本集简介
双语字幕
仅展示文本字幕，不包含中文音频；想边听边看，请使用 Bayt 播客 App。
在AI这个领域大家都知道大模型的整个迭代发展非常非常的快，所以你到底是模型的受益方还是模型的被吞掉方，很有可能你现在解决的问题六个月之后被大模型解决了，我觉得真正难的事情是怎么告诉AI你的GO之后让AI自己把这个事情给做完，要它回答一个问题和完成一个任务中间差的环节非常的多。
在AI这个领域大家都知道大模型的整个迭代发展非常非常的快，所以你到底是模型的受益方还是模型的被吞掉方，很有可能你现在解决的问题六个月之后被大模型解决了，我觉得真正难的事情是怎么告诉AI你的GO之后让AI自己把这个事情给做完，要它回答一个问题和完成一个任务中间差的环节非常的多。
它需要上下文，需要工具，需要权限，需要状态。
它需要上下文，需要工具，需要权限，需要状态。
AI不会消弱数据库，反倒是AI会让数据库变得非常的重要。
AI不会消弱数据库，反倒是AI会让数据库变得非常的重要。
在AI AGENT的时代，数据库的价值反倒是越来越大，因为它会变成AGENT的整个的一个状态呀，或者CONTEXT啊，或者你上下文的管理的最核心的一个SOURCE OF CHOICE。
在AI AGENT的时代，数据库的价值反倒是越来越大，因为它会变成AGENT的整个的一个状态呀，或者CONTEXT啊，或者你上下文的管理的最核心的一个SOURCE OF CHOICE。
欢迎大家收听day one global，我是star，这期我们聊聊AI agent对数据库的需求。
欢迎大家收听day one global，我是star，这期我们聊聊AI agent对数据库的需求。
我们知道，AI Agent的出现之后，大大增加了数据的存储和使用，相关的半导体公司一年就可以涨10到20倍。
我们知道，AI Agent的出现之后，大大增加了数据的存储和使用，相关的半导体公司一年就可以涨10到20倍。
但另一方面，今年年初，在AI替代软件的叙事下，所有的软件公司股票都大幅度下跌，包括类似MongoDB这样的数据库公司。
但另一方面，今年年初，在AI替代软件的叙事下，所有的软件公司股票都大幅度下跌，包括类似MongoDB这样的数据库公司。
难道Agent时代数据库不重要了吗？
难道Agent时代数据库不重要了吗？
好像并不是这样。
好像并不是这样。
今年一家M开头的Agent公司向Pingcap旗下的TiDB数据库提出了一个听起来很疯狂的需求：能不能低成本提供100万个数据库给Agent用？
今年一家M开头的Agent公司向Pingcap旗下的TiDB数据库提出了一个听起来很疯狂的需求：能不能低成本提供100万个数据库给Agent用？
数据库解决后，他们又问能不能再低成本提供100万个云盘。
数据库解决后，他们又问能不能再低成本提供100万个云盘。
所以，Agent的时代需要什么样的数据库和基础设施呢？
所以，Agent的时代需要什么样的数据库和基础设施呢？
今天我们邀请了PingCAP的一号员工、TiDB的首席AI官唐刘，从TiDB的创业故事聊起，一起讨论AI时代的数据库、基础设施和赢机会。
今天我们邀请了PingCAP的一号员工、TiDB的首席AI官唐刘，从TiDB的创业故事聊起，一起讨论AI时代的数据库、基础设施和赢机会。
本节目由DingTalk A1录音卡赞助播出，你的随身AI办公小助理。
本节目由DingTalk A1录音卡赞助播出，你的随身AI办公小助理。
AI时代，结果好不好，不只取决于你用什么大模型，也取决于你有没有把一手信息记录清楚，变成AI的高质量输入。
AI时代，结果好不好，不只取决于你用什么大模型，也取决于你有没有把一手信息记录清楚，变成AI的高质量输入。
DingTalk A1录音卡就是你的随身信息入口，3.8毫米轻薄机身，可以磁吸在手机背面，开会、采访、客户沟通，随手录，实时同步到手机，并自动生成笔记、摘要和灵感。
DingTalk A1录音卡就是你的随身信息入口，3.8毫米轻薄机身，可以磁吸在手机背面，开会、采访、客户沟通，随手录，实时同步到手机，并自动生成笔记、摘要和灵感。
Pro版续航更强，还能帮你应急充电。
Pro版续航更强，还能帮你应急充电。
下次不要只对大模型说“帮我写个产品方案”，可以试试“基于这次会议纪要，整理一个产品方案”，输入更具体，AI输出才会质量更高。
下次不要只对大模型说“帮我写个产品方案”，可以试试“基于这次会议纪要，整理一个产品方案”，输入更具体，AI输出才会质量更高。
把记录交给AI，一键开启无感工作流。
把记录交给AI，一键开启无感工作流。
好的，那有请唐刘先给我们的听众介绍一下自己吧。
好的，那有请唐刘先给我们的听众介绍一下自己吧。
大家好，我叫唐刘，网名就是C的，然后很多人也许要叫我唐长老哈，关于为什么叫唐长老是因为就是他们嫌我像唐僧嘛一样啰嗦，人家所有人叫我长老，然后非常荣幸今天跟star能够来聊聊就是在关于数据库的发展呢以及在AI的时代下面我们数据库到底能够AI来做一些什么事情。
大家好，我叫唐刘，网名就是C的，然后很多人也许要叫我唐长老哈，关于为什么叫唐长老是因为就是他们嫌我像唐僧嘛一样啰嗦，人家所有人叫我长老，然后非常荣幸今天跟star能够来聊聊就是在关于数据库的发展呢以及在AI的时代下面我们数据库到底能够AI来做一些什么事情。
大概就这样吧先好吧我觉得我们就是吧我们就可以先开始。
大概就这样吧先好吧我觉得我们就是吧我们就可以先开始。
对然后我们想从就是我们刚才聊了啊就是tidb其实服务了非常多的ai和ai进的公司对然后它成立其实也有11年了我们想聊聊就是tidb的历史应该是11年前吧4月1日愚人节然后tidb的founder就是max邀请你做一个开源的分布式数据库就当时是什么样的反应。
对然后我们想从就是我们刚才聊了啊就是tidb其实服务了非常多的ai和ai进的公司对然后它成立其实也有11年了我们想聊聊就是tidb的历史应该是11年前吧4月1日愚人节然后tidb的founder就是max邀请你做一个开源的分布式数据库就当时是什么样的反应。
坦白说啊就是其实这个事情听起来特别不不现实或者很不真实，你想想那个时候呢首先第一个事情就是4月1号对吧，你要想4月1号都是愚人节，然后呢一个人突然跟你说要去创业要去做一个东西，你会觉得我当时在脑子里面就是想的就是就是are you kidding me？
坦白说啊就是其实这个事情听起来特别不不现实或者很不真实，你想想那个时候呢首先第一个事情就是4月1号对吧，你要想4月1号都是愚人节，然后呢一个人突然跟你说要去创业要去做一个东西，你会觉得我当时在脑子里面就是想的就是就是are you kidding me？
就是你是不是到天路对吧？
就是你是不是到天路对吧？
而且另外一个事情呢，特别好玩，是应该是什么呢？
而且另外一个事情呢，特别好玩，是应该是什么呢？
是。
是。
那是当时找我的时候，我们是从来没在线下见过面的，我们只是在网上简单的去聊过。
那是当时找我的时候，我们是从来没在线下见过面的，我们只是在网上简单的去聊过。
所以你要想想，就是那个时候你真的是。
所以你要想想，就是那个时候你真的是。
很难去想象就是这个事情能够去做起来或者能成就大概就是这样的一个情况吧所以很不真实不过呢就是因为很不真实所以说现在能做到现在这个结果反倒就觉得是一种挺好玩的挺有意思的一件。
很难去想象就是这个事情能够去做起来或者能成就大概就是这样的一个情况吧所以很不真实不过呢就是因为很不真实所以说现在能做到现在这个结果反倒就觉得是一种挺好玩的挺有意思的一件。
事情对然后就特别好奇因为现在大家也说AI很缺数据嘛然后的确就是记忆需要放数据然后那个时候为什么你们就是为了11年前你们那个时候为什么想做一个新的数据库呢。
事情对然后就特别好奇因为现在大家也说AI很缺数据嘛然后的确就是记忆需要放数据然后那个时候为什么你们就是为了11年前你们那个时候为什么想做一个新的数据库呢。
大家知道十几年前其实是中国的互联网行业非常的蓬勃发展嘛，是最最开始那段时就是lamp架构吧，就是linux阿帕奇php再加mysql这个整个一个技术站其实是几乎是很多做互联网行业的一个标配的一个选择对吧？
大家知道十几年前其实是中国的互联网行业非常的蓬勃发展嘛，是最最开始那段时就是lamp架构吧，就是linux阿帕奇php再加mysql这个整个一个技术站其实是几乎是很多做互联网行业的一个标配的一个选择对吧？
那个时候在很早的时候这套架构是没有问题的，但是呢他们大家都之前在选择mysql这个技尤其这个数据库这一层技术站的时候呢。
那个时候在很早的时候这套架构是没有问题的，但是呢他们大家都之前在选择mysql这个技尤其这个数据库这一层技术站的时候呢。
忽略了一个问题，就是没想到中国的互联网这个行业涨得增速实在是太快了。
忽略了一个问题，就是没想到中国的互联网这个行业涨得增速实在是太快了。
太快了之后呢，就导致的是传统的整个的LUMP这个架构或者单体的这个MYSQL这一个数据库，它是支撑不了你这种快速发展的整个业务了。
太快了之后呢，就导致的是传统的整个的LUMP这个架构或者单体的这个MYSQL这一个数据库，它是支撑不了你这种快速发展的整个业务了。
就几个方面：第一个方面就是你数量太大了，你买CIRCLE，你买CIRCLE一台机器你是存不下。
就几个方面：第一个方面就是你数量太大了，你买CIRCLE，你买CIRCLE一台机器你是存不下。
对吧？
对吧？
所以说你买错一台机器存不下的话，你自然会考虑的是要把你的业务进行分库分表处理。
所以说你买错一台机器存不下的话，你自然会考虑的是要把你的业务进行分库分表处理。
但是当你把你的业务进行分库分表处理的时候呢？
但是当你把你的业务进行分库分表处理的时候呢？
对开发的人员就是开发业务的同学研发工程师他就是一个噩梦了因为分库分表之后大量的整个的复杂查询的业务或者是你的整个的杀定或者被杀定的整个的一个流程都会转加给你的运维人员或者开发人员所以说其实。
对开发的人员就是开发业务的同学研发工程师他就是一个噩梦了因为分库分表之后大量的整个的复杂查询的业务或者是你的整个的杀定或者被杀定的整个的一个流程都会转加给你的运维人员或者开发人员所以说其实。
在某一个层面，我甚至认为包括我自己啊，当年也在跟就是Max他们都在前公司的时候，其实也经历了同样的痛苦。
在某一个层面，我甚至认为包括我自己啊，当年也在跟就是Max他们都在前公司的时候，其实也经历了同样的痛苦。
其实所以说在我们当时就认真了，就是中国互联网的发展史，其实在某些层面，其实就是一部悲催的MySQL的预备运维史，就是非常难运维。
其实所以说在我们当时就认真了，就是中国互联网的发展史，其实在某些层面，其实就是一部悲催的MySQL的预备运维史，就是非常难运维。
所以那个时候我们就决定，哎，如果我们做一个。
所以那个时候我们就决定，哎，如果我们做一个。
分布式的数据库，解决MySQL分库分表的问题，然后呢让我们的，让研发的工程师只用专注于他自己的业务的开发，而把整个的非常复杂的或者是非常繁琐的MySQL这些运维，就Sharding的分库分表这些东西全部都解决掉，那么价值就会非常大。
分布式的数据库，解决MySQL分库分表的问题，然后呢让我们的，让研发的工程师只用专注于他自己的业务的开发，而把整个的非常复杂的或者是非常繁琐的MySQL这些运维，就Sharding的分库分表这些东西全部都解决掉，那么价值就会非常大。
所以说这也是我们一直在做的事情，而且这个事情做了11年，其实也就是我们把。
所以说这也是我们一直在做的事情，而且这个事情做了11年，其实也就是我们把。
不应该，包括AI时代也是一样的，就是我们希望就是我们把不该由应用开发者来承担的复杂度下沉到基础设施来去解决。
不应该，包括AI时代也是一样的，就是我们希望就是我们把不该由应用开发者来承担的复杂度下沉到基础设施来去解决。
大概就是这样的一个想法吧，当时嗯。
大概就是这样的一个想法吧，当时嗯。
嗯对，然后你提到了好几次就分库分表啊，就能不能给一些这种可能没有那么技术背景的听众解释一下，就为什么就是数据库要分库分表，难道不是我就是一个数据库就可以解决数据的存储问题吗？
嗯对，然后你提到了好几次就分库分表啊，就能不能给一些这种可能没有那么技术背景的听众解释一下，就为什么就是数据库要分库分表，难道不是我就是一个数据库就可以解决数据的存储问题吗？
OK，坦白说，因为我是做技术的，还是有点难的。
OK，坦白说，因为我是做技术的，还是有点难的。
就是给一边就是不懂数据库的同学，就举个简单的一个例子吧，就是我们就假设你可以把，就比如说啊，就是。
就是给一边就是不懂数据库的同学，就举个简单的一个例子吧，就是我们就假设你可以把，就比如说啊，就是。
先举个例子就假设我们的电商平台就比如说像什么京东啊美团对吧或者是阿里啊whatever这些电商的平台的一些用户对吧首先把那个数据库想成一个这个应用平台的整个账本或者一个记忆系统就是账本然后呢你的一个订单就是一个电商平台的你什么用户的信息啊订单的信息啦商品的信息啊对吧支付交易的整个东西全部都放到这个账本里面然后随时就可以查最开始的话呢其实就你用一个账本就够了。
先举个例子就假设我们的电商平台就比如说像什么京东啊美团对吧或者是阿里啊whatever这些电商的平台的一些用户对吧首先把那个数据库想成一个这个应用平台的整个账本或者一个记忆系统就是账本然后呢你的一个订单就是一个电商平台的你什么用户的信息啊订单的信息啦商品的信息啊对吧支付交易的整个东西全部都放到这个账本里面然后随时就可以查最开始的话呢其实就你用一个账本就够了。
这个你就可以认为它是一个一台 mysql 的这个服务器就能把你数据就存下来。
这个你就可以认为它是一个一台 mysql 的这个服务器就能把你数据就存下来。
但是呢，当你发现一个事情了之后，当你的整个业务量涨得越来越大了之后，你会发现哎，一个账本其实你解决，你存不下所有的东西，然后再加上另外一个事情就是，很多人同时访问这个账本的时候呢，你这个账本你扛不住这样的大的一个并发，所以说呢，你需要干的一个事情就是，哎，我能够把我的整个的一些不同的数据放到不同的账本上面去。
但是呢，当你发现一个事情了之后，当你的整个业务量涨得越来越大了之后，你会发现哎，一个账本其实你解决，你存不下所有的东西，然后再加上另外一个事情就是，很多人同时访问这个账本的时候呢，你这个账本你扛不住这样的大的一个并发，所以说呢，你需要干的一个事情就是，哎，我能够把我的整个的一些不同的数据放到不同的账本上面去。
放到这样的话，我就能够保证的是，哎，随着我的数据规模的增大，这个账本还是能够存下来。
放到这样的话，我就能够保证的是，哎，随着我的数据规模的增大，这个账本还是能够存下来。
然后另外的话呢，因为各个大量的请求嘛，所以说我就能够分散到不同的账本上进行查询。
然后另外的话呢，因为各个大量的请求嘛，所以说我就能够分散到不同的账本上进行查询。
这个其实就是典型的一个可能从非数据库人员的角度来看，他到底为什么说要分分表，其实就是把一个本来一一个账本解决不了的事情分出了多个账本来把数据给分散，以把整个压力给分散，大概是这样一个。
这个其实就是典型的一个可能从非数据库人员的角度来看，他到底为什么说要分分表，其实就是把一个本来一一个账本解决不了的事情分出了多个账本来把数据给分散，以把整个压力给分散，大概是这样一个。
所以我理解一下就是说核心还是就是可能我们的整个业务发展啊，从十几年前或者20年前这种门户网站它可能不需要存太多数据。
所以我理解一下就是说核心还是就是可能我们的整个业务发展啊，从十几年前或者20年前这种门户网站它可能不需要存太多数据。
然后到后面的这种google这种平台就是需要存储大量数据，因为它要就是。
然后到后面的这种google这种平台就是需要存储大量数据，因为它要就是。
那个收录所有的网站，然后再到后面移动互联网，我们字节跳动啊这些啊，它的还有视频数据。
那个收录所有的网站，然后再到后面移动互联网，我们字节跳动啊这些啊，它的还有视频数据。
然后他的数据量更大了，所以是越来越大数据量，然后对数据库就有了就是更新的要求。
然后他的数据量更大了，所以是越来越大数据量，然后对数据库就有了就是更新的要求。
然后这个是不是其实也是伴随着整个T I D B的创业史在这里面。
然后这个是不是其实也是伴随着整个T I D B的创业史在这里面。
因为我知道你们也升级了非常多次。
因为我知道你们也升级了非常多次。
随着业务系统越来越庞大，数据量越来越大，然后呢复杂度越来越高，就是对业务系统来说，它去到底层的基础架构的复杂度是越来越高，然后呢其实就是一步我们怎么去通过我们的努力把泰迪币做得更好，把这个复杂度不断下沉的一个历史。
随着业务系统越来越庞大，数据量越来越大，然后呢复杂度越来越高，就是对业务系统来说，它去到底层的基础架构的复杂度是越来越高，然后呢其实就是一步我们怎么去通过我们的努力把泰迪币做得更好，把这个复杂度不断下沉的一个历史。
大概是这样的一个事情，具体来说是什么呢？
大概是这样的一个事情，具体来说是什么呢？
就比如说最开始对吧，就是您刚才其实提到我们用了MYSQL，对吧？
就比如说最开始对吧，就是您刚才其实提到我们用了MYSQL，对吧？
MYSQL其实是后面的话就MYSQL它要做沙顶，然后呢其实我们就要做了MYSQL去解决MYSQL分部分表的问题。
MYSQL其实是后面的话就MYSQL它要做沙顶，然后呢其实我们就要做了MYSQL去解决MYSQL分部分表的问题。
这是第一个阶段，然后后面的话呢其实。
这是第一个阶段，然后后面的话呢其实。
我们最开始后面就是云原生就起来了，就对吧？
我们最开始后面就是云原生就起来了，就对吧？
就是整个的云应该是也也算是七八也将近10年前吧。
就是整个的云应该是也也算是七八也将近10年前吧。
就是cloud native这个东西前，大家越来越发现哎，以前我不光是要做my，就是太低的，就是数据库的运维我们放在就是我们叫on on premise，也就是放在本机我们自己运维本机的就行了。
就是cloud native这个东西前，大家越来越发现哎，以前我不光是要做my，就是太低的，就是数据库的运维我们放在就是我们叫on on premise，也就是放在本机我们自己运维本机的就行了。
但是随着业务复杂度越高，就会发现大家开始越来越依赖于云。
但是随着业务复杂度越高，就会发现大家开始越来越依赖于云。
所以说后来就把整个的数据库的整个托管业务就往云上面去放，然后就变成一个cloud native的，就是数据库，也就是典型的大家就是现在看的就是现在的数据库常用的就是saas平台，就是如果业界的话大家就可能如果用过相关的数据库产品，可能就包括RDS啊或者ARUA这样的一个产品，就是云就变成托管的云数据库。
所以说后来就把整个的数据库的整个托管业务就往云上面去放，然后就变成一个cloud native的，就是数据库，也就是典型的大家就是现在看的就是现在的数据库常用的就是saas平台，就是如果业界的话大家就可能如果用过相关的数据库产品，可能就包括RDS啊或者ARUA这样的一个产品，就是云就变成托管的云数据库。
然后呢再加到这一个阶段就是随着整个的AI时代或者可能的更多的视频啊音频文件这些来临对吧？
然后呢再加到这一个阶段就是随着整个的AI时代或者可能的更多的视频啊音频文件这些来临对吧？
然后呢数据库呃当然我是主要还是以泰迪币为例啊就是相比之前传统的整个的on-premise然后到云后面其实又变又演化成一个serverless就是按需因为云嘛就是之前的话大家想的是哎我直接provision然后但是现在又变成service也就变成按需来付费。
然后呢数据库呃当然我是主要还是以泰迪币为例啊就是相比之前传统的整个的on-premise然后到云后面其实又变又演化成一个serverless就是按需因为云嘛就是之前的话大家想的是哎我直接provision然后但是现在又变成service也就变成按需来付费。
对吧，变成 serverless 然后 serverless 之后呢，其实现在 ai 又火起来之后呢，ai agent 跟人又完全不一样，ai agent 变成一个，把当成一个数据库的一个用户之后。
对吧，变成 serverless 然后 serverless 之后呢，其实现在 ai 又火起来之后呢，ai agent 跟人又完全不一样，ai agent 变成一个，把当成一个数据库的一个用户之后。
数据库其实已经完全跟之前的东西，就之前我们10年前的太低了，又完全不一样了。
数据库其实已经完全跟之前的东西，就之前我们10年前的太低了，又完全不一样了。
所以说，它不光只是一个数据的东西，然后在 ai agent 里面，可能 ai agent 可能要去存更多的什么 memory 啊、state 呀、或者文件这些东西。
所以说，它不光只是一个数据的东西，然后在 ai agent 里面，可能 ai agent 可能要去存更多的什么 memory 啊、state 呀、或者文件这些东西。
反倒是把数据库可能继续演化成了一个对于AI、AI进的一个统一的一个存储空间，大概是这样的一个演化的一个过程。
反倒是把数据库可能继续演化成了一个对于AI、AI进的一个统一的一个存储空间，大概是这样的一个演化的一个过程。
所以说很有可能你可以看到，就是泰迪币的整个发展史，其实在某些地方其实也是全球互联网或者在AI这个时代来临之后，它整个的一个基础架构的一个迭代。
所以说很有可能你可以看到，就是泰迪币的整个发展史，其实在某些地方其实也是全球互联网或者在AI这个时代来临之后，它整个的一个基础架构的一个迭代。
对我觉得历史就非常有意思。
对我觉得历史就非常有意思。
嗯。
嗯。
对然后就记得就最初的时候就是向你请教过A镜头现在是说大家很就是很缺那个缺储存嘛所以看什么美光呀海力士啊这些都长得特别厉害但是另一方面就是年初的时候我又知道就cloud当时发布了就是他对很多软件的支持之后。
对然后就记得就最初的时候就是向你请教过A镜头现在是说大家很就是很缺那个缺储存嘛所以看什么美光呀海力士啊这些都长得特别厉害但是另一方面就是年初的时候我又知道就cloud当时发布了就是他对很多软件的支持之后。
把Claude Code自己给web code的一个软件，然后整个软件行业就是直接估值被杀非常狠，然后里面也包括一些数据库公司，比如model db啊这种，所以我觉得当时觉得这很有意思，就一方面AI又很缺数据，另一方面数据库公司它的估值又被腰斩，所以就一个很有意思的话题啊，就是说那AI.
把Claude Code自己给web code的一个软件，然后整个软件行业就是直接估值被杀非常狠，然后里面也包括一些数据库公司，比如model db啊这种，所以我觉得当时觉得这很有意思，就一方面AI又很缺数据，另一方面数据库公司它的估值又被腰斩，所以就一个很有意思的话题啊，就是说那AI.
它的数据是存在哪里的？
它的数据是存在哪里的？
它还需要数据库吗？
它还需要数据库吗？
或者它需要什么样的数据库？
或者它需要什么样的数据库？
这个问题其实挺有意思的。
这个问题其实挺有意思的。
其实首先第一个，当然因为我是做数据库的，所以说还是首先一个观点就是AI时代上它不会就是AI不会销弱数据库，反倒是AI会让数据库变得非常的重要。
其实首先第一个，当然因为我是做数据库的，所以说还是首先一个观点就是AI时代上它不会就是AI不会销弱数据库，反倒是AI会让数据库变得非常的重要。
这个并不是因为我说我因我是做数据库的我才有这样的观点。
这个并不是因为我说我因我是做数据库的我才有这样的观点。
而是我自己对于整个AI AGENT的，就尤其AI这个产业的一点浅显的认知吧。
而是我自己对于整个AI AGENT的，就尤其AI这个产业的一点浅显的认知吧。
SARS它有这个行业这个数这些软件嘛？
SARS它有这个行业这个数这些软件嘛？
它有几个问题：首先第一个，它是按坐，一般是按坐席付费，按坐席付费就贵，贵得离谱。
它有几个问题：首先第一个，它是按坐，一般是按坐席付费，按坐席付费就贵，贵得离谱。
就比如我们现在其实用的SALESFORCE对吧？
就比如我们现在其实用的SALESFORCE对吧？
我们现在其实我们也不怎么想用SALESFORCE，因为SALESFORCE太贵了。
我们现在其实我们也不怎么想用SALESFORCE，因为SALESFORCE太贵了。
对吧，我包括很多saas软件其实也是很贵的，这是一方面，然后另外一方面就是突然大家发现随着AI A性的这个兴起，尤其是CPT发到5.5，然后克罗德克其实就是4.6之后，我突然感觉到就是有些业务系统你其实可以非常容易方便的去实现。
对吧，我包括很多saas软件其实也是很贵的，这是一方面，然后另外一方面就是突然大家发现随着AI A性的这个兴起，尤其是CPT发到5.5，然后克罗德克其实就是4.6之后，我突然感觉到就是有些业务系统你其实可以非常容易方便的去实现。
而且它的成本是非常低的，通常情况下你买一个200到一个月的那个ChatGPT就是Codex或者那个ChatCode，你就能解决你的很多问题的时候，你就会发现一个特别好玩的事情，其实就是我刚才说的中间这一层会被AI的极度的压缩。
而且它的成本是非常低的，通常情况下你买一个200到一个月的那个ChatGPT就是Codex或者那个ChatCode，你就能解决你的很多问题的时候，你就会发现一个特别好玩的事情，其实就是我刚才说的中间这一层会被AI的极度的压缩。
会变成被AI agent给取代，就是agent可以取代，那么但是它取代之后呢？
会变成被AI agent给取代，就是agent可以取代，那么但是它取代之后呢？
他还是有个东西他没法去做是吧？
他还是有个东西他没法去做是吧？
就是你的业务系统被agent取代之后，客户对于用户用你的用你的agent来去实现他的业务逻辑的时候，他还是有个地方需要去放他所有的东西，因为这个东西才是他整个公司的资产或者他整个公司数据沉淀出来的价值，他还是有个地方去放，那么到底是怎么去放这些东西？
就是你的业务系统被agent取代之后，客户对于用户用你的用你的agent来去实现他的业务逻辑的时候，他还是有个地方需要去放他所有的东西，因为这个东西才是他整个公司的资产或者他整个公司数据沉淀出来的价值，他还是有个地方去放，那么到底是怎么去放这些东西？
那对于数据过场来说其实就是一个很好的机会。
那对于数据过场来说其实就是一个很好的机会。
它需要的是，如果一个数据库公司能做一个产品，能够让A进的非常方便地去把它的业务逻辑的这些数据很好地去存储放到它这个产品里面。
它需要的是，如果一个数据库公司能做一个产品，能够让A进的非常方便地去把它的业务逻辑的这些数据很好地去存储放到它这个产品里面。
那么这个数据库的价值就会非常大了，这也是我一直给的观点。
那么这个数据库的价值就会非常大了，这也是我一直给的观点。
就是AI，所以说这我的观点其实就是在AI进的时代，数据库的价值反倒是越来越大，因为它会变成A进的整个的一个状态呀，或者CONTEXT啊，或者你上下文的管理的最核心的。
就是AI，所以说这我的观点其实就是在AI进的时代，数据库的价值反倒是越来越大，因为它会变成A进的整个的一个状态呀，或者CONTEXT啊，或者你上下文的管理的最核心的。
一个 source of truth 也就是你的整个 a 的最核心的一些东西就会放到这个数据库来去存对吧当然还有一个问题刚才其实你也是提到哎那数据库为这么重要的情况下为什么有些数据库公司估值也是往下面掉的很厉害对吧这个其实也是那当然我们具体哪些数据公司我不说啊不过大家可以去看一下。
一个 source of truth 也就是你的整个 a 的最核心的一些东西就会放到这个数据库来去存对吧当然还有一个问题刚才其实你也是提到哎那数据库为这么重要的情况下为什么有些数据库公司估值也是往下面掉的很厉害对吧这个其实也是那当然我们具体哪些数据公司我不说啊不过大家可以去看一下。
为什么在这样的一个情况下，数据库非常重要？
为什么在这样的一个情况下，数据库非常重要？
但是为什么有些数据库公司反倒是不行了？
但是为什么有些数据库公司反倒是不行了？
我浅显的认知啊，可能有几个点。
我浅显的认知啊，可能有几个点。
首先呢，就是如果一个数据库。
首先呢，就是如果一个数据库。
只提供了简单的，就是你之前跟我探讨过，只提供了简单CRUD，就是增删查改这样最基本的功能。
只提供了简单的，就是你之前跟我探讨过，只提供了简单CRUD，就是增删查改这样最基本的功能。
它其实是很难满足AI A进的时，就是A进的时代下面，A进的对数据库的需求的。
它其实是很难满足AI A进的时，就是A进的时代下面，A进的对数据库的需求的。
其实我刚才就提到，A进的它不光需要一个数据库，它也需要什么memory，它也需要什么state管理，它也需要文件系统，它也需要什么，因为它有或者是coding的产品的话，它也需要workspace等等各种各样的东西。
其实我刚才就提到，A进的它不光需要一个数据库，它也需要什么memory，它也需要什么state管理，它也需要文件系统，它也需要什么，因为它有或者是coding的产品的话，它也需要workspace等等各种各样的东西。
它已经不单是只是一个数据库的增删查改的一个数据库啊，它是一个更大的一个统一的一个存储的一个就是存储引擎。
它已经不单是只是一个数据库的增删查改的一个数据库啊，它是一个更大的一个统一的一个存储的一个就是存储引擎。
当然我是这么理解，这是第一个方面的一个事儿。
当然我是这么理解，这是第一个方面的一个事儿。
然后第二个事情呢是什么呢？
然后第二个事情呢是什么呢？
第二个事情呢是很多的数据库它其实还是没把就是可扩展性这个问题给很好的去解决。
第二个事情呢是很多的数据库它其实还是没把就是可扩展性这个问题给很好的去解决。
然后第三点其实我这是我最近的一个认知吧，其实也就是。
然后第三点其实我这是我最近的一个认知吧，其实也就是。
在 agent 的时代下面，数据库的用户已经完全从人转向了 agent。
在 agent 的时代下面，数据库的用户已经完全从人转向了 agent。
人使用数据库和A型的使用数据库是完全完全不一样的，就或者举个最简单的例子，以前我们做SARS系统，就泰迪利做SARS，我只关心的是我我只卖给你一个数据库，你这一个数据库因为都是你的业务系统去使用嘛，然后呢即使我的运维操作人员也没有多少个，我的账号体系我非常好很好的去管控。
人使用数据库和A型的使用数据库是完全完全不一样的，就或者举个最简单的例子，以前我们做SARS系统，就泰迪利做SARS，我只关心的是我我只卖给你一个数据库，你这一个数据库因为都是你的业务系统去使用嘛，然后呢即使我的运维操作人员也没有多少个，我的账号体系我非常好很好的去管控。
但是随着AI时代来临之后，我们现在给客户卖的是什么？
但是随着AI时代来临之后，我们现在给客户卖的是什么？
就是卖了100万个数据库、200万个数据库。
就是卖了100万个数据库、200万个数据库。
它就是因为A型的和每个A型的都需要一个数据库，但是这个我们可以后面再讨论了。
它就是因为A型的和每个A型的都需要一个数据库，但是这个我们可以后面再讨论了。
所以说它整个的使用的方式是完全不一样的。
所以说它整个的使用的方式是完全不一样的。
所以这几点来说的话就是呃再归纳总结一下，就是首先第一个就是。
所以这几点来说的话就是呃再归纳总结一下，就是首先第一个就是。
可扩展性的问题，然后再包括一个那个可能是不仅仅是一个数据库，而且是一个正更的是多模态的一个数据存就统一的存储引擎，然后再加上一个完全针对A把A进的作为一等公民的这样一个设计理念，这些东西如果你不去调整做好，你就会看到很多的你看到的很多数据库企业就直线的它整个的估值直线的往下面掉，是因为他们在AIAD的这个时代他们满足不了。
可扩展性的问题，然后再包括一个那个可能是不仅仅是一个数据库，而且是一个正更的是多模态的一个数据存就统一的存储引擎，然后再加上一个完全针对A把A进的作为一等公民的这样一个设计理念，这些东西如果你不去调整做好，你就会看到很多的你看到的很多数据库企业就直线的它整个的估值直线的往下面掉，是因为他们在AIAD的这个时代他们满足不了。
A镜的需求。
A镜的需求。
刚才讲的非常很好啊，对然后能不能稍微展开一下？
刚才讲的非常很好啊，对然后能不能稍微展开一下？
就是你刚才也聊到了，就是现在其实嗯就是使用数据库的主体已经从人变成A镜头了，对那A镜头对数据库的需求和人有些什么样的区别呢？
就是你刚才也聊到了，就是现在其实嗯就是使用数据库的主体已经从人变成A镜头了，对那A镜头对数据库的需求和人有些什么样的区别呢？
OK这个还是一个很好玩的一个话题啊，呃我大概想了想可能会有几个方面呢，首先第一个事情呢人嘛就是我用手操作。
OK这个还是一个很好玩的一个话题啊，呃我大概想了想可能会有几个方面呢，首先第一个事情呢人嘛就是我用手操作。
在某一些方面它还是个低频操作，对不对？
在某一些方面它还是个低频操作，对不对？
当然业务系统是另外一回事啊，就是它还是个低频操作。
当然业务系统是另外一回事啊，就是它还是个低频操作。
但是在AI AGENT的时代是完全不一样，就AGENT的使用数据库的话，它会变得非常高频而且更动态而且更不可预测。
但是在AI AGENT的时代是完全不一样，就AGENT的使用数据库的话，它会变得非常高频而且更动态而且更不可预测。
你现在要AGENT的完成一个任务对吧？
你现在要AGENT的完成一个任务对吧？
你其实就告诉他我要完成这个任务。
你其实就告诉他我要完成这个任务。
具体这个A型的这个任务，怎么去读取数据库？
具体这个A型的这个任务，怎么去读取数据库？
怎么去高频的访问？
怎么去高频的访问？
怎么去检索？
怎么去检索？
你你完全不知道。
你你完全不知道。
这个其实就是一个非常高频的，然后不可确定性的一个这个查询到数据库了。
这个其实就是一个非常高频的，然后不可确定性的一个这个查询到数据库了。
我觉得这是一方面吧。
我觉得这是一方面吧。
然后另外一个事情呢，就是对A型的来说，我猜测你也使用了非常多的一些A型的一些应用吧，就比方说CLOUD CODE呀，或者ChatGPT啊，对吧？
然后另外一个事情呢，就是对A型的来说，我猜测你也使用了非常多的一些A型的一些应用吧，就比方说CLOUD CODE呀，或者ChatGPT啊，对吧？
或者更多的一些CODING的一些场景，对吧？
或者更多的一些CODING的一些场景，对吧？
然后 agent 呢，其实特别好玩的一个事情其实就是。
然后 agent 呢，其实特别好玩的一个事情其实就是。
呃呃当然因为A的现在AI这么出发展其实还是之前那边喷的我呃但是你多有力的那些拍那些paper去吧其实核心的其实就是你要A的要越要越智能所以它的整个context就是上下文其实应该是越完备然后它跨整个对话的东西存的越多你让A的指导你的A的做下个的任务的时候它会做的更加精确。
呃呃当然因为A的现在AI这么出发展其实还是之前那边喷的我呃但是你多有力的那些拍那些paper去吧其实核心的其实就是你要A的要越要越智能所以它的整个context就是上下文其实应该是越完备然后它跨整个对话的东西存的越多你让A的指导你的A的做下个的任务的时候它会做的更加精确。
对吧，如果你一个contact的非常少的话，你也知道就是它A金的通常情况下，它处理的东西它是不对的。
对吧，如果你一个contact的非常少的话，你也知道就是它A金的通常情况下，它处理的东西它是不对的。
所以说呢，你让A加操作的时候，它从数据库读的东西，它会相比人来读的东西，它会有多了很多。
所以说呢，你让A加操作的时候，它从数据库读的东西，它会相比人来读的东西，它会有多了很多。
因为它需要更长的上下文。
因为它需要更长的上下文。
但是呢，很多时候你人操作一个东西的时候，你会发现人你的人脑这个东西，你其实记得已经很熟了，很多东西你的业务系统记到你的脑子里面的，它是不需要很多这么长的数据库的上下文来处理的。
但是呢，很多时候你人操作一个东西的时候，你会发现人你的人脑这个东西，你其实记得已经很熟了，很多东西你的业务系统记到你的脑子里面的，它是不需要很多这么长的数据库的上下文来处理的。
但是对于A进来的时候，它必须把这些东西给记住，而且保留下。
但是对于A进来的时候，它必须把这些东西给记住，而且保留下。
这是上下文的问题，然后另外一个事情呢其实就是生命周期更短。
这是上下文的问题，然后另外一个事情呢其实就是生命周期更短。
我之前看过一个就是database他写过一篇文章讲他们那个base吧，就是讲他们另外的一个数据库产品，他们其实说到是90%的他们的整个数据库就是是由agent临时创建。
我之前看过一个就是database他写过一篇文章讲他们那个base吧，就是讲他们另外的一个数据库产品，他们其实说到是90%的他们的整个数据库就是是由agent临时创建。
销毁使用的这个东西是跟人使用数据库是完全不一样的，就是假设你现在人你要去做一次数据库，你通常情况下你会把这个数据库提前分配，然后长期把它跑起来，所以说你会看到数据库实力是一个长期一个甚至是7×24小时可稳定执行的一个服务。
销毁使用的这个东西是跟人使用数据库是完全不一样的，就是假设你现在人你要去做一次数据库，你通常情况下你会把这个数据库提前分配，然后长期把它跑起来，所以说你会看到数据库实力是一个长期一个甚至是7×24小时可稳定执行的一个服务。
但是对于agent来说不一样，agent它很可能是它申请了一个数据库，它跑完它就利用它直接把这个数据给关掉删掉了。
但是对于agent来说不一样，agent它很可能是它申请了一个数据库，它跑完它就利用它直接把这个数据给关掉删掉了。
所以说agent对整个的数据库的生命周期要求的是更短的。
所以说agent对整个的数据库的生命周期要求的是更短的。
而且大量的A金的可能业务场景里面，数据库它可能就是一个用后即焚这样的一个状态，它完全生命周期不一样。
而且大量的A金的可能业务场景里面，数据库它可能就是一个用后即焚这样的一个状态，它完全生命周期不一样。
然后还有一个事情呢，其实就是什么呢？
然后还有一个事情呢，其实就是什么呢？
你人使用数据库主要是回答的是数据库在哪、数据在哪里的问题，因为我人通过编我的业务系统怎么开发什么的，我又把我的数据存到某个地方去了，所以我我要用这些数据的时候，我只要去的是说诶我数据在哪里，我怎么把它查出来对吧？
你人使用数据库主要是回答的是数据库在哪、数据在哪里的问题，因为我人通过编我的业务系统怎么开发什么的，我又把我的数据存到某个地方去了，所以我我要用这些数据的时候，我只要去的是说诶我数据在哪里，我怎么把它查出来对吧？
这是一个非常简单的一个逻辑。
这是一个非常简单的一个逻辑。
但是A进他在使用的时候呢，他其实不知道这些东西，因为他不有上线上下文嘛。
但是A进他在使用的时候呢，他其实不知道这些东西，因为他不有上线上下文嘛。
所以说呢，嗯，他不光相比人数据在哪里的时候，他还要知道的是：哎，当前的状态是什么样的？
所以说呢，嗯，他不光相比人数据在哪里的时候，他还要知道的是：哎，当前的状态是什么样的？
上下文是什么样的？
上下文是什么样的？
我哎，我的权限是什么样的？
我哎，我的权限是什么样的？
项目能做什么、不能做什么。
项目能做什么、不能做什么。
大家可能听到哈里斯这些东西嘛，对数据库来说，A进的也是需要哈里斯的，所以他这些东西都需要知道。
大家可能听到哈里斯这些东西嘛，对数据库来说，A进的也是需要哈里斯的，所以他这些东西都需要知道。
然后呢，所以他就需要更强的可追溯性。
然后呢，所以他就需要更强的可追溯性。
可审计性这些东西，它的整个的可监控性就要更强，否则的话，a 现在它不知道怎么去用你的整个数据库，所以你可以看到就是，相比于人使用数据库，a 现在对数据库的要求其实反倒是更高的，而且是跟传统之前人使，我们最开始使用的数据库那种的方式是完全不一样的。
可审计性这些东西，它的整个的可监控性就要更强，否则的话，a 现在它不知道怎么去用你的整个数据库，所以你可以看到就是，相比于人使用数据库，a 现在对数据库的要求其实反倒是更高的，而且是跟传统之前人使，我们最开始使用的数据库那种的方式是完全不一样的。
这个是我的一点浅显的认知吧。
这个是我的一点浅显的认知吧。
对，听起来我就有点，我感觉有点像就是G mail那会儿刚出来的时候有点像。
对，听起来我就有点，我感觉有点像就是G mail那会儿刚出来的时候有点像。
就那之前就是空间都是很宝贵的，对你说hotmail给提供什么5兆的空间10兆的哎，所以说这个肯定已经很大了，对gmail直接给提供一个无限的。
就那之前就是空间都是很宝贵的，对你说hotmail给提供什么5兆的空间10兆的哎，所以说这个肯定已经很大了，对gmail直接给提供一个无限的。
对你这个的逻辑也非常有道理啊，其实就是你会发现一个事情嘛，就是很多基础架构设施的变革其实在美国嘛真的是这种的天马行空的这种需求导。
对你这个的逻辑也非常有道理啊，其实就是你会发现一个事情嘛，就是很多基础架构设施的变革其实在美国嘛真的是这种的天马行空的这种需求导。
引起的就是造成的然后天马行空需求把这个基础架构变化之后这个基础价基于这个基础架构之后又长出了完全不一样的这种业务场景。
引起的就是造成的然后天马行空需求把这个基础架构变化之后这个基础价基于这个基础架构之后又长出了完全不一样的这种业务场景。
是的刚好能不能分享一下就是因为刚刚讲到就TIDB非常多的A镜头做过产品就他们有一些什么样的天马行空的需求来找找你们。
是的刚好能不能分享一下就是因为刚刚讲到就TIDB非常多的A镜头做过产品就他们有一些什么样的天马行空的需求来找找你们。
这个我当然说的可能会比较多呀我们第一个客户其实是国内的。
这个我当然说的可能会比较多呀我们第一个客户其实是国内的。
非常有名的大模型的一个公司啊，具体名字我不能说啊。
非常有名的大模型的一个公司啊，具体名字我不能说啊。
就是非常非常有名，当时他们找到我们的时候呢，他们干的一个事情其实什么？
就是非常非常有名，当时他们找到我们的时候呢，他们干的一个事情其实什么？
他们说的是因为他们其实那个场景非常简单，其实你用过ChatGPT应该知道，ChatGPT他们对话嘛，然后他们也提供了整个对话场景，然后他们发现这些对话场景他们要存到数据库的时候呢，他们以前就用的POSTGRESQL，然后呢发现就是。
他们说的是因为他们其实那个场景非常简单，其实你用过ChatGPT应该知道，ChatGPT他们对话嘛，然后他们也提供了整个对话场景，然后他们发现这些对话场景他们要存到数据库的时候呢，他们以前就用的POSTGRESQL，然后呢发现就是。
量小的时候还好，然后呢量大的时候，因为你的用户他们刚好那段时间他们开源了那几个非常大的一些模型嘛，然后呢全球全球都火了嘛，然后呢就是一股脑的一堆的人涌涌上去使用他们两个chat对话这些东西，那他们突然就发现了一个事情，哎就是我的chat或者是我的整个的应用系统所有的原信息。
量小的时候还好，然后呢量大的时候，因为你的用户他们刚好那段时间他们开源了那几个非常大的一些模型嘛，然后呢全球全球都火了嘛，然后呢就是一股脑的一堆的人涌涌上去使用他们两个chat对话这些东西，那他们突然就发现了一个事情，哎就是我的chat或者是我的整个的应用系统所有的原信息。
我是存不住的，存不了啊。
我是存不住的，存不了啊。
后来他们又找到我们，然后呢，他们就把我，他们的分库分表从PG迁到TIDB，然后现在扛住他们的增长，到现在他们还在用。
后来他们又找到我们，然后呢，他们就把我，他们的分库分表从PG迁到TIDB，然后现在扛住他们的增长，到现在他们还在用。
这其实当时我们还觉得，哎，AI这个公司，这些场景不就是典型的数据库的，就TIDB最核心的那个，解决分库分表这样的一个场景嘛，就是解决数据Scalability这样的问题的嘛，就也就这样嘛，对不对？
这其实当时我们还觉得，哎，AI这个公司，这些场景不就是典型的数据库的，就TIDB最核心的那个，解决分库分表这样的一个场景嘛，就是解决数据Scalability这样的问题的嘛，就也就这样嘛，对不对？
这其实我们最开始的一个浅显的认知，那其实这个是浅显。
这其实我们最开始的一个浅显的认知，那其实这个是浅显。
然后呢就开始被啪啪打脸了，然后呢第二个公司，第二个公司我可以说第二个公司叫DZ，就DIFY，就是全球非常知名的AI的WORKFLOW编排，现在也很火的。
然后呢就开始被啪啪打脸了，然后呢第二个公司，第二个公司我可以说第二个公司叫DZ，就DIFY，就是全球非常知名的AI的WORKFLOW编排，现在也很火的。
然后他们找过来的时候呢，当时他们的老大就跟我们说，他们遇到一个问题，因为他们他们也提供SAAS这个服务嘛，然后呢他们允许用户自己在他们SAAS平台上构建他们的整个的一个AT的WORKFLOW编排。
然后他们找过来的时候呢，当时他们的老大就跟我们说，他们遇到一个问题，因为他们他们也提供SAAS这个服务嘛，然后呢他们允许用户自己在他们SAAS平台上构建他们的整个的一个AT的WORKFLOW编排。
然后他们说的是。
然后他们说的是。
诶，他们是个SARS服务。
诶，他们是个SARS服务。
然后呢？
然后呢？
但是他们又说的是：诶，我们不又不想用传统的SARS之前的很多SARS的服务的设计方式来去设计数据库。
但是他们又说的是：诶，我们不又不想用传统的SARS之前的很多SARS的服务的设计方式来去设计数据库。
我说一下整个传统的传统的SARS，它怎么去用数据库的？
我说一下整个传统的传统的SARS，它怎么去用数据库的？
它假设我有100万个用户，对吧？
它假设我有100万个用户，对吧？
它可能就是一个数据库里面，它可能就是一张表，把用户按照用户的ID放在这个表里面，然后通过用户的ID来去判断这行数据。
它可能就是一个数据库里面，它可能就是一张表，把用户按照用户的ID放在这个表里面，然后通过用户的ID来去判断这行数据。
属于哪个用户？
属于哪个用户？
呃当然还有一些其他的一些方案，但是大差不差其实就是这样。
呃当然还有一些其他的一些方案，但是大差不差其实就是这样。
就是说传统的SAAS应用它会还是把很多的用户的租户的数据放在一张表里面或者放在一个数据库里面进行管理，但是DEFI呢它不想这么做，它想的是诶我们能不能够给一个用户。
就是说传统的SAAS应用它会还是把很多的用户的租户的数据放在一张表里面或者放在一个数据库里面进行管理，但是DEFI呢它不想这么做，它想的是诶我们能不能够给一个用户。
一个独立的一个数据库，其实也就是说我我这个用户我就可以把我整个的workflow这个东西全部放在这个里面。
一个独立的一个数据库，其实也就是说我我这个用户我就可以把我整个的workflow这个东西全部放在这个里面。
对吧，哎，然后当时他们一说到是他们说他们有几十万个用户，对吧？
对吧，哎，然后当时他们一说到是他们说他们有几十万个用户，对吧？
啊，当然现在更多了。
啊，当然现在更多了。
我具体数字我不说了。
我具体数字我不说了。
他们为什么要这样的需求呢？
他们为什么要这样的需求呢？
擦一下。
擦一下。
这是个非常好的一个问题。
这是个非常好的一个问题。
这个其实这个需求就非常简单，就是隔离。
这个其实这个需求就非常简单，就是隔离。
现在假设我假设我有100万个用户，我如果这100个用户的所有数据放在一个数据库里面，假设这个数据库仍然能存下，放在一个数据库里面，我这个数据库里面任何的一次故障或者任何一个变更可能都会影响这100万个用户。
现在假设我假设我有100万个用户，我如果这100个用户的所有数据放在一个数据库里面，假设这个数据库仍然能存下，放在一个数据库里面，我这个数据库里面任何的一次故障或者任何一个变更可能都会影响这100万个用户。
然后第二个事情呢，就是隔离上面就是说因为我的所有的用户用户的数据是放在一个数据库里面的，假设我代码可能逻辑哪个地方没写好。
然后第二个事情呢，就是隔离上面就是说因为我的所有的用户用户的数据是放在一个数据库里面的，假设我代码可能逻辑哪个地方没写好。
我可能会出现非常严重的后果，就是我的某个用户的数据能够读到其他用户的数据。
我可能会出现非常严重的后果，就是我的某个用户的数据能够读到其他用户的数据。
这个其实是一个非常大的一个业务系统的一个灾难。
这个其实是一个非常大的一个业务系统的一个灾难。
还有个情况就是因为我是一个SaaS服务，我是来对我用户授权的，我用户怎么去使用我的数据库这个东西用了多少东西用了多少量？
还有个情况就是因为我是一个SaaS服务，我是来对我用户授权的，我用户怎么去使用我的数据库这个东西用了多少东西用了多少量？
如果你再放到一个数据库里面，你是很难对这些用户单独计费的。
如果你再放到一个数据库里面，你是很难对这些用户单独计费的。
就计费上面也是比较困难的一个事情，所以说他们跟我们探讨是哎我们能不能一个用户一个数据库，这样的话呢我一一是隔离也解决了，第二个事情呢就是我的整个的比其他用户的变更也不会影响其他的用户，还有呢就是因为我一个数据库嘛所以可以单独非常容易方便的去计费，大概就是这样的一些原因，然后他们就觉得能不能去做这个事情。
就计费上面也是比较困难的一个事情，所以说他们跟我们探讨是哎我们能不能一个用户一个数据库，这样的话呢我一一是隔离也解决了，第二个事情呢就是我的整个的比其他用户的变更也不会影响其他的用户，还有呢就是因为我一个数据库嘛所以可以单独非常容易方便的去计费，大概就是这样的一些原因，然后他们就觉得能不能去做这个事情。
但是呢，对我们来说，这个其实就是一个很大的一个挑战了。
但是呢，对我们来说，这个其实就是一个很大的一个挑战了。
因为我们以前是只是一个一个数据库卖的，对吧？
因为我们以前是只是一个一个数据库卖的，对吧？
一个数据库你可能是水平扩展，这是很大的一个用户请求。
一个数据库你可能是水平扩展，这是很大的一个用户请求。
但是现在我们价格要买几十万个数据库，这个东西其实对我们来说挑战是非常大的，就是SARS服务上面。
但是现在我们价格要买几十万个数据库，这个东西其实对我们来说挑战是非常大的，就是SARS服务上面。
但是我们就把它做了，这也是我们我们其实也就是我们的100万个数据库后面的一个产品呢，打下来一个基础。
但是我们就把它做了，这也是我们我们其实也就是我们的100万个数据库后面的一个产品呢，打下来一个基础。
这是第二个CASE。
这是第二个CASE。
第三个CASE是什么呢？
第三个CASE是什么呢？
某头部的。
某头部的。
超大模型来找到我们，他们说的是我们也要100万个数据库，但是我们通常情况下你做你做产品的应该知道，你一般听到但是的时候你就想哎，一定又有很多又不一样的需求又过来了，对吧？
超大模型来找到我们，他们说的是我们也要100万个数据库，但是我们通常情况下你做你做产品的应该知道，你一般听到但是的时候你就想哎，一定又有很多又不一样的需求又过来了，对吧？
对。
对。
但是是什么呢？
但是是什么呢？
他们是一个什么样的场景呢？
他们是一个什么样的场景呢？
他们是一个建站的场景，这个头部的公司，他们的建站就是说用户能够使用他们的服务，非常方便的去构建一个个人的站点，就比如说什么，甚至包括构建一个block系统啊，构建一个C R M系统啊，甚至不构建一个自己的S A R S系统。
他们是一个建站的场景，这个头部的公司，他们的建站就是说用户能够使用他们的服务，非常方便的去构建一个个人的站点，就比如说什么，甚至包括构建一个block系统啊，构建一个C R M系统啊，甚至不构建一个自己的S A R S系统。
然后呢，他们把这个系统去托管了，然后对外提供服务。
然后呢，他们把这个系统去托管了，然后对外提供服务。
这个呢其实是。
这个呢其实是。
还是非常激进的。
还是非常激进的。
在他们做这个业务之前呢，其实业界其实已经有一些其他的一些尝试。
在他们做这个业务之前呢，其实业界其实已经有一些其他的一些尝试。
就就比如说欧洲现在非常知名的一个公司叫LOVEABLE，对吧？
就就比如说欧洲现在非常知名的一个公司叫LOVEABLE，对吧？
LOVEABLE其实也是个建站平台，但是LOVEABLE这个建站平台呢，他让用户建完这个站之后呢。
LOVEABLE其实也是个建站平台，但是LOVEABLE这个建站平台呢，他让用户建完这个站之后呢。
他最底层的数据库那一层，他这样用户自己去买SofaBase的，或者买阿里云买其他数据库的，就是他负负责帮你托管数据库。
他最底层的数据库那一层，他这样用户自己去买SofaBase的，或者买阿里云买其他数据库的，就是他负负责帮你托管数据库。
但是呢这个头部AI公司找到我们了之后，他就说的是我我要干得更激进一点，我不光是要做建站，我要帮用户托管他们的整个业务系统，也就是说我要数据包括数据库我也要去托管，它其实更上一层楼就是它更激进的，它就是说我现在需要的就是我的A技能能够去自主的去创建数据库。
但是呢这个头部AI公司找到我们了之后，他就说的是我我要干得更激进一点，我不光是要做建站，我要帮用户托管他们的整个业务系统，也就是说我要数据包括数据库我也要去托管，它其实更上一层楼就是它更激进的，它就是说我现在需要的就是我的A技能能够去自主的去创建数据库。
能够去自主的去写自己的业务逻辑，生成整个数据库的业务代码，放到跑到你的数据库。
能够去自主的去写自己的业务逻辑，生成整个数据库的业务代码，放到跑到你的数据库。
同时呢，能够自己的去完全生成它的整个查询逻辑，去使用你的数据库。
同时呢，能够自己的去完全生成它的整个查询逻辑，去使用你的数据库。
所以这个时候。
所以这个时候。
就一个非常大的变革，其实什么呢？
就一个非常大的变革，其实什么呢？
在最开始的时候，其实我们提供100万的数据库，还是我作为数据、作为企业厂商，他自己还是能够控制定制他整个业务逻辑怎么去使用，控制他自己的系系统怎么去使用数据库的。
在最开始的时候，其实我们提供100万的数据库，还是我作为数据、作为企业厂商，他自己还是能够控制定制他整个业务逻辑怎么去使用，控制他自己的系系统怎么去使用数据库的。
但是。
但是。
在第三个 case 就是头部这个 agent 的平台之后，他使用了数据库的时候，他就已经完完全全的呃把 agent 的变成了数据库的一等公民。
在第三个 case 就是头部这个 agent 的平台之后，他使用了数据库的时候，他就已经完完全全的呃把 agent 的变成了数据库的一等公民。
数据库所有的使用，整个寿命生命周期的管理，是由这个 agent 来全权负责的。
数据库所有的使用，整个寿命生命周期的管理，是由这个 agent 来全权负责的。
这个其实对于数据库的挑战就是非常非常大了，就是我们的第三阶段。
这个其实对于数据库的挑战就是非常非常大了，就是我们的第三阶段。
其实这个时候呢，就我们已经主，我们在那个时候我们就意识到数据库已经不是给人设计的，数据库已经是要给A型的去设计了，对吧？
其实这个时候呢，就我们已经主，我们在那个时候我们就意识到数据库已经不是给人设计的，数据库已经是要给A型的去设计了，对吧？
这个就是第三阶段，然后呢。
这个就是第三阶段，然后呢。
本来我们以为哎A G的业务产业可能也就这样到头了对吧？
本来我们以为哎A G的业务产业可能也就这样到头了对吧？
其实数据库嘛对吧？
其实数据库嘛对吧？
无论你还能也还能玩出来什么花对不对？
无论你还能也还能玩出来什么花对不对？
然后呢又来一个单式啊，今年的话另外一个客户找过来，但是这个客户的话名字就不能说了，但是我相信很多人应该也用过他们产品，就是他是做智能录音设备的，就贴到手机后面的一个智能录音设备的，就全球非常火而且做的非常精。
然后呢又来一个单式啊，今年的话另外一个客户找过来，但是这个客户的话名字就不能说了，但是我相信很多人应该也用过他们产品，就是他是做智能录音设备的，就贴到手机后面的一个智能录音设备的，就全球非常火而且做的非常精。
当时他找到我的时候他就直接问我你的数据能不能存我们的文件你知道吗当时我听到这句话的时候我是你知道我当时想的是我靠我这是什么鬼对吧因为对我们的做数据库的这些人来说他传统的认知里面数据库其实就是存用户数据或者存meta这些数据的。
当时他找到我的时候他就直接问我你的数据能不能存我们的文件你知道吗当时我听到这句话的时候我是你知道我当时想的是我靠我这是什么鬼对吧因为对我们的做数据库的这些人来说他传统的认知里面数据库其实就是存用户数据或者存meta这些数据的。
他不会去存文件，他不会去存那种超大的数据。
他不会去存文件，他不会去存那种超大的数据。
所以说他们说让数据库存文件，其实在传统的做数据库的认知里面，这是一个反直觉的东西。
所以说他们说让数据库存文件，其实在传统的做数据库的认知里面，这是一个反直觉的东西。
当然其实最开始数据库其实也就是文件系统啊，其实它并不是个反直觉的东西。
当然其实最开始数据库其实也就是文件系统啊，其实它并不是个反直觉的东西。
但是在我们现在的很多熟悉MySQL或者熟悉PG的人的脑子里面，它其实是个反直觉的东西。
但是在我们现在的很多熟悉MySQL或者熟悉PG的人的脑子里面，它其实是个反直觉的东西。
你的数据库就不应该存这么存对吧？
你的数据库就不应该存这么存对吧？
然后我就问他，我就比较好奇嘛，哎我说你为什么要去让我们去存文件这个东西或者存这些东西？
然后我就问他，我就比较好奇嘛，哎我说你为什么要去让我们去存文件这个东西或者存这些东西？
然后他就说的是他们的需求很简单。
然后他就说的是他们的需求很简单。
就是因为他们是做录音设备的，所以说呢，他们的用户把一个音视频录下来之后呢，他们之前呢，现在的做法就是先把这些东西要存到S3，就是对象存储。
就是因为他们是做录音设备的，所以说呢，他们的用户把一个音视频录下来之后呢，他们之前呢，现在的做法就是先把这些东西要存到S3，就是对象存储。
因为现在你这些东西一般情况都是不可变的话，要存到对象存储。
因为现在你这些东西一般情况都是不可变的话，要存到对象存储。
同时呢他们要把一些的这些音视频文件，他们要通过AI会生成很多summary啊，会会打很多tag呀，对吧？
同时呢他们要把一些的这些音视频文件，他们要通过AI会生成很多summary啊，会会打很多tag呀，对吧？
会做什么抽取啊，或者会生成transcript啊，就是那种的逐字稿这些东西，然后把这些东西呢有些可能会存到对象存储里面去，或者S3，有些就可能会存到数据库。
会做什么抽取啊，或者会生成transcript啊，就是那种的逐字稿这些东西，然后把这些东西呢有些可能会存到对象存储里面去，或者S3，有些就可能会存到数据库。
所以说这其实就是很多的AI应用当前就是AI应用现在非常经典的架构就是。
所以说这其实就是很多的AI应用当前就是AI应用现在非常经典的架构就是。
文件存S3，或者呃对象存储，原信息存数据库。
文件存S3，或者呃对象存储，原信息存数据库。
这个架构呢，坦白说其实是从我讲来说，其实是一个比较。
这个架构呢，坦白说其实是从我讲来说，其实是一个比较。
优雅的架构啊，不过呢，这个架构其实有几个问题。
优雅的架构啊，不过呢，这个架构其实有几个问题。
这几个问题是什么呢？
这几个问题是什么呢？
首先第一个问题呢就是因为我刚才其实解释了，他们会把用户的把数据存到Meta，Meta刚才我已经不止不止一次的提过，当你的业务规模涨到往上面涨的时候，你的Meta一定会成为一个瓶颈，所以用用原始的最开始的用什么一些。
首先第一个问题呢就是因为我刚才其实解释了，他们会把用户的把数据存到Meta，Meta刚才我已经不止不止一次的提过，当你的业务规模涨到往上面涨的时候，你的Meta一定会成为一个瓶颈，所以用用原始的最开始的用什么一些。
MYSQL这些东西的话，我反正见到我所有的客户都在这一块遇到了瓶颈。
MYSQL这些东西的话，我反正见到我所有的客户都在这一块遇到了瓶颈。
他们要用MYSQL分库分表或者什么的，最终他们都会把它变成一个把分库表给给杀掉，然后换成TIDB来去解决这个问题。
他们要用MYSQL分库分表或者什么的，最终他们都会把它变成一个把分库表给给杀掉，然后换成TIDB来去解决这个问题。
这是第一个就META的可扩展性，这是第一点。
这是第一个就META的可扩展性，这是第一点。
然后第二点是什么？
然后第二点是什么？
第二点因为它们整个文件其实是就是文件放在S3对象存储，META放在数据库，它其实是两个业务逻辑。
第二点因为它们整个文件其实是就是文件放在S3对象存储，META放在数据库，它其实是两个业务逻辑。
所以说，如果你的业务逻辑写的有BUG或者什么的话，或者你的一致性没写好，就会容易出现一个BUG。
所以说，如果你的业务逻辑写的有BUG或者什么的话，或者你的一致性没写好，就会容易出现一个BUG。
就是META和你的存到对象存储的东西，它的一致性出BUG了，也就可能会出现它找不到的情况，会会出现丢数据的情况。
就是META和你的存到对象存储的东西，它的一致性出BUG了，也就可能会出现它找不到的情况，会会出现丢数据的情况。
这我们客户已经跟我们说过，他们遇到这样的BUG。
这我们客户已经跟我们说过，他们遇到这样的BUG。
然后第三个点是什么？
然后第三个点是什么？
我们的很多客户会在S上面他自己构建一层CASH系统，要解决分布式的问题，要解决热点的问题。
我们的很多客户会在S上面他自己构建一层CASH系统，要解决分布式的问题，要解决热点的问题。
我解决来解决去之后，我要发现我要在缓存上面构建一套分布式系统。
我解决来解决去之后，我要发现我要在缓存上面构建一套分布式系统。
这个客户跟我聊完之后，他就是说的是长流。
这个客户跟我聊完之后，他就是说的是长流。
我发现我自己要花很大的精力把这套系统给实现干净，我还不如去选一个能够把文件系统直接把文件存到一个数据库的一个这样的一个解决方案，只要能给解决一个问题，我就只用关注我的业务发展就行了。
我发现我自己要花很大的精力把这套系统给实现干净，我还不如去选一个能够把文件系统直接把文件存到一个数据库的一个这样的一个解决方案，只要能给解决一个问题，我就只用关注我的业务发展就行了。
后面为什么太低利能解决这个问题呢？
后面为什么太低利能解决这个问题呢？
刚好其实因为太低利的它整个的。
刚好其实因为太低利的它整个的。
它的架构其实它的数据也是基于也是存到S3的嘛，就是我们会把对象这种做成我们的数据的SOURCE OF CHOICE。
它的架构其实它的数据也是基于也是存到S3的嘛，就是我们会把对象这种做成我们的数据的SOURCE OF CHOICE。
我们所有数据是存到S3的，所以说你的文件系统、你的文件即使存到TIDB里面，我们也是存到S3的。
我们所有数据是存到S3的，所以说你的文件系统、你的文件即使存到TIDB里面，我们也是存到S3的。
但是因为TIDB它天生的是一个分布式的一个数据库，它的整个分布式事务管理这些东西，它能够天生的去保证你的数据的META和你的整个的文件它的强一致关系。
但是因为TIDB它天生的是一个分布式的一个数据库，它的整个分布式事务管理这些东西，它能够天生的去保证你的数据的META和你的整个的文件它的强一致关系。
他不会出数据不一致的问题。
他不会出数据不一致的问题。
而同时呢就太低，它是典型的，因为它之前一直做分布式系统的嘛，它对整个的分布式刚才我提到什么可扩展性啊或者热点的这些打短处理都有很好的解决方案，所以说呢很多用户也不用特别的在意就是它之前就是太低，就天生的就把我刚才说那些问题天生的解决了。
而同时呢就太低，它是典型的，因为它之前一直做分布式系统的嘛，它对整个的分布式刚才我提到什么可扩展性啊或者热点的这些打短处理都有很好的解决方案，所以说呢很多用户也不用特别的在意就是它之前就是太低，就天生的就把我刚才说那些问题天生的解决了。
所以说他就说哎我能不能把我的文件系统存到你的数据库里面，我们本来觉得这不可思议的，结果发现还真的能存，然后后面的话其实很多客户也用了这同样的解决方案，就是他们的平均的整个的数据的大小应该是30多兆，最大的有100多兆，这个东西其实你搁之前的数据库它是不可想象的一个事情。
所以说他就说哎我能不能把我的文件系统存到你的数据库里面，我们本来觉得这不可思议的，结果发现还真的能存，然后后面的话其实很多客户也用了这同样的解决方案，就是他们的平均的整个的数据的大小应该是30多兆，最大的有100多兆，这个东西其实你搁之前的数据库它是不可想象的一个事情。
然后这是第四个case，然后从那个时候我们就知道好像tidb不光只是一个单纯的数据库啊，它还能干数据库完全不一样的东西，它可能干文件系统，它就它就给你做网盘了，这是前面这几个阶段。
然后这是第四个case，然后从那个时候我们就知道好像tidb不光只是一个单纯的数据库啊，它还能干数据库完全不一样的东西，它可能干文件系统，它就它就给你做网盘了，这是前面这几个阶段。
然后呢，到最近又有特别不一样的事情就出来了。
然后呢，到最近又有特别不一样的事情就出来了。
最近是什么呢？
最近是什么呢？
最近有几个客户。
最近有几个客户。
也找我们嘛，就基于那个文件系统嘛，就是后面Kimi又找了我们，呃，不光是Kimi，还是Worden啊这些客户，就是做。
也找我们嘛，就基于那个文件系统嘛，就是后面Kimi又找了我们，呃，不光是Kimi，还是Worden啊这些客户，就是做。
其实现在就是在AIG的时代，就是另外一个事情，大家使用AIG的其实是。
其实现在就是在AIG的时代，就是另外一个事情，大家使用AIG的其实是。
就是 coding 场景是个非常高频的场景，就是你用很多的，像 opencloud 啊，或者是你的很多 agent 的话，其实很多时候你是要通过让 agent 进行 coding 来去解决它的问题的。
就是 coding 场景是个非常高频的场景，就是你用很多的，像 opencloud 啊，或者是你的很多 agent 的话，其实很多时候你是要通过让 agent 进行 coding 来去解决它的问题的。
对吧？
对吧？
那，agent coding 这个场景下面，很多客户就找过来，他们就说的是，哎，你现在你的，我泰迪币已经支持文件系统了，对吧？
那，agent coding 这个场景下面，很多客户就找过来，他们就说的是，哎，你现在你的，我泰迪币已经支持文件系统了，对吧？
所以说你能不能给我做一个云盘？
所以说你能不能给我做一个云盘？
我这个云盘很简单，因为我的 coding 的这些系统，这些 agent 都应该，都会跑到 sandbox 里面，就是沙箱里面，对吧？
我这个云盘很简单，因为我的 coding 的这些系统，这些 agent 都应该，都会跑到 sandbox 里面，就是沙箱里面，对吧？
现在沙箱这个也非常火，对吧？
现在沙箱这个也非常火，对吧？
沙箱这个概念。
沙箱这个概念。
但是沙箱它有个问题，沙箱那个问题就是它沙箱它是一个无状态的。
但是沙箱它有个问题，沙箱那个问题就是它沙箱它是一个无状态的。
你把你的一个A型的任务扔到这个沙箱里面让它去跑的时候，这个如果这个沙箱挂了，你的整个任务就会失败，你的所所有东西会丢。
你把你的一个A型的任务扔到这个沙箱里面让它去跑的时候，这个如果这个沙箱挂了，你的整个任务就会失败，你的所所有东西会丢。
所以说他们需要有个云盘挂到那个沙箱上面，确保的是你的沙箱在运行的时候能够把你的沙箱所有的什么上下文、运行环境啊什么state全部存到这个云盘里面去。
所以说他们需要有个云盘挂到那个沙箱上面，确保的是你的沙箱在运行的时候能够把你的沙箱所有的什么上下文、运行环境啊什么state全部存到这个云盘里面去。
大概就是这样的一个情况。
大概就是这样的一个情况。
而且另外一个事情还有一个需求是什么呢？
而且另外一个事情还有一个需求是什么呢？
因为我们是coding场景嘛，coding其实是在某一个地方写代码这个东西，他这里大家都知道离不开一个东西叫bit，对吧？
因为我们是coding场景嘛，coding其实是在某一个地方写代码这个东西，他这里大家都知道离不开一个东西叫bit，对吧？
G I T就是源码管理这个东西，但是get这个东西的。
G I T就是源码管理这个东西，但是get这个东西的。
它有很多的一些tricky的东西，它其实对于在某一方如果你是单纯的只是把它把git这个东西挂到云盘上面，其实对于云盘的开销是非常大的，就是因为git它有非常多的一些临时的很多文，就比如说你用把python或者是用nodejs或者生成代码之后，它有很多临时的文件对吧，这些临时文件不应该不应该写到云盘里面去。
它有很多的一些tricky的东西，它其实对于在某一方如果你是单纯的只是把它把git这个东西挂到云盘上面，其实对于云盘的开销是非常大的，就是因为git它有非常多的一些临时的很多文，就比如说你用把python或者是用nodejs或者生成代码之后，它有很多临时的文件对吧，这些临时文件不应该不应该写到云盘里面去。
然后 git 它可能会要去发的，要克，要快速的 clone，或者我要 commit，我改了一个代码之后我要快速 commit，它整个的一个 workload 的流，其实在现在很多传统云盘它是支持不好的，所以说他们客户就跟我们说。
然后 git 它可能会要去发的，要克，要快速的 clone，或者我要 commit，我改了一个代码之后我要快速 commit，它整个的一个 workload 的流，其实在现在很多传统云盘它是支持不好的，所以说他们客户就跟我们说。
你能不能不光是要做一个能够挂在 sandbox 的云盘，同时这个云盘要对 git.
你能不能不光是要做一个能够挂在 sandbox 的云盘，同时这个云盘要对 git.
这个场景要非常定制化的优化，哎刚好了。
这个场景要非常定制化的优化，哎刚好了。
然因为这个对对我们来说其实也是挺好玩的一个事情，刚好其实我数据库有具备的这个能力，所以说我们就基于在数据库的基础上就太低的基础上，我们就做了文件系统的话就变成把文件系统变成了一个云盘，然后就挂载到给些客户的上面，就变真正的变成了一个A进的一个编码的一个。
然因为这个对对我们来说其实也是挺好玩的一个事情，刚好其实我数据库有具备的这个能力，所以说我们就基于在数据库的基础上就太低的基础上，我们就做了文件系统的话就变成把文件系统变成了一个云盘，然后就挂载到给些客户的上面，就变真正的变成了一个A进的一个编码的一个。
挂了一个盘了，就变成了 agent 的工作一个 runtime 就是一个 workspace 这个就是第五个阶段就变成了一个，其实就是这个时候泰迪丽它已经不光是一个数据库了。
挂了一个盘了，就变成了 agent 的工作一个 runtime 就是一个 workspace 这个就是第五个阶段就变成了一个，其实就是这个时候泰迪丽它已经不光是一个数据库了。
它其实是已经变成了一个 agent 的一个 runtime 的 workspace 这是第五个，然后第六个阶段呢，也就是现在我们经历的一个阶段，我刚才其实提到前面那几个阶段。
它其实是已经变成了一个 agent 的一个 runtime 的 workspace 这是第五个，然后第六个阶段呢，也就是现在我们经历的一个阶段，我刚才其实提到前面那几个阶段。
其实我们针对的客户都还是比较大的客户，也就是全球都比较 top 顶级的这些客户，对吧？
其实我们针对的客户都还是比较大的客户，也就是全球都比较 top 顶级的这些客户，对吧？
在某个场景，垂直领域都非常顶级的。
在某个场景，垂直领域都非常顶级的。
然后呢后面有很多的小的客户找到我们，这些小的客户很多名字你都可能没听过，就比如有有有家小公司叫data land，D E O D E O T A L A N D你可能都没听过，他们是做硬件的情感陪伴的一个硬件机器人的，对吧，但是像这种的这种小的客AI的公司。
然后呢后面有很多的小的客户找到我们，这些小的客户很多名字你都可能没听过，就比如有有有家小公司叫data land，D E O D E O T A L A N D你可能都没听过，他们是做硬件的情感陪伴的一个硬件机器人的，对吧，但是像这种的这种小的客AI的公司。
全球非常非常的多，然后他们就找到我们，因为他们看到我们支持了这么多的一些头部的AI企业之后，他们就照到见见到我们，他说：“你能不能给我们提供一个？
全球非常非常的多，然后他们就找到我们，因为他们看到我们支持了这么多的一些头部的AI企业之后，他们就照到见见到我们，他说：“你能不能给我们提供一个？
”Agent 的一个 solution，就是我用你的这个 stack 的一个 solution，我就能够非常方便的去搭建一套我自己的 agent 系统去玩。
”Agent 的一个 solution，就是我用你的这个 stack 的一个 solution，我就能够非常方便的去搭建一套我自己的 agent 系统去玩。
这个东西怎么来说呢？
这个东西怎么来说呢？
就我举个例子啊。
就我举个例子啊。
当然 key 就比如说我们现在客户 key，key 是从来不会跟我们提这个需求的，为什么呢？
当然 key 就比如说我们现在客户 key，key 是从来不会跟我们提这个需求的，为什么呢？
因为他 key 他非常强，所以说他只会跟我们聊，哎你提供文件系统，或者你一个数据库，他这样非常具体的需求。
因为他 key 他非常强，所以说他只会跟我们聊，哎你提供文件系统，或者你一个数据库，他这样非常具体的需求。
但是 key 所有的整个业务系统是 key 他们自己的员工，就是他们自己的同学来答的。
但是 key 所有的整个业务系统是 key 他们自己的员工，就是他们自己的同学来答的。
对，但是因为KIVI它有非常强的研发能力，它能做这个事情。
对，但是因为KIVI它有非常强的研发能力，它能做这个事情。
展开剩余字幕（还有 353 条）
但是对于中国非常多的中小的AI的公司来说，尤其是作为硬件的AI公司来说，他们其实是没有这样的研发能力的。
但是对于中国非常多的中小的AI的公司来说，尤其是作为硬件的AI公司来说，他们其实是没有这样的研发能力的。
他们很难搭建一套A型的一个系统。
他们很难搭建一套A型的一个系统。
我以DATA LAND为举例啊，DATA LAND它它是一个情感陪伴的，对吧？
我以DATA LAND为举例啊，DATA LAND它它是一个情感陪伴的，对吧？
情感陪伴你可以你你可以想象的，它就是一个机器人。
情感陪伴你可以你你可以想象的，它就是一个机器人。
机器人的脑子里面它其实就是连的它后面有个AI agent对吧？
机器人的脑子里面它其实就是连的它后面有个AI agent对吧？
它这个AI agent它就是观察你所有的，它会跟观察你跟你对话，观察你的周边的所有的东西，然后去训练学习。
它这个AI agent它就是观察你所有的，它会跟观察你跟你对话，观察你的周边的所有的东西，然后去训练学习。
当然这个东西所有的全部在云上面的对吧？
当然这个东西所有的全部在云上面的对吧？
训练学习之后这样的话你跟他两个交互它会更生动对吧？
训练学习之后这样的话你跟他两个交互它会更生动对吧？
更有自己的特性特征。
更有自己的特性特征。
这个我我觉得你应该能理解。
这个我我觉得你应该能理解。
他们现在是怎么做的呢？
他们现在是怎么做的呢？
他们做的非常粗暴，就是呢，他们的每个机器人后面起了一台虚拟机，每台虚拟机上跑了一个Open Cloud，就跑了一个小龙虾，然后小龙虾里面就接了一个就是OpenAI的服务或者Claude Code这些服务，对吧？
他们做的非常粗暴，就是呢，他们的每个机器人后面起了一台虚拟机，每台虚拟机上跑了一个Open Cloud，就跑了一个小龙虾，然后小龙虾里面就接了一个就是OpenAI的服务或者Claude Code这些服务，对吧？
这个。
这个。
很简单的东西，但是他们面临一个问题，其实很多中小企业他都这么打都是这么搭建他的A进的系统的，但是这个A进的系统有个非常大的问题就是成本太贵了。
很简单的东西，但是他们面临一个问题，其实很多中小企业他都这么打都是这么搭建他的A进的系统的，但是这个A进的系统有个非常大的问题就是成本太贵了。
当时他们的负责人找到我们说他说我现在造硬件对吧，我硬件因为卖的贵所以说能cover，但是当我硬件卖的越多的时候我这个软件这个成本是非常恐怖的事情，所以说你能不能让我有一套A型的系统。
当时他们的负责人找到我们说他说我现在造硬件对吧，我硬件因为卖的贵所以说能cover，但是当我硬件卖的越多的时候我这个软件这个成本是非常恐怖的事情，所以说你能不能让我有一套A型的系统。
能够就是一套系统能够非常方便的我去把整个的这个就不让让我去操心什么EC2的这事情，不要让我去操心OpenCloud这小龙虾的这些事情，不让让我去关注什么的key的事情，就是那个AI的key的这些问题，你只需要这个系统给我一个key，我就能够非常方便的去。
能够就是一套系统能够非常方便的我去把整个的这个就不让让我去操心什么EC2的这事情，不要让我去操心OpenCloud这小龙虾的这些事情，不让让我去关注什么的key的事情，就是那个AI的key的这些问题，你只需要这个系统给我一个key，我就能够非常方便的去。
在你的这个系统里面去把所有的龙虾这些东西起起来，然后呢我只需要按我的就是按需来付费。
在你的这个系统里面去把所有的龙虾这些东西起起来，然后呢我只需要按我的就是按需来付费。
它其实就是一个A型的stack的一个solution，也就是说。
它其实就是一个A型的stack的一个solution，也就是说。
它需要这样的一个 solution，能够把它把所有的这些我刚才提到什么小龙虾呀，或者 EC2 啊，这些就是虚拟机啊，这些问题全部给包在一起来去解决。
它需要这样的一个 solution，能够把它把所有的这些我刚才提到什么小龙虾呀，或者 EC2 啊，这些就是虚拟机啊，这些问题全部给包在一起来去解决。
这个其实就是衍生出来另外一个东西，也就是 aging 的 stack 其实通常情况对大公司来说，它是非常容易去搭的，但是对于很多中小企业来说，它是完全搭不了的，所以说很多小企业就找我们，他说哎，你你们不一定全部做，你们能不能给我们一个这一个 stack 的一个 solution？
这个其实就是衍生出来另外一个东西，也就是 aging 的 stack 其实通常情况对大公司来说，它是非常容易去搭的，但是对于很多中小企业来说，它是完全搭不了的，所以说很多小企业就找我们，他说哎，你你们不一定全部做，你们能不能给我们一个这一个 stack 的一个 solution？
这样的话呢，我就直接关注我的业务逻辑的开发就行了，其他我都不用管了，对吧？
这样的话呢，我就直接关注我的业务逻辑的开发就行了，其他我都不用管了，对吧？
所以说这个其实也就是到我们，也就是到了第六个阶段，也就是到了我们现在这个阶段，其实我们现在正在跟我们的客户一起在做的，其实就是一个AI，A进的一个solution的一个整合方案，我们希望其实就是把我们的产品。
所以说这个其实也就是到我们，也就是到了第六个阶段，也就是到了我们现在这个阶段，其实我们现在正在跟我们的客户一起在做的，其实就是一个AI，A进的一个solution的一个整合方案，我们希望其实就是把我们的产品。
这联合其他的一些开源软件整合成一个A进的INFORM的整个的一个入口，这样的开发者不需要从零到去搭什么MEMORY啊、搭什么文件系统啊、搭Sandbox啊、就是DATABASE这些东西，而是整个的放到一台A进的这个INFORM里面去构建它自己的A进的应用。
这联合其他的一些开源软件整合成一个A进的INFORM的整个的一个入口，这样的开发者不需要从零到去搭什么MEMORY啊、搭什么文件系统啊、搭Sandbox啊、就是DATABASE这些东西，而是整个的放到一台A进的这个INFORM里面去构建它自己的A进的应用。
我觉得那个阶段很有意思，就一开始其实还是说怎么更好的来存AI产出的就海量数据。
我觉得那个阶段很有意思，就一开始其实还是说怎么更好的来存AI产出的就海量数据。
然后再到时候你给每个A键的分配一个数据库，然后这样就有几百万甚至上千万个数据库，然后A键的去操作。
然后再到时候你给每个A键的分配一个数据库，然后这样就有几百万甚至上千万个数据库，然后A键的去操作。
再往后是让不仅存数据还得存文件，然后最后一步就有意思了，就是你都不是存数据存文件的，你有点像一个直接把A键的存进去这个东西。
再往后是让不仅存数据还得存文件，然后最后一步就有意思了，就是你都不是存数据存文件的，你有点像一个直接把A键的存进去这个东西。
嗯对哎对你这个比例非常小，你把把A键的自己给存进去了。
嗯对哎对你这个比例非常小，你把把A键的自己给存进去了。
感谢DingTalk A1录音卡，你的随身AI办公小助理，为我们的听友送来本期节目福利。
感谢DingTalk A1录音卡，你的随身AI办公小助理，为我们的听友送来本期节目福利。
现在发送暗号DAYONEGLOBAL给钉钉天猫旗舰店客服，即可领取价值59元的钉钉AI听记会员福利，限量300份，先到先得，详情可以查看本期show notes。
现在发送暗号DAYONEGLOBAL给钉钉天猫旗舰店客服，即可领取价值59元的钉钉AI听记会员福利，限量300份，先到先得，详情可以查看本期show notes。
对然后这里面我记得之前跟你聊还有很多有意思的就是故事因为现在也聊FDE嘛你刚才讲到了嗯就是这里面很多需求也不是说你们凭空想出来都是客户给你们提的你从客户那边收集的嗯就能不能聊聊就是你们是怎么看待FDE这个事情以及说你们怎么使用FDE收集到就这么多数据就FDE就解释一下肯定在这种前项部署工程师。
对然后这里面我记得之前跟你聊还有很多有意思的就是故事因为现在也聊FDE嘛你刚才讲到了嗯就是这里面很多需求也不是说你们凭空想出来都是客户给你们提的你从客户那边收集的嗯就能不能聊聊就是你们是怎么看待FDE这个事情以及说你们怎么使用FDE收集到就这么多数据就FDE就解释一下肯定在这种前项部署工程师。
对就直接工程师到客户这边去收集需求，以及说AI这个钱为什么就FD的概念又被炒得很火。
对就直接工程师到客户这边去收集需求，以及说AI这个钱为什么就FD的概念又被炒得很火。
嗯对这是个非常好的问题啊，我甚至毫不夸张的说在AI的时代下面。
嗯对这是个非常好的问题啊，我甚至毫不夸张的说在AI的时代下面。
如果一个公司无论是做基础架构的公司，还是提供AI产品的公司啊。
如果一个公司无论是做基础架构的公司，还是提供AI产品的公司啊。
就是如果你没有FDE这样的一个角色，你其实是很难把你的产品卖到客户那去的，这是我的一个。
就是如果你没有FDE这样的一个角色，你其实是很难把你的产品卖到客户那去的，这是我的一个。
观点呢当然可能很有可能啊也算是个暴论吧为什么我会这么说呢是因为还是我自己观察到我们怎么去支持客户的得到一个结论首先第一个提到FE啊FE其实是一个不是一个很很新的词啊就是大家如果熟悉美股的话就知道美股有个妖股当然我我也重仓他们家的股票那那家客户叫帕兰提尔对吧我觉得想必很多人应该听过这家公司叫帕兰提尔。
观点呢当然可能很有可能啊也算是个暴论吧为什么我会这么说呢是因为还是我自己观察到我们怎么去支持客户的得到一个结论首先第一个提到FE啊FE其实是一个不是一个很很新的词啊就是大家如果熟悉美股的话就知道美股有个妖股当然我我也重仓他们家的股票那那家客户叫帕兰提尔对吧我觉得想必很多人应该听过这家公司叫帕兰提尔。
但是其实有时候想想Palm D它到底有什么核心竞争力对吧？
但是其实有时候想想Palm D它到底有什么核心竞争力对吧？
它其实论模型它其实远远比不上什么OpenAI或者Claude Code对吧？
它其实论模型它其实远远比不上什么OpenAI或者Claude Code对吧？
他们的模型也不是最强的。
他们的模型也不是最强的。
但是呢他们强在什么？
但是呢他们强在什么？
他们强在的就是他能够非常基于这AI的平台然后结合他自己的企业或者某个行业的或者什么政企军工啊这些行业的整个技术知识。
他们强在的就是他能够非常基于这AI的平台然后结合他自己的企业或者某个行业的或者什么政企军工啊这些行业的整个技术知识。
他的员工能够非常方便的去进到客户里面去提供consulting去提供整个的支持。
他的员工能够非常方便的去进到客户里面去提供consulting去提供整个的支持。
帮助客户去使用他们平台，然后去上线这这个反馈循环。
帮助客户去使用他们平台，然后去上线这这个反馈循环。
这里其实普兰特尔一个就是FD，其实普兰特尔最大一个价值我认为其实就是FDE这一块，它真的能够通过它自己的FDE能够给客户带来非常大的价值，同时呢然后反补到它整个的业务上面去。
这里其实普兰特尔一个就是FD，其实普兰特尔最大一个价值我认为其实就是FDE这一块，它真的能够通过它自己的FDE能够给客户带来非常大的价值，同时呢然后反补到它整个的业务上面去。
所以大家可以看到现在无论是OpenAI还是Claude Code官网上面都是大量的去招FDE工程师，在我的看来FDE是你企业的，就是你作为AI产品你提供AI产品的价值。
所以大家可以看到现在无论是OpenAI还是Claude Code官网上面都是大量的去招FDE工程师，在我的看来FDE是你企业的，就是你作为AI产品你提供AI产品的价值。
和用户之间填那最后1公里的爱的角色。
和用户之间填那最后1公里的爱的角色。
啊但这个可能有点极端了，但是我我是真的是这么认为的。
啊但这个可能有点极端了，但是我我是真的是这么认为的。
FDE其实就是弥补你企就是AI产品和企业客户之间那个gap的那个角色吧。
FDE其实就是弥补你企就是AI产品和企业客户之间那个gap的那个角色吧。
我举下就是我们公司的FDE的就时间的一个经验呢。
我举下就是我们公司的FDE的就时间的一个经验呢。
首先第一个事情FDE对吧它是ANYLIA它首先就是ANYLIA所以说FDE需要有非常强的技术背景。
首先第一个事情FDE对吧它是ANYLIA它首先就是ANYLIA所以说FDE需要有非常强的技术背景。
在泰迪币就是在我们公司里面，我们的卖AI产品的销售。
在泰迪币就是在我们公司里面，我们的卖AI产品的销售。
是研发转折，这个其实我觉得可能会去超出很多人的认知，包括我自己也是一样的，我现在负负责的是整个，就是泰迪币的AI的全球业务，我其实是作为泰迪币的一号工程师，但是我现在其实也是转到了业务线，来去做整个的一些业务支持。
是研发转折，这个其实我觉得可能会去超出很多人的认知，包括我自己也是一样的，我现在负负责的是整个，就是泰迪币的AI的全球业务，我其实是作为泰迪币的一号工程师，但是我现在其实也是转到了业务线，来去做整个的一些业务支持。
包括我们在专门在AI这条线的销售。
包括我们在专门在AI这条线的销售。
都是我们的非常资深的研发转过去的，而且这个资深的研发其实什么呢？
都是我们的非常资深的研发转过去的，而且这个资深的研发其实什么呢？
就是我们甚至是想是就是这我们这些研发同学，我们想把它PROMOTE到更高LEVEL，或者是跟他提给他给更大SCOPE，我们是专门是有意的把这些研发转到了业务线，让他去扛业务的指标。
就是我们甚至是想是就是这我们这些研发同学，我们想把它PROMOTE到更高LEVEL，或者是跟他提给他给更大SCOPE，我们是专门是有意的把这些研发转到了业务线，让他去扛业务的指标。
这个其实是，我是觉得为什么在泰迪币在我们这边FD能够成功的一个很重要的因素。
这个其实是，我是觉得为什么在泰迪币在我们这边FD能够成功的一个很重要的因素。
我稍后再解释啊，为什么它是一个非常重要因素。
我稍后再解释啊，为什么它是一个非常重要因素。
那对于FD来说呢？
那对于FD来说呢？
它的价值非常明显，就是因为为什么就AI这个产品它实在太新了，新到什么地步了？
它的价值非常明显，就是因为为什么就AI这个产品它实在太新了，新到什么地步了？
新到的是如果我们再按照传统的那种的卖生意的、卖产品的做法，传统的卖生意的做法是什么？
新到的是如果我们再按照传统的那种的卖生意的、卖产品的做法，传统的卖生意的做法是什么？
大家如果熟悉。
大家如果熟悉。
很多大的企业。
很多大的企业。
研发团队、销售团队，还有一个产品团队，一般情况下它流程是什么样子的？
研发团队、销售团队，还有一个产品团队，一般情况下它流程是什么样子的？
产品团队去拜访客户收集一帮的需求，然后给到研发团队，研发团队把它做完之后呢，对吧发布出去，发布出去之后研发给到PM，PM就要开始写那个什么文档啊，对吧？
产品团队去拜访客户收集一帮的需求，然后给到研发团队，研发团队把它做完之后呢，对吧发布出去，发布出去之后研发给到PM，PM就要开始写那个什么文档啊，对吧？
然后PM团队就可能如果公司分的再细的话呢，PM团队还会跟有一个叫做PMM团队。
然后PM团队就可能如果公司分的再细的话呢，PM团队还会跟有一个叫做PMM团队。
就是product marketing manager，然后去去合作对marketing，然后呢marketing团队合作，然后把这个产品给宣传出去，这一条线，然后PM团队呢还可能对另外的团队去对SA对吧solution engineer，然后呢跟这个SA来解决，跟你说哎这个产品我需要解决什么方案。
就是product marketing manager，然后去去合作对marketing，然后呢marketing团队合作，然后把这个产品给宣传出去，这一条线，然后PM团队呢还可能对另外的团队去对SA对吧solution engineer，然后呢跟这个SA来解决，跟你说哎这个产品我需要解决什么方案。
然后S A拿到之后呢，他可能呢他再去把这个东西。
然后S A拿到之后呢，他可能呢他再去把这个东西。
就去再去赋能到前线的可能售前团队或者是赋能到前线的销售对吧大家可以看到这是非常非常传统的整个公司的一个业务策略打法但是这个业务策略打法在AI时代尤其在AI应用上面是行不通的。
就去再去赋能到前线的可能售前团队或者是赋能到前线的销售对吧大家可以看到这是非常非常传统的整个公司的一个业务策略打法但是这个业务策略打法在AI时代尤其在AI应用上面是行不通的。
行不通的原因，第一个事情是什么？
行不通的原因，第一个事情是什么？
第一个就是AI的变化太快了。
第一个就是AI的变化太快了。
而且用户也很着急。
而且用户也很着急。
如果还按照传统的这样的一个交付模式的话，太慢，用户很有可能就是我今天给你提的需求，我明天要看到结果，或者我晚上要看到结果，这真的是这样的。
如果还按照传统的这样的一个交付模式的话，太慢，用户很有可能就是我今天给你提的需求，我明天要看到结果，或者我晚上要看到结果，这真的是这样的。
我想说的其实我们为什么能够赢得很多客户的信心信任，让客户选择我们，就典型的一个事情就是典型的。
我想说的其实我们为什么能够赢得很多客户的信心信任，让客户选择我们，就典型的一个事情就是典型的。
某个客户嘛，真的是可以早上提需求，我们下午可以跟他们说“ready”，是不是给就交付给他们？
某个客户嘛，真的是可以早上提需求，我们下午可以跟他们说“ready”，是不是给就交付给他们？
这个反馈循环是非常快的。
这个反馈循环是非常快的。
这样的反馈情况下面，你靠传统这样的一个业务模型，你是不能做的。
这样的反馈情况下面，你靠传统这样的一个业务模型，你是不能做的。
这是第一个事情。
这是第一个事情。
然后第二个事情呢，我们发现一个很好玩的事情，当你的，因为我们。
然后第二个事情呢，我们发现一个很好玩的事情，当你的，因为我们。
我们做AI产品嘛，其实要卖给的是AI的客户，对，无论这些客户是大的客户还是小的客户，你会发现非常好玩的一个事情就是。
我们做AI产品嘛，其实要卖给的是AI的客户，对，无论这些客户是大的客户还是小的客户，你会发现非常好玩的一个事情就是。
这些客户他非常技术导向，我现在发现搞AI的公司真的技术能力都是超强的，即使他是硬件公司，他们的员工的技术的认知和视野也是很强很强的，而且他们的决策链非常短，那也就意味着一个事情就是你其实是在跟一帮技术的人在打交道。
这些客户他非常技术导向，我现在发现搞AI的公司真的技术能力都是超强的，即使他是硬件公司，他们的员工的技术的认知和视野也是很强很强的，而且他们的决策链非常短，那也就意味着一个事情就是你其实是在跟一帮技术的人在打交道。
那你跟一帮技术的人在那交打交道的时候呢，你自己技术能力不强。
那你跟一帮技术的人在那交打交道的时候呢，你自己技术能力不强。
你其实很难赢得这些客户的信任的，然后还有一个事情呢就是我刚才说嘛就是业务跑得很快，很有可能你跟客户聊的时候，客户他自己都没意识到我需要这个东西，然后你过去之后你告诉他可能一起跟你两个一起共创，你把他把他的业务场景给理清楚，然后知道他下面下一步去怎么去做。
你其实很难赢得这些客户的信任的，然后还有一个事情呢就是我刚才说嘛就是业务跑得很快，很有可能你跟客户聊的时候，客户他自己都没意识到我需要这个东西，然后你过去之后你告诉他可能一起跟你两个一起共创，你把他把他的业务场景给理清楚，然后知道他下面下一步去怎么去做。
所以基于这三点的话，你会发现。
所以基于这三点的话，你会发现。
在AI这个时代上面，FDE它是非常重要的。
在AI这个时代上面，FDE它是非常重要的。
首先第一个我刚才说的就是反馈这个环节非常快，有了FDE我们现在的我们的员工就是我们的销售同学直接去客户那驻场，客户要啥现场改改完之后晚上发布给到客户，就这个速度是非常快的。
首先第一个我刚才说的就是反馈这个环节非常快，有了FDE我们现在的我们的员工就是我们的销售同学直接去客户那驻场，客户要啥现场改改完之后晚上发布给到客户，就这个速度是非常快的。
当然有些复杂的东西不可能那么快，简单的可能就当天就出来了，复杂的话可能要一两个星期，但是或者几天。
当然有些复杂的东西不可能那么快，简单的可能就当天就出来了，复杂的话可能要一两个星期，但是或者几天。
不过这个反馈循环也会让客户知道你真的是。
不过这个反馈循环也会让客户知道你真的是。
在为他着着想，非常快。
在为他着着想，非常快。
这是第一个事情。
这是第一个事情。
然后第二个事情是因为你是作为核心资深的研发，作为销售过去对的他们那边，其实很多时候也是技术同学、技术合同、技术同学，当然有文人相亲呐，对吧？
然后第二个事情是因为你是作为核心资深的研发，作为销售过去对的他们那边，其实很多时候也是技术同学、技术合同、技术同学，当然有文人相亲呐，对吧？
或者瞧相互瞧不上，技术也瞧不上。
或者瞧相互瞧不上，技术也瞧不上。
但是多数情况下，技术同学其实是比较惺惺相惜的，大家会非常认可你。
但是多数情况下，技术同学其实是比较惺惺相惜的，大家会非常认可你。
就认可你的话，就是做生意嘛，其实就是一个相互认可、相互信任的一个过程。
就认可你的话，就是做生意嘛，其实就是一个相互认可、相互信任的一个过程。
就是从一开始就是技术对于技术，他某一方他是会，如果是认可你的话呢，这个生意还是比较容易去成功的。
就是从一开始就是技术对于技术，他某一方他是会，如果是认可你的话呢，这个生意还是比较容易去成功的。
这是第二点，然后第三点其实就是刚才也提了，因为做FDE来说我们其实支持了非常多的客户，我们见过非常多的客户的场景，然后我们自己有能力去马上快速去交付，所以跟客户一聊的时候我们大概就知道客户真的有些东西没想明白，能够快速去告诉客户去调整，所以通过这样的方式的话其实就让客户非常信任我们，然后呢让我们的整个的至少TIDB的FDE。
这是第二点，然后第三点其实就是刚才也提了，因为做FDE来说我们其实支持了非常多的客户，我们见过非常多的客户的场景，然后我们自己有能力去马上快速去交付，所以跟客户一聊的时候我们大概就知道客户真的有些东西没想明白，能够快速去告诉客户去调整，所以通过这样的方式的话其实就让客户非常信任我们，然后呢让我们的整个的至少TIDB的FDE。
算是比较落地成功的，大概就是，但是其他公司能不能落地，FDE 能不能成功，我现在不确定，不过至少是，这也是我们泰利币在未来会长期坚持的方向，而且我在未来我们也会把更多的研发往这个角色上面去转。
算是比较落地成功的，大概就是，但是其他公司能不能落地，FDE 能不能成功，我现在不确定，不过至少是，这也是我们泰利币在未来会长期坚持的方向，而且我在未来我们也会把更多的研发往这个角色上面去转。
因为对我来说还是也有一个更加激进的一个暴论嘛，其实尤其在AI时代上面，随着代码AI AIGC的写代码能力越来越强。
因为对我来说还是也有一个更加激进的一个暴论嘛，其实尤其在AI时代上面，随着代码AI AIGC的写代码能力越来越强。
其实单纯的写代码的价值已经非常的少了，那么呢作为一个程序员来说我们是需要有危机感的，那么你有危机感的情况下你怎么把自己的价值更大化？
其实单纯的写代码的价值已经非常的少了，那么呢作为一个程序员来说我们是需要有危机感的，那么你有危机感的情况下你怎么把自己的价值更大化？
那一定是去到业务场景去了解更多的业务，同时把这个业务的价值带回来，快速去写代码，通过AI的这个能力放大，快速去交付，这样你才才有更大的一个价值。
那一定是去到业务场景去了解更多的业务，同时把这个业务的价值带回来，快速去写代码，通过AI的这个能力放大，快速去交付，这样你才才有更大的一个价值。
这是我对FD的一个理解吧。
这是我对FD的一个理解吧。
对就听下来我觉得核心背后的本质可能是说就这个东西它让整个组织的速度快了很多就不用像原来这样一环传一环因为本来AI很多需求是新的和之前就是已经有很多解决方案然后再有刚才讲的授权工程这种方式你把解决方案数据给客户卖还不太一样一种直接数据是接需求的而不是我去卖一些。
对就听下来我觉得核心背后的本质可能是说就这个东西它让整个组织的速度快了很多就不用像原来这样一环传一环因为本来AI很多需求是新的和之前就是已经有很多解决方案然后再有刚才讲的授权工程这种方式你把解决方案数据给客户卖还不太一样一种直接数据是接需求的而不是我去卖一些。
成熟的产品。
成熟的产品。
对主要是AI这个时代你就是你都不知道有时候要做啥东西客户也不知道你也不知道就是所以说这个东西还是因为速度嘛SPEED MATTERS就是速度越快啊整个反馈源越快其实大家都跑的就越快当然可能会出现一些有问题的错误的决策但因为你跑的足够快所以你调整的空间是足够大的就是你调整的也是足够快的所以总体来说你会你发现其实一切都会向向好的方面的迭代发展。
对主要是AI这个时代你就是你都不知道有时候要做啥东西客户也不知道你也不知道就是所以说这个东西还是因为速度嘛SPEED MATTERS就是速度越快啊整个反馈源越快其实大家都跑的就越快当然可能会出现一些有问题的错误的决策但因为你跑的足够快所以你调整的空间是足够大的就是你调整的也是足够快的所以总体来说你会你发现其实一切都会向向好的方面的迭代发展。
对所以听下来就是就工程师和销售都会越来越重要，要尝试尝试，只要工程师和销售就可以了。
对所以听下来就是就工程师和销售都会越来越重要，要尝试尝试，只要工程师和销售就可以了。
嗯我觉得应该是有工程师背景的销售会越来越重要。
嗯我觉得应该是有工程师背景的销售会越来越重要。
是。
是。
对对所以刚才讲的说就是你们经历了就是刚好几个阶段。
对对所以刚才讲的说就是你们经历了就是刚好几个阶段。
6的阶段，从纯数据到。
6的阶段，从纯数据到。
A镜头自己创A镜头，然后以及说就是你们就整个组织其实也在发生不断的变化。
A镜头自己创A镜头，然后以及说就是你们就整个组织其实也在发生不断的变化。
对然后比较好奇就是说你们就如何在AI时代定位自己因为我觉得你之前在X上写的一句话也特别有意思嘛就是你给客户讲你选择什么样的基础设施最终就会怎么成为什么样的公司所以这你怎么去定外那个太低变呢。
对然后比较好奇就是说你们就如何在AI时代定位自己因为我觉得你之前在X上写的一句话也特别有意思嘛就是你给客户讲你选择什么样的基础设施最终就会怎么成为什么样的公司所以这你怎么去定外那个太低变呢。
怎么去定位TidyD是吧？
怎么去定位TidyD是吧？
就是在AI时代您怎么定位你们是在AI整个生态里面，你们是在什么样子的生态位？
就是在AI时代您怎么定位你们是在AI整个生态里面，你们是在什么样子的生态位？
嗯嗯这是个非常好的问题啊，其实还是回到了我们整个产品的本质。
嗯嗯这是个非常好的问题啊，其实还是回到了我们整个产品的本质。
我们其实从一开始的话我们其实就是一个数据库，数据库在某情况下其实你可以认为其实就是跟存储相关的。
我们其实从一开始的话我们其实就是一个数据库，数据库在某情况下其实你可以认为其实就是跟存储相关的。
就是我们其实就解决问题，其实就是。
就是我们其实就解决问题，其实就是。
从一开始我们就想的是我们怎么帮用户非常好的去存用户的数据，然后解决他用户查询这些问题，以及解决他数据管理这些问题，对吧？
从一开始我们就想的是我们怎么帮用户非常好的去存用户的数据，然后解决他用户查询这些问题，以及解决他数据管理这些问题，对吧？
这是我们做11年前开始做数据库的一个初衷。
这是我们做11年前开始做数据库的一个初衷。
那么这个初衷其实在AI这个时代上面，它仍然是存成立的。
那么这个初衷其实在AI这个时代上面，它仍然是存成立的。
只不过呢，我刚才其实提到，就是我们的整个数据库的用户，以及从人转向了agent。
只不过呢，我刚才其实提到，就是我们的整个数据库的用户，以及从人转向了agent。
啊那么呢所以说我们也希望在AI时代下面我们整个产品成为agent和AI应用这个背后的整个的统一的一个存储的一个我们这那个叫unified storage layer就是统一存储层这个其实就是我们希望就是在未来在AI这个时代上面就是agent的时代这里面就是。
啊那么呢所以说我们也希望在AI时代下面我们整个产品成为agent和AI应用这个背后的整个的统一的一个存储的一个我们这那个叫unified storage layer就是统一存储层这个其实就是我们希望就是在未来在AI这个时代上面就是agent的时代这里面就是。
他们任何的整个，对 agent 的一个业务开发有复杂度的东西，就比如说像记忆 memory 像整个状态的管理，像状态像什么他的工作区间 workspace 像什么他的文件，像他的权限，或者他的整个功率调用的整个记录，整个这些所有的东西。
他们任何的整个，对 agent 的一个业务开发有复杂度的东西，就比如说像记忆 memory 像整个状态的管理，像状态像什么他的工作区间 workspace 像什么他的文件，像他的权限，或者他的整个功率调用的整个记录，整个这些所有的东西。
都在我们的这个平台，都在Tidb上面是可保存、查询、恢复和治理的。
都在我们的这个平台，都在Tidb上面是可保存、查询、恢复和治理的。
然后呢我们要做的其实就是把A型的产生的所有的这些数据和状态统一起来，同时呢仍能够让A型的自己去基于泰迪币能够快速去迭代，或者能让用户基于泰迪币能够快速去开发他自己的AI的应用。
然后呢我们要做的其实就是把A型的产生的所有的这些数据和状态统一起来，同时呢仍能够让A型的自己去基于泰迪币能够快速去迭代，或者能让用户基于泰迪币能够快速去开发他自己的AI的应用。
所以说这其实是在AI时代上面，那简单来说其实它我们的定位非常简单，就不光只是给人应用存着业务数据。
所以说这其实是在AI时代上面，那简单来说其实它我们的定位非常简单，就不光只是给人应用存着业务数据。
而是给呃，更重要其实变成一个agent和AI背后的一个统一存储层，大概就这样。
而是给呃，更重要其实变成一个agent和AI背后的一个统一存储层，大概就这样。
嗯，对，我们可以接着往下聊一聊啊。
嗯，对，我们可以接着往下聊一聊啊。
就除了存储之外，你们还看到哪些AI基础设施的机会呢？
就除了存储之外，你们还看到哪些AI基础设施的机会呢？
啊，这个其实就大了啊。
啊，这个其实就大了啊。
首先第一个呢，其实是那个。
首先第一个呢，其实是那个。
啊我觉得现在挺火的就是MEMORY对吧，就是记忆对吧。
啊我觉得现在挺火的就是MEMORY对吧，就是记忆对吧。
其实你会看到现在记忆的整个几方案呢，其实是像雨后春笋的冒出来。
其实你会看到现在记忆的整个几方案呢，其实是像雨后春笋的冒出来。
就是我我知道海外其实有很多家已经作为AGNET开始创业了嘛，就比如说就是那个CONTACTS叫他们叫CONTACTSANALOGY，就包括DBT啊这些个之前做那个数据同步的DBT，他们都在做整个知识库的CONTACTS这些东西。
就是我我知道海外其实有很多家已经作为AGNET开始创业了嘛，就比如说就是那个CONTACTS叫他们叫CONTACTSANALOGY，就包括DBT啊这些个之前做那个数据同步的DBT，他们都在做整个知识库的CONTACTS这些东西。
所以我觉得这也是一个方向，但是这个方向其实坦白说。
所以我觉得这也是一个方向，但是这个方向其实坦白说。
比较难做，不过真的做进去之后，其实你的整个的联系跟用户的联系是非常高的。
比较难做，不过真的做进去之后，其实你的整个的联系跟用户的联系是非常高的。
我觉得这是一一个吧，然后另外一个的话我比较看好的其实还是沙箱，就啊尤其安全的沙箱，就是 sandbox 这一块。
我觉得这是一一个吧，然后另外一个的话我比较看好的其实还是沙箱，就啊尤其安全的沙箱，就是 sandbox 这一块。
现在sand box，当然现在sand box其实已经非常非常火了呀，就包括什么e to b啊，还有包括什么诺维塔呀啊，还包括戴托拉呀这些这些头部的公司，还当然还包括云厂商也提供了非常多的刷新的这些解决方案。
现在sand box，当然现在sand box其实已经非常非常火了呀，就包括什么e to b啊，还有包括什么诺维塔呀啊，还包括戴托拉呀这些这些头部的公司，还当然还包括云厂商也提供了非常多的刷新的这些解决方案。
不过呢我仍然觉得这是一个比较好的一个方向，为什么呢？
不过呢我仍然觉得这是一个比较好的一个方向，为什么呢？
因为这个其实。
因为这个其实。
归根沙箱这个东西，其实还是对我来说。
归根沙箱这个东西，其实还是对我来说。
其实如果你能真的能够做到很好的隔离、很好的安全性，然后呢，你一台机器上面能够去调度更多的沙箱。
其实如果你能真的能够做到很好的隔离、很好的安全性，然后呢，你一台机器上面能够去调度更多的沙箱。
那么你的整个成，你把成本加下去之后，对你来说其实还是有很大的一个就是利润空间的。
那么你的整个成，你把成本加下去之后，对你来说其实还是有很大的一个就是利润空间的。
我觉得这一块是可以去做的啊，当然还有一些就是其实我刚才其实提到agent。
我觉得这一块是可以去做的啊，当然还有一些就是其实我刚才其实提到agent。
其实A进的很好很多我自己看到了嘛什么传统的数据库什么状态存储啊什么沙箱啊对吧什么内存记忆系统啊包括A进的扩呀什么编排这些东西其实已经有很多做了但是实际上现在我发现的是其实在A进的里面如果你要真的把A进的做一个好的一个系统那对于什么权限身份的验证的权限系统啊身份验证系统啊可观测性啊可治理什么治理数据治理啊可审计。
其实A进的很好很多我自己看到了嘛什么传统的数据库什么状态存储啊什么沙箱啊对吧什么内存记忆系统啊包括A进的扩呀什么编排这些东西其实已经有很多做了但是实际上现在我发现的是其实在A进的里面如果你要真的把A进的做一个好的一个系统那对于什么权限身份的验证的权限系统啊身份验证系统啊可观测性啊可治理什么治理数据治理啊可审计。
这些周边的非常就是企业级的一些整合的一些组件，其实我现在还并没有太多的看到像雨后春笋的冒出来。
这些周边的非常就是企业级的一些整合的一些组件，其实我现在还并没有太多的看到像雨后春笋的冒出来。
因为但是呢，他你如果真的要把，其实以前我们做AIG呢，其实很多可能就是很多时候是玩具嘛，对吧？
因为但是呢，他你如果真的要把，其实以前我们做AIG呢，其实很多可能就是很多时候是玩具嘛，对吧？
很多人不太在意什么安全这些东西，但是实际真正的你现在AIG的你的应用场景就是越来越严肃场景之后，你这些周边的这些企业级的这些生态。
很多人不太在意什么安全这些东西，但是实际真正的你现在AIG的你的应用场景就是越来越严肃场景之后，你这些周边的这些企业级的这些生态。
这些组件对A进来的，其实就是我未来的整个A进的相关的一些机会。
这些组件对A进来的，其实就是我未来的整个A进的相关的一些机会。
而企业级的东西，恰恰也是用户最愿意买单的东西。
而企业级的东西，恰恰也是用户最愿意买单的东西。
大概是这样，然后当然还有一段事件还特别好玩。
大概是这样，然后当然还有一段事件还特别好玩。
这也其实也是我一直做数据库这么多年一直没解决的一个问题。
这也其实也是我一直做数据库这么多年一直没解决的一个问题。
也就是说，评测就是我怎么知道一个A进它的一个任务报的是变好了还是变坏了？
也就是说，评测就是我怎么知道一个A进它的一个任务报的是变好了还是变坏了？
就比就跟经经过我做数据库一样的，我我我怎么知道我一个数据库这一条一条CIRCLE发过去，到底是这条CIRCLE的执行计划到底是好的还是坏的？
就比就跟经经过我做数据库一样的，我我我怎么知道我一个数据库这一条一条CIRCLE发过去，到底是这条CIRCLE的执行计划到底是好的还是坏的？
有时候你自好不知道对吧？
有时候你自好不知道对吧？
但是问题是很多人你跑了之后可能就这个就可能是个灾难，因为直接把现场就打挂了。
但是问题是很多人你跑了之后可能就这个就可能是个灾难，因为直接把现场就打挂了。
所以怎么去判断一个东西好还是不好，或者判断一个A镜的到底是不是非常好的完成你的任务？
所以怎么去判断一个东西好还是不好，或者判断一个A镜的到底是不是非常好的完成你的任务？
这个这个评测系统我觉得还是挺有意思的。
这个这个评测系统我觉得还是挺有意思的。
一个事情，那应用层呢？
一个事情，那应用层呢？
因为就其实很多使用你们的客户，还是他是最终接触用户的。
因为就其实很多使用你们的客户，还是他是最终接触用户的。
你刚才也聊了，对，比如说有对、有、有、有、有做录音的，然后有做这种情感陪伴的。
你刚才也聊了，对，比如说有对、有、有、有、有做录音的，然后有做这种情感陪伴的。
你说你觉得哪些AI应用现在已经就是。
你说你觉得哪些AI应用现在已经就是。
创造一些价值出去了。
创造一些价值出去了。
这点的话还是有发言权的，因为毕竟我还见了这么多客户啊。
这点的话还是有发言权的，因为毕竟我还见了这么多客户啊。
我觉得首先应用场景的话，首先第一个场景其实就是就是应用生成平台，我觉得这是一个非常。
我觉得首先应用场景的话，首先第一个场景其实就是就是应用生成平台，我觉得这是一个非常。
就是我自己现在看到一个非常大的一个爆发的一个点吧，我觉得这不过这个点，我觉得在未来一定会收缩成几家头部企业，因为竞争实在太激烈了。
就是我自己现在看到一个非常大的一个爆发的一个点吧，我觉得这不过这个点，我觉得在未来一定会收缩成几家头部企业，因为竞争实在太激烈了。
我觉得这是一个点，然后第二点其实是那种的叫做因为AI。
我觉得这是一个点，然后第二点其实是那种的叫做因为AI。
对于在企业应用来说，你要价值的话还是要涉及到team协作，然后涉及到你怎么去工作嘛，你怎么把AI引入到你的公司里面去，引引入了变成把AI变成你的公司的员工，对吧？
对于在企业应用来说，你要价值的话还是要涉及到team协作，然后涉及到你怎么去工作嘛，你怎么把AI引入到你的公司里面去，引引入了变成把AI变成你的公司的员工，对吧？
所以这一块的话其实就包括我觉得这块其实就不要说叫什么AI的workforce啊或者teammate这些嘛，就比如说最近啊当然我们这之前有个叫MURAI就是阿里的当时的骡子快跑。
所以这一块的话其实就包括我觉得这块其实就不要说叫什么AI的workforce啊或者teammate这些嘛，就比如说最近啊当然我们这之前有个叫MURAI就是阿里的当时的骡子快跑。
不过现在他们应该中国控核了，然后呢，还包括Hillius这个，还有一些更小，就是一些创业公司的一些产品。
不过现在他们应该中国控核了，然后呢，还包括Hillius这个，还有一些更小，就是一些创业公司的一些产品。
这个产品它其实就是你得把，就主要还是。
这个产品它其实就是你得把，就主要还是。
把AI呢当成你企业级的员工，你进去。
把AI呢当成你企业级的员工，你进去。
AI现在它不只是不单纯的完成任务了，它其实是你的整个的，你把它当成一个就是数字员工了，就是团队啊、历史协作啊、整个协作习惯呐这些都你的知识库啊、管理啊这些东西都会进到这个AI的里面，这样的平台里面去，加速你的企业的AI内部化的整个转型。
AI现在它不只是不单纯的完成任务了，它其实是你的整个的，你把它当成一个就是数字员工了，就是团队啊、历史协作啊、整个协作习惯呐这些都你的知识库啊、管理啊这些东西都会进到这个AI的里面，这样的平台里面去，加速你的企业的AI内部化的整个转型。
这是第二点。
这是第二点。
然后第3块其实我自己非常坚定的，其实 ai agent 的场景里面其实就是 coding 场景。
然后第3块其实我自己非常坚定的，其实 ai agent 的场景里面其实就是 coding 场景。
就是编码，我自己认知里面其实很多的A进的场景都是需要靠通过coding来去完成的。
就是编码，我自己认知里面其实很多的A进的场景都是需要靠通过coding来去完成的。
因为比真的比较复杂，很多东西你不靠coding你就很难完成这样的。
因为比真的比较复杂，很多东西你不靠coding你就很难完成这样的。
那么呢就比如说像什么罗维塔呀、wordent啊这些初创企业，我觉得其实也是未来的一个方向，就是AI要从生成代码变成一个能交付、一个能跑、能维护的一个完整的一个应用。
那么呢就比如说像什么罗维塔呀、wordent啊这些初创企业，我觉得其实也是未来的一个方向，就是AI要从生成代码变成一个能交付、一个能跑、能维护的一个完整的一个应用。
这个其实我这块是。
这个其实我这块是。
也是很大的一个区间，就coding coding场景。
也是很大的一个区间，就coding coding场景。
然后这么当然说到coding其实包括什么sandbox啊、沙箱啊，对吧？
然后这么当然说到coding其实包括什么sandbox啊、沙箱啊，对吧？
foster这些东西都在这里面，然后当然还有任务就是。
foster这些东西都在这里面，然后当然还有任务就是。
纯的AI native的一些业务业务系统，这个这一块我其实非常看好的是什么呢？
纯的AI native的一些业务业务系统，这个这一块我其实非常看好的是什么呢？
就比如说典型的payment。
就比如说典型的payment。
就是支支付，对吧？
就是支支付，对吧？
我们以前支付都是靠人，但是现在你会发现越来越多支付是靠agent来支付的。
我们以前支付都是靠人，但是现在你会发现越来越多支付是靠agent来支付的。
就比如说那个全全全球最大的stripe对吧？
就比如说那个全全全球最大的stripe对吧？
其实专门提供的agent的payment的api，然后包括coinbase这种web3的也提供了agent的一个payment的一个协议。
其实专门提供的agent的payment的api，然后包括coinbase这种web3的也提供了agent的一个payment的一个协议。
当然国内的现在我印象中阿里好像支支付宝营业也提供了agent的一个。
当然国内的现在我印象中阿里好像支支付宝营业也提供了agent的一个。
也也已经提供了 a 端的功能，但是我一般不用国内的，我一般，这个，对，所以说你看，就是这种的其实是 b 端场景，包括我们现在支持的我们那个初创的叫 clean。
也也已经提供了 a 端的功能，但是我一般不用国内的，我一般，这个，对，所以说你看，就是这种的其实是 b 端场景，包括我们现在支持的我们那个初创的叫 clean。
c link，click 也是提供了这个 payment 的这样的服务，对吧？
c link，click 也是提供了这个 payment 的这样的服务，对吧？
然后另外还有，这是，还有个典型的就是 search。
然后另外还有，这是，还有个典型的就是 search。
对吧，就是一这种业务系统。
对吧，就是一这种业务系统。
大家以前大家聊 search 对吧，都是 google。
大家以前大家聊 search 对吧，都是 google。
但是现在你会发现，在 a 级的领域，现在就比较知名的这些 search 企业，就比如啊，典型的 extra，e e x a，还包括 fire crawl。
但是现在你会发现，在 a 级的领域，现在就比较知名的这些 search 企业，就比如啊，典型的 extra，e e x a，还包括 fire crawl。
fire crawler 那个叫，就是 fire crawl，对吧？
fire crawler 那个叫，就是 fire crawl，对吧？
这些都是非常火的。
这些都是非常火的。
这这一种里，就是 ai 的这种业务系统，分分析上，就是垂直领域的 ai 类型的这些垂垂垂直领域的一些场景。
这这一种里，就是 ai 的这种业务系统，分分析上，就是垂直领域的 ai 类型的这些垂垂垂直领域的一些场景。
我觉得这是另外一点，然后当然还有一个事情我现在非常看好了，当然这个也是特别好玩的，其实就是AI就是情感陪伴AI的硬件，就是这个方向有AI硬件的话大家不用说，就是包括录音设备啊这种，当然之前就比如说还包括我之前去山姆然后看到一个戒指对吧，还能够帮你去检查你的戴上这个戒指你的整个的。
我觉得这是另外一点，然后当然还有一个事情我现在非常看好了，当然这个也是特别好玩的，其实就是AI就是情感陪伴AI的硬件，就是这个方向有AI硬件的话大家不用说，就是包括录音设备啊这种，当然之前就比如说还包括我之前去山姆然后看到一个戒指对吧，还能够帮你去检查你的戴上这个戒指你的整个的。
整个健康状态都能检查出来，就这种的AI的整种硬件的这种设备。
整个健康状态都能检查出来，就这种的AI的整种硬件的这种设备。
然后呢，还包括整个的AI的情感陪伴。
然后呢，还包括整个的AI的情感陪伴。
因为为什么我觉得随着社会的工业化的整个发展、生产力的发展，其实人是越来越孤独的，对吧？
因为为什么我觉得随着社会的工业化的整个发展、生产力的发展，其实人是越来越孤独的，对吧？
人其实代表的话真的，所以说代表的话我真的非常看好的就是AI的长期的这种AI陪情感类陪伴的这样一个业务。
人其实代表的话真的，所以说代表的话我真的非常看好的就是AI的长期的这种AI陪情感类陪伴的这样一个业务。
对吧而且而且你会发现跟这样情感的陪伴业务就是你跟他因为他有记忆这些系统你会发现他越来越了解你你可能就到最后越来越离不开他所以说呢这个其实就是我看到的一些当前其实已经看到的这些AI应用已经创造价值的地方而且我也非常笃定的这些AI应用在这些方面其实。
对吧而且而且你会发现跟这样情感的陪伴业务就是你跟他因为他有记忆这些系统你会发现他越来越了解你你可能就到最后越来越离不开他所以说呢这个其实就是我看到的一些当前其实已经看到的这些AI应用已经创造价值的地方而且我也非常笃定的这些AI应用在这些方面其实。
会有越来越多价值来去体现出来。
会有越来越多价值来去体现出来。
对，然后之前也跟你探讨过一个很有意思的问题啊，就是说其实你们是就是服务了非常多的团队。
对，然后之前也跟你探讨过一个很有意思的问题啊，就是说其实你们是就是服务了非常多的团队。
然后有很多团队也会给你提很多，就是就各种各样的或者天马行空的需求。
然后有很多团队也会给你提很多，就是就各种各样的或者天马行空的需求。
对你们会怎么去判定，就是这个需求值不值得做呢？
对你们会怎么去判定，就是这个需求值不值得做呢？
就有点像说你怎么去判定值不值得去投资这个团队。
就有点像说你怎么去判定值不值得去投资这个团队。
其实就是。
其实就是。
在AI这个领域，大家都知道大模型的整个迭代发展非常非常的快，所以你到底是模型的受益方还是模型的被吞掉方？
在AI这个领域，大家都知道大模型的整个迭代发展非常非常的快，所以你到底是模型的受益方还是模型的被吞掉方？
很有可能你现在解决的问题，六个月之后被大模型解决了。
很有可能你现在解决的问题，六个月之后被大模型解决了。
典型的大家可以看到就是很多编排系统对吧，但是大家可以看到。
典型的大家可以看到就是很多编排系统对吧，但是大家可以看到。
你现在其实已经很少去用这些系统了，你现在要做一个非常复杂的任务，你也不用去写很多的 prompt engineering 那些东西了，你可能就告诉 Claude Code 或者 code x 我要完成一二三，甚至包括所有东西，那个 agent 的，就是大模型的这些厂商能自动帮你全部解决。
你现在其实已经很少去用这些系统了，你现在要做一个非常复杂的任务，你也不用去写很多的 prompt engineering 那些东西了，你可能就告诉 Claude Code 或者 code x 我要完成一二三，甚至包括所有东西，那个 agent 的，就是大模型的这些厂商能自动帮你全部解决。
这些东西是非常重要的，所以说其实就是你做的东西是不是在半年或者一年后被大模型自动帮你解决掉？
这些东西是非常重要的，所以说其实就是你做的东西是不是在半年或者一年后被大模型自动帮你解决掉？
这些我觉得这几点吧，其实才是考虑的是我们到底要不要做这个事情的一个我的判断的一个标准吧。
这些我觉得这几点吧，其实才是考虑的是我们到底要不要做这个事情的一个我的判断的一个标准吧。
但最核心的一个判断就非常的直接，我做这个东西有没有人愿意给他买单给我付钱？
但最核心的一个判断就非常的直接，我做这个东西有没有人愿意给他买单给我付钱？
如果没有那就不要做了，那就纯粹就是情怀了。
如果没有那就不要做了，那就纯粹就是情怀了。
对吧，当然有。
对吧，当然有。
我不否认啊，就是很多事情做，很多人做很多事情，他不光是为了钱，他是为了情怀，或者为了自己的很多的成就感。
我不否认啊，就是很多事情做，很多人做很多事情，他不光是为了钱，他是为了情怀，或者为了自己的很多的成就感。
但是作为公司来说，不盈利其实就是做公司最大的一个元素，也没必要去做公司。
但是作为公司来说，不盈利其实就是做公司最大的一个元素，也没必要去做公司。
对我觉得刚才这个点很有意思就是你需要去判断就是比如说三对六个月之后大模型它的能力又上一个台阶了那到底是你这个产品它受益于大模型还是说你的产品直接就被大模型给干掉了。
对我觉得刚才这个点很有意思就是你需要去判断就是比如说三对六个月之后大模型它的能力又上一个台阶了那到底是你这个产品它受益于大模型还是说你的产品直接就被大模型给干掉了。
嗯对坦白说这其实就是个AI就是你的AI应用到底是不是有护城河嘛会不会会就会不会会被大模型非常方便的去取代。
嗯对坦白说这其实就是个AI就是你的AI应用到底是不是有护城河嘛会不会会就会不会会被大模型非常方便的去取代。
我觉得这个东西还是可以去探讨的啊，首先第一个事情我觉得首先对我来说做泰利币的，我觉得泰利币还至少我觉得在未来还是我比较有信心的不会被大模型干掉的，因为我刚才也说了嘛，其实最终它其实大模型或者AI其实压缩的其实是业务系统这一层，对于底层的整个的数据库infra这一层。
我觉得这个东西还是可以去探讨的啊，首先第一个事情我觉得首先对我来说做泰利币的，我觉得泰利币还至少我觉得在未来还是我比较有信心的不会被大模型干掉的，因为我刚才也说了嘛，其实最终它其实大模型或者AI其实压缩的其实是业务系统这一层，对于底层的整个的数据库infra这一层。
它其实是反倒是一个AI的，就是加速器，反正是它会运用的更，它会越来越健壮，它越来越容易啊。
它其实是反倒是一个AI的，就是加速器，反正是它会运用的更，它会越来越健壮，它越来越容易啊。
但基于这个逻辑的话，其实我我觉得有有几个点，如果你要做一个AI应用啊，它的整个护城河，首先第一个事情呢就是。
但基于这个逻辑的话，其实我我觉得有有几个点，如果你要做一个AI应用啊，它的整个护城河，首先第一个事情呢就是。
你得需要有私有数据和上下文，就是你可能你需要有的是别人没有的整个数据。
你得需要有私有数据和上下文，就是你可能你需要有的是别人没有的整个数据。
就这个其实你看帕兰提尔就典型的帕兰提尔，它有非常多的一些非常私有的数据，这个东西你是大模型训练不出来的，这个是个非常大的一个核心竞争力。
就这个其实你看帕兰提尔就典型的帕兰提尔，它有非常多的一些非常私有的数据，这个东西你是大模型训练不出来的，这个是个非常大的一个核心竞争力。
你有这个东西别人没有，大模型没有它就是很难去变得更加的智能去跳去把你给换掉。
你有这个东西别人没有，大模型没有它就是很难去变得更加的智能去跳去把你给换掉。
我觉得这是一个吧，然后另外一个事情呢，其实还是那个，你的整个的AI应用是不是已经完全的就是融入到你的整个企业的。
我觉得这是一个吧，然后另外一个事情呢，其实还是那个，你的整个的AI应用是不是已经完全的就是融入到你的整个企业的。
方方面面去了，成为你企业日常运转的一部分。
方方面面去了，成为你企业日常运转的一部分。
这个东西其实非常关键，就是说，嗯，如果你成为它一部分，你的可替换性就非常的，你就很难被替换。
这个东西其实非常关键，就是说，嗯，如果你成为它一部分，你的可替换性就非常的，你就很难被替换。
就举个例子啊，当然这个可能不一定对啊，就是AI、AI的当然已经这么火了。
就举个例子啊，当然这个可能不一定对啊，就是AI、AI的当然已经这么火了。
其实你大家会发现我们也没想过去换去GitHub对吧？
其实你大家会发现我们也没想过去换去GitHub对吧？
因为你的GitHub已经完全完全融于融入了你的整个编码的各个的环节各个方面你很难去想的是我没办法把它换掉。
因为你的GitHub已经完全完全融于融入了你的整个编码的各个的环节各个方面你很难去想的是我没办法把它换掉。
当然其实现在已经有人对吧然后呢甚至包括另外一个事情啊还有一个事情其实就是你的整个AI应用产品是被一个有个非常强大的一个生态。
当然其实现在已经有人对吧然后呢甚至包括另外一个事情啊还有一个事情其实就是你的整个AI应用产品是被一个有个非常强大的一个生态。
其实变成一个统一的一个解决方案给到客户。
其实变成一个统一的一个解决方案给到客户。
这个怎么解释呢？
这个怎么解释呢？
就是很多 saas，大家可以看到很多 saas 产品会被 ai 非常快速去取代掉。
就是很多 saas，大家可以看到很多 saas 产品会被 ai 非常快速去取代掉。
但是有些 saas 产品其实现在是非常难的。
但是有些 saas 产品其实现在是非常难的。
就点一下一个，我们虽然，我现，就比如说我现在非常吐槽 salesforce 我觉得它很贵，我们自己内部其实也在尝试的去换掉 salesforce。
就点一下一个，我们虽然，我现，就比如说我现在非常吐槽 salesforce 我觉得它很贵，我们自己内部其实也在尝试的去换掉 salesforce。
但是实际上你会发现，SALESFORCE在某些方面非常非常难以换掉。
但是实际上你会发现，SALESFORCE在某些方面非常非常难以换掉。
为什么呢？
为什么呢？
就是因为你的企业运转的各个方面的一些业务系统，其实这都都对接的是SALESFORCE。
就是因为你的企业运转的各个方面的一些业务系统，其实这都都对接的是SALESFORCE。
也就是说，假设你的AI里开发了一个AI应用，跟你的整个的一个应用生态是完，就是跟你的周边的整个生态应用是全部作为一个大统一的解决方案到用户那里面去了之后，你是非常难以被替换掉的。
也就是说，假设你的AI里开发了一个AI应用，跟你的整个的一个应用生态是完，就是跟你的周边的整个生态应用是全部作为一个大统一的解决方案到用户那里面去了之后，你是非常难以被替换掉的。
然后另外还有一个事情呢，其实就是。
然后另外还有一个事情呢，其实就是。
AI的护城河的话，我就觉得还是你能不能快速的去触达客户。
AI的护城河的话，我就觉得还是你能不能快速的去触达客户。
就是如果你持续能够去。
就是如果你持续能够去。
触达客户，你的分发渠道能够非常快速触达客户，给客户以非常强的一些反馈。
触达客户，你的分发渠道能够非常快速触达客户，给客户以非常强的一些反馈。
其实客户还是愿意给你买单的。
其实客户还是愿意给你买单的。
啊当然另外这这里面就提体现出一个事情就是你的可执行力要非常的强你真的需要快速不断去迭代跑得非常快你可能在才不会被大模型给换掉大概就这几点吧。
啊当然另外这这里面就提体现出一个事情就是你的可执行力要非常的强你真的需要快速不断去迭代跑得非常快你可能在才不会被大模型给换掉大概就这几点吧。
对我觉得当然github是个很好的例子github应该是更值钱的因为越来越多人写代码还不确定上去把代码放上去。
对我觉得当然github是个很好的例子github应该是更值钱的因为越来越多人写代码还不确定上去把代码放上去。
对可能我觉得这里可能就是歪歪一下稍微就是我觉得GitHub后面有个风险点啊当然这个可能是我的一个暴论呢没准可能后面会出现另外一个当然GitHub可能自己也会改就是为什么呢就是我们在未来A的一定是第一一等用户对吧就是他一定是第一等公民。
对可能我觉得这里可能就是歪歪一下稍微就是我觉得GitHub后面有个风险点啊当然这个可能是我的一个暴论呢没准可能后面会出现另外一个当然GitHub可能自己也会改就是为什么呢就是我们在未来A的一定是第一一等用户对吧就是他一定是第一等公民。
那么，第一等公民的情况下。
那么，第一等公民的情况下。
即使对于get这样的一个服务来说，你应该也把agent当成一个公民。
即使对于get这样的一个服务来说，你应该也把agent当成一个公民。
但是你如果你现在用github，你会发现agent不是一等公民，我不知道你有没有这感觉。
但是你如果你现在用github，你会发现agent不是一等公民，我不知道你有没有这感觉。
嗯你用A进的你会发现A进的不是一等公民，是阶级矛盾压身真的。
嗯你用A进的你会发现A进的不是一等公民，是阶级矛盾压身真的。
但是如果A进的是一等公民的话，你这边get的交互模式应该是完全不一样。
但是如果A进的是一等公民的话，你这边get的交互模式应该是完全不一样。
现在GITHUB，你的整个的使用体验还是你作为人也是一个一等公民。
现在GITHUB，你的整个的使用体验还是你作为人也是一个一等公民。
但是实际情况是，我觉得对我来说，我应该人有非常多的一些A型的一些分身。
但是实际情况是，我觉得对我来说，我应该人有非常多的一些A型的一些分身。
那这些A型的分身应该跟我在对这GITHUB上面应该有同样的一些所有的东西能够去操纵。
那这些A型的分身应该跟我在对这GITHUB上面应该有同样的一些所有的东西能够去操纵。
就比如他可能艾特我或者艾特某个A型的，也就是说可能有可能A型的其实已经作为另外一个独立的数字员工、数字账号已经注册到GITHUB上面去了。
就比如他可能艾特我或者艾特某个A型的，也就是说可能有可能A型的其实已经作为另外一个独立的数字员工、数字账号已经注册到GITHUB上面去了。
可以get up完全一起但是实际上现在这个东西我我自己感觉就是get up的这块还没做的特别好不过我已经我现在已经看到很多的一些创业企业就典型的我知道有个公司以前叫swock现在叫改名叫raft点build他其实就是把那个agent的当成一的公民他的他们的整个内部的系统就是git其实就把就把就把agent的和人全部揉在一起了这个可能也会在变到在未来。
可以get up完全一起但是实际上现在这个东西我我自己感觉就是get up的这块还没做的特别好不过我已经我现在已经看到很多的一些创业企业就典型的我知道有个公司以前叫swock现在叫改名叫raft点build他其实就是把那个agent的当成一的公民他的他们的整个内部的系统就是git其实就把就把就把agent的和人全部揉在一起了这个可能也会在变到在未来。
对所以说就是就我觉得核心就是刚刚讲可能两个点一个点是说你大模型变强之后你是受益还是被大模型消灭掉然后第二就是你是不是把A进的当一等公民你是对在满足A进的需求而不是说延续之前的去满足人的需求嗯对我们最后再来几个快问快答吧。
对所以说就是就我觉得核心就是刚刚讲可能两个点一个点是说你大模型变强之后你是受益还是被大模型消灭掉然后第二就是你是不是把A进的当一等公民你是对在满足A进的需求而不是说延续之前的去满足人的需求嗯对我们最后再来几个快问快答吧。
嗯好的。
嗯好的。
对，就过去一年，有没有什么，就是你觉得是对AI最大的一次认知反转？
对，就过去一年，有没有什么，就是你觉得是对AI最大的一次认知反转？
这个肯定很多啊，对，啊，我就说一个点吧，就是我觉得一开始大家，其实你看大家我们使用AI啊，或者使用模型的时候，其实我们关注他的事情是，我们有什么prompt engineering啊这些东西，对吧，我们关注他是怎么想明白这个事情。
这个肯定很多啊，对，啊，我就说一个点吧，就是我觉得一开始大家，其实你看大家我们使用AI啊，或者使用模型的时候，其实我们关注他的事情是，我们有什么prompt engineering啊这些东西，对吧，我们关注他是怎么想明白这个事情。
其实但是真真正让AI，其实我觉得真正困难的事情是人们怎么让AI A型的把一个事情给做完，这对我来说其实认知范围就是以我说白了就是什么，就是以前我用AI还是我指导AI干事情。
其实但是真真正让AI，其实我觉得真正困难的事情是人们怎么让AI A型的把一个事情给做完，这对我来说其实认知范围就是以我说白了就是什么，就是以前我用AI还是我指导AI干事情。
对吧你可能回不到一年前你可能我我觉得你也可能也是这样的一个使用方式但是现在我觉得真正难的事情是怎么告诉A I你的GO之后让A I自己把这个事情给做完要他回答一个问题和完成一个任务中间差的环节非常的多他需要上下文需要工具需要权限会要状态所有这等等的这些东西。
对吧你可能回不到一年前你可能我我觉得你也可能也是这样的一个使用方式但是现在我觉得真正难的事情是怎么告诉A I你的GO之后让A I自己把这个事情给做完要他回答一个问题和完成一个任务中间差的环节非常的多他需要上下文需要工具需要权限会要状态所有这等等的这些东西。
所以说呢其实我现在更多的去关注的是AI的整个运行环境，也就是说大家俗称的哈里斯，而不是整个模型的本身，大概就是这样的一个认知转变吧。
所以说呢其实我现在更多的去关注的是AI的整个运行环境，也就是说大家俗称的哈里斯，而不是整个模型的本身，大概就是这样的一个认知转变吧。
嗯，然后现在很多东西都被AI所就是改造或者替换，你觉得下一个十年有些什么东西是不变的呢？
嗯，然后现在很多东西都被AI所就是改造或者替换，你觉得下一个十年有些什么东西是不变的呢？
啊这个我觉得很多东西就是我不变首先第一个我刚才其实一直在强调商业的本质不会变对吧商业的本质还是谁你的做的东西有没有有没有人愿意为为你付钱即使以后变成A进的这个世界也是你做的东西A有没有A进的愿意给你付钱对吧如果你做的东西没人愿意你付钱这个东西其实在某一方面其实是很难有真实价值的这是我觉得第一个商业的本质。
啊这个我觉得很多东西就是我不变首先第一个我刚才其实一直在强调商业的本质不会变对吧商业的本质还是谁你的做的东西有没有有没有人愿意为为你付钱即使以后变成A进的这个世界也是你做的东西A有没有A进的愿意给你付钱对吧如果你做的东西没人愿意你付钱这个东西其实在某一方面其实是很难有真实价值的这是我觉得第一个商业的本质。
然后第二个事情呢其实就是我因为我是做数据库的嘛我觉得数据的整个价值是不会变化的当然大趋势是AI生成的数据会越来越多大家可能单个的数据密度就价值的密度可能会变少但是呢这里又有另外一个本就是你的数AI A的生成的数据越来越多AI的仿对某些数据仿入的越来越频繁它的价值可能会越来越大就是数据的价值是不会变的然后尤其是真实业务的数据和剩下上下文的整个的数据的价值是非常非常重要的。
然后第二个事情呢其实就是我因为我是做数据库的嘛我觉得数据的整个价值是不会变化的当然大趋势是AI生成的数据会越来越多大家可能单个的数据密度就价值的密度可能会变少但是呢这里又有另外一个本就是你的数AI A的生成的数据越来越多AI的仿对某些数据仿入的越来越频繁它的价值可能会越来越大就是数据的价值是不会变的然后尤其是真实业务的数据和剩下上下文的整个的数据的价值是非常非常重要的。
我觉得这是第二点，然后第三点可能还是那个呃因为我做数据库了嘛，我觉得就是作为一个产品用户体验就是无论是开发者啊，无论是用户啊还是对AI A型的自己来说，他对简单的极致的追求还是不会变的，就大家为什么这么喜欢用我自己就是iPhone的就是苹果的全家桶嘛，为什么大家这么喜欢用苹果对吧？
我觉得这是第二点，然后第三点可能还是那个呃因为我做数据库了嘛，我觉得就是作为一个产品用户体验就是无论是开发者啊，无论是用户啊还是对AI A型的自己来说，他对简单的极致的追求还是不会变的，就大家为什么这么喜欢用我自己就是iPhone的就是苹果的全家桶嘛，为什么大家这么喜欢用苹果对吧？
当然以后。
当然以后。
呃其实还是一个极致的一个用户体验，很多东西非常简单，即使是agent agent能处理非常复杂的东西，但是agent再没办法你的东西越简单，我觉得agent的价值就是agent能用你的东西，他可以更容易用你的东西，所以说就是就是对于简单性的追求是不会变的，这是不变，然后当然铁定铁定是对因为做数据嘛做做存储嘛，其实我觉得最核心的就是可靠性的这些价这个东西是不会变的。
呃其实还是一个极致的一个用户体验，很多东西非常简单，即使是agent agent能处理非常复杂的东西，但是agent再没办法你的东西越简单，我觉得agent的价值就是agent能用你的东西，他可以更容易用你的东西，所以说就是就是对于简单性的追求是不会变的，这是不变，然后当然铁定铁定是对因为做数据嘛做做存储嘛，其实我觉得最核心的就是可靠性的这些价这个东西是不会变的。
这个东西其实就是个信任的一个东西，就是用户或者其他的，就比如这个用户无论是人还是AI agent，他不会因为你是一个AI agent做的东西，他就能够接受丢数据、权限泄露，对吧？
这个东西其实就是个信任的一个东西，就是用户或者其他的，就比如这个用户无论是人还是AI agent，他不会因为你是一个AI agent做的东西，他就能够接受丢数据、权限泄露，对吧？
任务乱执行这些东西。
任务乱执行这些东西。
所以说它整个的你的产品的可靠性、可信任性还是不会变。
所以说它整个的你的产品的可靠性、可信任性还是不会变。
对啊，刚好就是接着一个问题啊，就是10年前你们做就是拼type和type D B的时候，是希望终结就是程序员的这种分库分表的噩梦。
对啊，刚好就是接着一个问题啊，就是10年前你们做就是拼type和type D B的时候，是希望终结就是程序员的这种分库分表的噩梦。
然后下一个10年，你们希望去。
然后下一个10年，你们希望去。
帮助AI开发者消除哪些痛苦呢？
帮助AI开发者消除哪些痛苦呢？
对啊我刚才其实也一直在强调一个点就是我们希望帮助AI开发者或者消除A进的开发里面的就状态和上下文管理的噩梦其实因为我们最终定位的时候我们是定位我们自己是统一存储层嘛所以说我们希望的是A进的开发者或者A进的业务他自己只关注他自己A进的业务他不用去关注。
对啊我刚才其实也一直在强调一个点就是我们希望帮助AI开发者或者消除A进的开发里面的就状态和上下文管理的噩梦其实因为我们最终定位的时候我们是定位我们自己是统一存储层嘛所以说我们希望的是A进的开发者或者A进的业务他自己只关注他自己A进的业务他不用去关注。
他怎么去非常复杂的这种的状态的管理，上下文的管理，或者记忆的整个管理。
他怎么去非常复杂的这种的状态的管理，上下文的管理，或者记忆的整个管理。
对吧，这也是当年我们做风控部面的初衷，其实我们就觉得，当然做，很多时候程序员会觉得，哎，这些东西我自己能处理，但是实际上业业务规模一大，复复杂度就失控了，所以说呢也是我们希望未来十年的话，我们希望AI的这些开发者，就不用再去操心这些的基础设施。
对吧，这也是当年我们做风控部面的初衷，其实我们就觉得，当然做，很多时候程序员会觉得，哎，这些东西我自己能处理，但是实际上业业务规模一大，复复杂度就失控了，所以说呢也是我们希望未来十年的话，我们希望AI的这些开发者，就不用再去操心这些的基础设施。
其实让他非常方便的，非常自然的，只关注他自己的A型的业务逻辑开发。
其实让他非常方便的，非常自然的，只关注他自己的A型的业务逻辑开发。
对，最后一个问题吧，能不能给大家推荐一本你觉得对你帮助或者影响最大的书？
对，最后一个问题吧，能不能给大家推荐一本你觉得对你帮助或者影响最大的书？
啊这这本书其实非常非常老啊，应该是上个世纪六七十年代，我如果印象中上个世纪六七十年代写的，非常非常老的一本书，这本书叫系统之美，my circle or around，啊它对我帮助很大，它是因为它不是讲我们程序员认知里面那种的软件系统的，它其实让我去理解它整个世界的整个的复杂系统，什么反馈回路啊，延迟啊，这些东西。
啊这这本书其实非常非常老啊，应该是上个世纪六七十年代，我如果印象中上个世纪六七十年代写的，非常非常老的一本书，这本书叫系统之美，my circle or around，啊它对我帮助很大，它是因为它不是讲我们程序员认知里面那种的软件系统的，它其实让我去理解它整个世界的整个的复杂系统，什么反馈回路啊，延迟啊，这些东西。
所以说他让我有真的改变了我认知，其实是让我在看某个事情的时候，他不是一个局部的去看，而是把它放在一个系统里面，它是一个whole picture，就是整个的大局的里面去看整个系统，去看整个事情应该是什么样子的。
所以说他让我有真的改变了我认知，其实是让我在看某个事情的时候，他不是一个局部的去看，而是把它放在一个系统里面，它是一个whole picture，就是整个的大局的里面去看整个系统，去看整个事情应该是什么样子的。
所以说其实你可以看，就为什么对我影响很大了，就是因为我们做数据库、做基础设施，其实面对的是非常复杂的系统。
所以说其实你可以看，就为什么对我影响很大了，就是因为我们做数据库、做基础设施，其实面对的是非常复杂的系统。
很有可能就是我们做一个小的设计，大家看见哎这个小东西影响不大，实际上它其实会在当你把什么可靠性啊、性能啊、可运维性啊、开发者体用户体验啊。
很有可能就是我们做一个小的设计，大家看见哎这个小东西影响不大，实际上它其实会在当你把什么可靠性啊、性能啊、可运维性啊、开发者体用户体验啊。
然后包括整个的你的整个报，是包括你的公司到底要长成什么样，这些东西全部考虑进去之后，你就会发现它它不过它不光是一个非常小的一个功能需求，它可能是就可能是它影就是像蝴蝶效应一样，它就会有影响的非常大。
然后包括整个的你的整个报，是包括你的公司到底要长成什么样，这些东西全部考虑进去之后，你就会发现它它不过它不光是一个非常小的一个功能需求，它可能是就可能是它影就是像蝴蝶效应一样，它就会有影响的非常大。
AI时代其实也是一样的，就是很有可能我们觉得做AI这些产品，它可能A金的可能做了一个非常快的一个东西能够出来，但是实际上。
AI时代其实也是一样的，就是很有可能我们觉得做AI这些产品，它可能A金的可能做了一个非常快的一个东西能够出来，但是实际上。
当你把整个大很大的一个大放到一个大的系统里面的时候，就比如你的整个系统的数据状态啊这些东西怎么存呐，然后可审计可恢复啊，整个人机协作啊或者A进的整个理解就是如何让A进的更好去理解你的这个系统啊，因为这些东西。
当你把整个大很大的一个大放到一个大的系统里面的时候，就比如你的整个系统的数据状态啊这些东西怎么存呐，然后可审计可恢复啊，整个人机协作啊或者A进的整个理解就是如何让A进的更好去理解你的这个系统啊，因为这些东西。
就是非常重要，其实也就是说它能让我去更好地去理解系统。
就是非常重要，其实也就是说它能让我去更好地去理解系统。
也就是说以前很多时候我们做很多东西，或者聚焦于程序员，尤其是程序员啊，又聚焦于解决某一个技术的问题，就单点。
也就是说以前很多时候我们做很多东西，或者聚焦于程序员，尤其是程序员啊，又聚焦于解决某一个技术的问题，就单点。
但是实际上它其实是这个单点，其实是如果你把它放到整个系统里面，它其实是影响非常大的。
但是实际上它其实是这个单点，其实是如果你把它放到整个系统里面，它其实是影响非常大的。
然后呢，因为只有你理解整个系统之后，你才能知道这个单点怎么去解决。
然后呢，因为只有你理解整个系统之后，你才能知道这个单点怎么去解决。
对吧，所以说如果真的让我最后推荐的话呢，我其实每年都翻这本书的，这本书我就是归根其实就提醒他其实实时的就提醒我吧，就是真正重要的不是优化某个局部，而是看系统系统是如何运转，就是整个的系统是如何运转的，以及哪里才是改变系统运转这个杠杆点。
对吧，所以说如果真的让我最后推荐的话呢，我其实每年都翻这本书的，这本书我就是归根其实就提醒他其实实时的就提醒我吧，就是真正重要的不是优化某个局部，而是看系统系统是如何运转，就是整个的系统是如何运转的，以及哪里才是改变系统运转这个杠杆点。
大连旅游热线。
大连旅游热线。
对，感谢推荐，就感觉你这本书跟上面一个问题很相关就是。
对，感谢推荐，就感觉你这本书跟上面一个问题很相关就是。
下一个时代，哪些东西是不变的？
下一个时代，哪些东西是不变的？
因为你说这本书其实也是上个世纪六七十年代的书，那到现在也有个50年时间了。
因为你说这本书其实也是上个世纪六七十年代的书，那到现在也有个50年时间了。
对对。
对对。
说明系统设计很多原则它也是一直不变的。
说明系统设计很多原则它也是一直不变的。
嗯对因为它你在想这个我们毕竟人嘛对吧这么几十这么我觉得计算机对吧或者即使你看AI虽然现在发展这么快但是实际上其实它很多的底层的东西它也真的是没太多变化。
嗯对因为它你在想这个我们毕竟人嘛对吧这么几十这么我觉得计算机对吧或者即使你看AI虽然现在发展这么快但是实际上其实它很多的底层的东西它也真的是没太多变化。
就是计算机还是这么多年了它还是整个的那个宏多一般的这些架构对吧这些体系它也是没变化的而且你写程序你现在你即使在AI在AI扣力再那么强你写程序你写代码不是还有什么Python啊Node.
就是计算机还是这么多年了它还是整个的那个宏多一般的这些架构对吧这些体系它也是没变化的而且你写程序你现在你即使在AI在AI扣力再那么强你写程序你写代码不是还有什么Python啊Node.
js啊是吧TypeScript啊对吧这些Go啊Rust这些东西都是没怎么变化的很多东西。
js啊是吧TypeScript啊对吧这些Go啊Rust这些东西都是没怎么变化的很多东西。
对啊，而且数据库你看存在了几十年，其实你看到现在为止数据库它虽然有各种各样的演化，它实际上很多时候它还是SQL这些东西。
对啊，而且数据库你看存在了几十年，其实你看到现在为止数据库它虽然有各种各样的演化，它实际上很多时候它还是SQL这些东西。
也是没什么变化行说的有点多。
也是没什么变化行说的有点多。
没有没有非常感谢分享啊对我觉得我们嗯往后因为AI变化太快了更多还是应该去多关注一些不变的东西。
没有没有非常感谢分享啊对我觉得我们嗯往后因为AI变化太快了更多还是应该去多关注一些不变的东西。
对对对，这我非常认同你的这个东西。
对对对，这我非常认同你的这个东西。
就是其实坦白说啊，人其实是个很……我我其实也是个非常焦虑的，我真的非常焦虑。
就是其实坦白说啊，人其实是个很……我我其实也是个非常焦虑的，我真的非常焦虑。
就是因为尤尤其是到今年年初的时候，我看到那个Claude Code4.6的时候，还有扣还有ChatGPT4.5，然后code x5.5的时候，我当时就觉得我要被淘汰了。
就是因为尤尤其是到今年年初的时候，我看到那个Claude Code4.6的时候，还有扣还有ChatGPT4.5，然后code x5.5的时候，我当时就觉得我要被淘汰了。
就是作为程序员，我可能真的真的要被淘汰了，因为我是个写代码的人嘛，写代码已经在未来其实不是一个核心竞争力。
就是作为程序员，我可能真的真的要被淘汰了，因为我是个写代码的人嘛，写代码已经在未来其实不是一个核心竞争力。
但是呢。
但是呢。
后来的话，我的我的心态就放松了。
后来的话，我的我的心态就放松了。
就刚才跟你说的，就是迭代太快了。
就刚才跟你说的，就是迭代太快了。
那么你如何？
那么你如何？
你让你自己的稍微的能够去RELAX一点，对吧？
你让你自己的稍微的能够去RELAX一点，对吧？
或者轻松一点。
或者轻松一点。
其实你会发现，你还是关注于本质的不变的东西。
其实你会发现，你还是关注于本质的不变的东西。
其实就本质的不变的东西，比如说你作为程序员或者写代码，你不变的东西，你还是要通过你写的东西给客户传递出价值，对吧？
其实就本质的不变的东西，比如说你作为程序员或者写代码，你不变的东西，你还是要通过你写的东西给客户传递出价值，对吧？
那你只要把你把它变成整个价值链或者变成整个系统里面。
那你只要把你把它变成整个价值链或者变成整个系统里面。
他还是包括需求客户对吧？
他还是包括需求客户对吧？
然后交互包括运维，你把考虑是整个一个大的系统，你会发现你在这里面你还是能贡献非常大的东西。
然后交互包括运维，你把考虑是整个一个大的系统，你会发现你在这里面你还是能贡献非常大的东西。
写代码只是说大部分的工作被AI给换掉，但是实际上整个的一个价值这个面整个系统你还是能够去贡献非常多的价值。
写代码只是说大部分的工作被AI给换掉，但是实际上整个的一个价值这个面整个系统你还是能够去贡献非常多的价值。
这样的话你这个人整个人就会轻松很多。
这样的话你这个人整个人就会轻松很多。
是的是的是的对。
是的是的是的对。
那今天嗯非常感谢唐六的分享啊，对我们从那个。
那今天嗯非常感谢唐六的分享啊，对我们从那个。
数据库的历史聊起，然后到AI时代需要什么样的数据库，然后发现其实像Tidb这样的数据公司已经迭代的非常快了，迭代了好几版了，所以从存数据到直接agent的自己存agent到AI应用层到底护城河是什么？
数据库的历史聊起，然后到AI时代需要什么样的数据库，然后发现其实像Tidb这样的数据公司已经迭代的非常快了，迭代了好几版了，所以从存数据到直接agent的自己存agent到AI应用层到底护城河是什么？
对，然后到现在就大家都很焦虑啊，觉得就是可能。
对，然后到现在就大家都很焦虑啊，觉得就是可能。
消解交流的方式就多去看看什么东西是比较本质的不变的，而不是说太去追逐过新的东西。
消解交流的方式就多去看看什么东西是比较本质的不变的，而不是说太去追逐过新的东西。
因为我们这之前我们有一期跟大家开玩笑就是就AI你学不过来你不学就可以了，因为发因为发现你不学你可能过段时间你需要学的东西就不需要学了。
因为我们这之前我们有一期跟大家开玩笑就是就AI你学不过来你不学就可以了，因为发因为发现你不学你可能过段时间你需要学的东西就不需要学了。
呃对我非常同意你这个了，你看就是之前一两个点我们说Promote and Dilemma对吧我们就讲的是对对对对对Promote.
呃对我非常同意你这个了，你看就是之前一两个点我们说Promote and Dilemma对吧我们就讲的是对对对对对Promote.
对后来你发现谁跟你聊这个东西了都不聊了。
对后来你发现谁跟你聊这个东西了都不聊了。
是的是的是的。
是的是的是的。
嗯对对然后还后面有段时间变成context engineering对不对。
嗯对对然后还后面有段时间变成context engineering对不对。
然后现在又又有段时间变成hardest engineering然后现在又变成loof engineering先听到我们这个之后变成啥engineering。
然后现在又又有段时间变成hardest engineering然后现在又变成loof engineering先听到我们这个之后变成啥engineering。
反正我也学不过来了。
反正我也学不过来了。
嗯。
嗯。
好来来好非常感谢同学分享。
好来来好非常感谢同学分享。
对。
对。
嗯。
嗯。
然后如果我们听众没有开发者然后对就是太低力感兴趣然后可以去联系他。
然后如果我们听众没有开发者然后对就是太低力感兴趣然后可以去联系他。
ok行谢谢斯达对最后再打个广告因为我们这边也提供了那个就是star up program嘛如果大家作为创业公司就是才启动的话呢。
ok行谢谢斯达对最后再打个广告因为我们这边也提供了那个就是star up program嘛如果大家作为创业公司就是才启动的话呢。
可以来找我，我们可以免费就是把我们整个的就是提供就是给大家credit给大家提供整个基础价就是基础设施的支持。
可以来找我，我们可以免费就是把我们整个的就是提供就是给大家credit给大家提供整个基础价就是基础设施的支持。
主要主要还是台币啊就是就数据库和组文件文件系统啊就是包括整个的的这些东西的支持。
主要主要还是台币啊就是就数据库和组文件文件系统啊就是包括整个的的这些东西的支持。
对挺好的就像刚刚讲的就是你其实很多你要去自己去搭一个的还是很复杂的。
对挺好的就像刚刚讲的就是你其实很多你要去自己去搭一个的还是很复杂的。
对，如果有的地方去帮你去管，那你其实只要负责解决用户说的业务需求就好。
对，如果有的地方去帮你去管，那你其实只要负责解决用户说的业务需求就好。
嗯，好的，那我们今天就先到这里。
嗯，好的，那我们今天就先到这里。
这一期的节目感谢DingTalk A1录音卡的陪伴和支持，感兴趣的朋友可以在show notes查看详情。
这一期的节目感谢DingTalk A1录音卡的陪伴和支持，感兴趣的朋友可以在show notes查看详情。
以上就是这一期节目的全部内容，欢迎在苹果播客、小宇宙、youtube 和 spotify 上订阅、留言和评分。
以上就是这一期节目的全部内容，欢迎在苹果播客、小宇宙、youtube 和 spotify 上订阅、留言和评分。
得往 global 茶水间付费订阅和专属会员社群已开启，欢迎在我们的官网 web3brand.
得往 global 茶水间付费订阅和专属会员社群已开启，欢迎在我们的官网 web3brand.
io 和节目的 show notes 里面去查看。
io 和节目的 show notes 里面去查看。
我们期待你的加入，感谢收听，下一期再见。
我们期待你的加入，感谢收听，下一期再见。
关于 Bayt 播客
Bayt 提供中文+原文双语音频和字幕，帮助你打破语言障碍，轻松听懂全球优质播客。