、AI理解与应用调用，连接为一条更短的链路。

这也是OceanBase对湖库一体的具体回应：不再让生产数据、数据治理与AI应用分散在多套系统之中。

同时，这条路径并不以全量迁移为前提。

对OceanBase而言，关键不在于一次性替换所有旧系统，而在于能否从最有价值的实时数据和AI场景切入，逐步完成从分布式数据库到AI数据平台的跃迁。

如果这条路径持续得到产品、客户与收入的验证，市场重新衡量的将不只是一家中国数据库公司，而是一条从中国关键业务场景走向全球AI数据平台的技术路线。

Databricks的1900亿美元不是可以直接套用的估值公式，而是一套需要被逐步兑现的坐标系。

*以上内容不构成投资建议，不代表刊登之观点，市场有风险，投资需谨慎，请独立判断和决策。