数据库与AI技术创新

人员

报告安排

1. 总结发言

   耿航 · 腾讯云计算（北京）有限责任公司

2. 开场致辞

   刘婷婷 · 腾讯科技（深圳）有限公司

3. AI时代的数据计算新范式：从高性能数据库到压缩数据直接计算

   张峰 · 中国人民大学

   简介

   AI时代，数据规模与计算需求快速增长，数据搬移、计算效率与硬件利用率成为数据系统的关键性能瓶颈。本报告介绍我们在高性能数据处理方面的系列研究：首先，以腾讯TDSQL为例，介绍面向大规模分析负载的体系结构、并行执行、向量化计算与存储协同优化；进一步，针对传统“先解压、后计算”带来的数据膨胀与冗余搬移问题，介绍压缩数据直接计算技术，以及面向GPU的压缩存储与计算方法；最后，探讨AI时代数据表示、系统软件与计算硬件协同优化的发展方向。

4. 大模型时代下传统关系型数据库技术发展

   陈璐 · 浙江大学

   简介

   大模型时代为传统关系型数据库技术带来了深刻变革与全新挑战。本报告从两个维度探讨了大模型与数据库技术的融合路径：另一方面，传统关系型数据库在处理非结构化数据（如文本、图像、视频）时受限于算子能力，缺乏深度分析手段。借助大语言模型的推理能力，构建以大模型为算子的多模态数据分析引擎，并配合查询优化技术，可在成本效益最优的前提下实现对海量非结构化数据的定量分析。另一方面，结构化大模型能够端到端地学习表格数据的全局依赖，并以线性计算复杂度高效处理长样本量场景，真正适配工业级数据规模。

5. 生成式数据库：现状与未来

   张超 · 中国人民大学

   简介

   本次报告将围绕生成式数据库技术展开，首先，回顾当前已有的查询级别或者函数级别生成式数据库。其次，介绍算子级别生成式数据库。最后，介绍一种新型搜索组合式生成式向量数据库技术。

6. 基于大语言模型的自动化数据分析

   朱君鹏 · 西北农林科技大学

   简介

   大语言模型为数据分析工作流的自动化带来了新的机遇，但复杂数据理解、用户意图澄清与多模态任务规划仍面临挑战。本报告围绕多表问答分析、跨域探索性分析和多模态数据分析，介绍团队在多智能体协作、层次数据上下文、元数据图及查询规划等方面的研究进展，探讨如何贯通自然语言提问、查询执行与结果可视化，并结合实验分析准确性、效率与成本之间的权衡，展望自动化数据分析的发展方向。

7. 从 ATLAS 到 Nexa Knowledge：大规模数据库自演进语义层的研究与实践

   张卿 · 腾讯云计算（北京）有限责任公司

   简介

   企业级 Text-to-SQL 的难点，不仅在于生成 SQL，更在于让系统在海量库表中理解业务、跟上物理 Schema 的持续变化，并从使用中积累知识。本次分享将介绍从 ATLAS 研究原型到 Nexa Knowledge 企业级生产项目的演进，探讨如何构建面向大规模数据库的自演进语义层。我们将围绕语义上下文的自动生成与组织、面向大规模库表的自适应检索，以及 Schema 变更驱动的上下文维护，介绍研究思路与生产实践；进一步讨论自动生成、人工核准和使用反馈如何协同，在一致性、生成成本与服务可用性之间建立可落地的机制，让语义层从一次性的元数据补充，逐步成为与物理结构保持一致、持续积累业务理解的基础设施。