日前,全球领先的IT市场研究和咨询公司IDC发布《2024年下半年中国分布式事务数据库软件市场跟踪》报告。报告显示,OceanBase占据中国分布式事务型数据库本地部署市场份额的21.2% ,位居市场第一。这是OceanBase首次登顶本地部署整体市场榜首。
此外,IDC同期发布的《中国金融行业分布式事务型数据库市场份额,2024:行业进入下半场》报告显示,OceanBase以23.9%的市场份额再次位列金融行业本地部署第一。

IDC在报告中指出,2024年分布式数据库产品和技术逐步成熟,已广泛应用于金融、运营商、泛互联网等行业,产品应用已进入规模化阶段。由于2024年下半年分布式数据库安全可靠测试名单的发布,未来针对本地部署分布式事务数据库的采购和落地将大幅加速。预计从2025年开始,本地部署分布式数据库软件市场的增速将超过公有云市场。
IDC中国企业软件市场研究经理王楠表示,按产品部署形态来看,本地部署模式分布式事务型数据库更多应用于金融、运营商的重要系统,市场热度和竞争态势都高于公有云市场。目前头部金融机构已完成分布式数据库的选型及部署上线,未来市场竞争的热点将向中小银行和保险证券客户延伸,本地部署模式分布式数据库在未来三年内将加速增长。
金融行业历来被视为数据库技术的“试金石”。IDC报告显示,2024年中国金融行业分布式事务型数据库整体市场规模达20.37亿元,本地部署子市场规模约为14.72亿元,占比高达72.26%。在本地部署市场中,OceanBase以23.9%的市场份额领跑,并连续两年位列第一。

值得一提的是,在金融行业分布式事务型数据库整体市场中,OceanBase以18.3%的占比位列前三,仅次于两大云厂商,是独立数据库厂商中唯一跻身市场领先梯队的产品。
近年来,在AI与数字化转型加速的浪潮下,分布式数据库凭借高扩展性、强容错性和实时分析能力,正加速替代传统集中式数据库,成为企业核心系统升级的“首选”。尤其是在本地部署场景,受国家政策与数字安全等因素推动,关键民生行业纷纷选择自主、安全、可控的分布式数据库,进一步推动国产创新数据库加快产业落地。
作为100%根自研的原生分布式数据库,OceanBase诞生于支付核心场景,历经双11等万亿级交易场景的严苛考验,15年来通过不断创新,实现极致性能、高可用、高扩展等技术突破。其自研的单机分布式一体化架构、TP/AP/AI混合负载支持、多模向量一体化融合、高级压缩技术、多云原生等创新能力,尤其适合对稳定性要求极高的核心系统升级,大幅提升应用效率和业务灵活性。
面向AI时代对数据处理的更高需求,OceanBase凭借其强大的分布式架构与技术创新能力,为企业打造从数据存储到智能应用的一体化数据底座,助力企业在AI时代抢占先机。目前,OceanBase已实现了AI能力的开发部署及生态集成,通过多模向量检索、PowerRAG产品等,服务数十家头部企业,用以实现推荐搜索、智能问答(RAG)、企业级Agent等应用。
据了解,自2020年商业化以来,OceanBase已服务超过2000家客户,在政务、金融、能源、电力、交通、医疗、教育等关键领域规模化落地,覆盖交通银行、中国太保、国泰君安、中国移动、中国联通、中国电信三大运营商以及国家电网、中国石化、中国南方航空等头部央国企。
在金融行业,OceanBase服务全部政策性银行、5/6 国有大行、20余家万亿级银行,攻坚 190余类核心系统与1000余个业务生产系统,圆满达成“百行计划”,为银行、保险、证券、基金等不同类型金融机构提供坚实底座。
在通信行业,OceanBase为中国移动、中国联通、中国电信三大运营商核心系统提供智能底座,涵盖B/M/O全业务域。例如,中国联通软研院借助OceanBase内置向量引擎构建 AI智能助手“ChatDBA”,用自然语言即可完成混合检索,运维效率提升逾六成。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。