烏鎮再獲獎，螞蟻如何穿越技術周期

2026年11月04日 11:09:32

　　從老問題中來，到新業務中去。

　　文 | 華商韜略 陳斯文

　　2026年世界互聯網大會烏鎮峰會上，螞蟻捧回了兩個獎項：AI數據庫OceanBase獲得傑出貢獻獎，AI健康產品螞蟻阿福獲得領先科技獎。

　　實際上，自2018年首次獲獎算起，螞蟻已經五次獲得世界互聯網大會領先科技類獎項，其中，OceanBase曾於2022年獲得領先科技類獎項，今年又獲得世界互聯網大會傑出貢獻獎。

　　16年前爲了解燃眉之急誕生的OceanBase，今天仍在進化；AI浪潮里出現的螞蟻阿福，上線一年來已經擁有了1.5億用户。

　　一個服務企業，一個面向普通人；一個經歷了十多年的技術積累，一個誕生於最新一輪AI浪潮。它們看上去毫不相干，但卻指向了同一件事：如何從真實問題出發，把技術做成真正可用的產品？

　　【從真問題出發】

　　如果要理解這種能力，不妨先回到OceanBase誕生的地方。

　　它最初並不是一個面向市場設計出來的產品，而是被真實業務難題逼出來的。

　　2010年，電商交易規模快速增長，底層數據庫面對着一個巨大的難題：容量不夠用了。

　　「雙十一」在前一年啟動，成交金額只有5000多萬元，一年后就飆過了9億元，對應的每秒交易峰值衝到了2500筆，但系統的極限容量是每秒3000筆。

　　在那個時代，集中式的Oracle單機數據庫是行業首選，但在暴漲的支付訂單面前，它終於顯得力不從心。分佈式數據庫這個方向，幾乎是一件非做不可的事。

　　火線成立的OceanBase要完成的任務，是在兩年時間內證明一件事：業務的需求難題，技術可以給出解法。

　　分佈式數據庫的原理並不複雜，把數據分散到大量普通PC上，可以同時處理海量賬單，它成功的關鍵點，是要在更多的機器上，做出比單臺機器更高的確定性。「OceanBase」名字因此暗含着一個隱喻：既要有海一樣大的容量，也要堅實可靠。

　　OceanBase遇到的第一個難題是：沒有業務願意給一個不成熟的數據庫機會；而沒被業務用過，數據庫就永遠長不大。

　　第一塊願意嘗試的業務，是淘寶收藏夾。經過兩個月測試、六個月打磨和四個月試運行，一年之后，收藏夾用到的服務器減掉了56%，連續**的業務卻毫無影響。

　　但這小小一勝，還不足以證明什麼。很快，支付寶的核心業務就把OceanBase推向了更嚴苛的考驗。

　　支付寶大量使用Oracle，授權費和高端硬件是一筆大開銷。可換掉它有個前提：分佈式數據庫不能弄丟用户的一分錢。OceanBase接下了這個挑戰，通過多副本數據備份等技術設計，保障數據的一致性和可靠性。

　　真正意義上的大考，發生在它誕生后的第四年。在那一年的「雙十一」，OceanBase最初只爭取到了1%的流量測試機會，然而在壓力測試中，當數據量衝到90%時，崩盤的Oracle讓業務團隊別無選擇。

　　作為「泄洪分流」的替補隊員，OceanBase拿到了10%的流量，可這個數字，幾乎相當於淘寶日常100%的流量。對一個新數據庫來説，這是一場真正的核心業務考驗。

　　那一年的「雙十一」平安度過，OceanBase一戰成名，正是從那天起，它不再只是內部試驗中的技術方案，而開始成為一套可以承載核心業務的系統。

　　此后，OceanBase的急進之路開啟：2016年開始替換支付寶賬務系統中的Oracle數據庫；2017年完成全部核心鏈路的替換；2019年以兩倍於Oracle的成績刷新TPC-C測試的世界紀錄；2020年成立公司獨立運作，並以7.07億tpmC再次刷新紀錄；2021年正式開源……

　　在這個進程中，它還走向了外部市場。2017年，南京銀行成爲了第一家外部客户，到今天，它已經服務了超過4000家客户。據IDC統計，2025年OceanBase已位居中國分佈式數據庫本地部署市場份額第一。

　　與此同時，它的業務版圖也已從中國延伸到東南亞、日本、中東、印度、非洲和美洲。這並不讓人意外，雙十一這種全球少見的交易洪峰，讓中國市場成爲了全球最苛刻的數據庫壓力測試場，能在這里平穩運行的產品，就有了走向任何市場的底氣。

　　AI革命的到來，OceanBase又開啟了新一頁。

　　在過去，數據庫只解決一件事：把數據存好、管好。到了AI時代，數據的使用者從人和應用變成了模型與Agent，數據的形態從結構化變成了文本、圖片、視頻混在一起的多模態。

　　今年6月，OceanBase發佈了湖庫一體的AI數據庫，結構化數據與文本、圖片、視頻等非結構化數據，可以在同一個底座上實時處理，並已在螞蟻阿福、靈光等核心場景完成業務驗證。

　　這個變化，讓OceanBase的分量更重一層：過去，它主要是把數據存住、管好的基礎設施，現在它開始參與數據的加工與供給，開始成為為大模型提效造血的AI數據平臺。

　　從真實業務問題出發，找到技術上的解決方案，再擴散成普適的產品，這是OceanBase走過的路徑。在螞蟻，從技術到創新還有另一條路：在新技術浪潮之下，如何把新技術做成真實可用、服務廣大用户的產品？

　　【老問題的新解法】

　　相比主要服務企業、公眾相對陌生的OceanBase，同在烏鎮獲獎的螞蟻阿福，可能是一個公眾更熟悉的產品。

　　夜晚突感胸悶的75歲老人，被螞蟻阿福提醒立即前往醫院，在心梗面前搶下一命；35歲的用户被螞蟻阿福提示血栓風險，確診前卻只感覺「肌肉疲勞」；便血的母親因為螞蟻阿福的建議，及時發現了缺血性腸病……

　　截至今年9月10日，螞蟻阿福App的最新用户數已達1.5億，用户單日健康諮詢人次近2000萬，而在每天的用户諮詢中，它會發出超過20萬條立即就醫建議，其中有5萬多條與危重症相關。

　　這一連串數字，更直觀地反映了健康AI背后的真實需求：在正式進入醫院之前，人們正在獲得一個新的健康諮詢和就醫提醒入口。

　　儘管醫療基建讓中國擁有「萬張牀位」的超級醫院，但在大眾和醫院之間，卻始終有一塊模糊的地帶：難受要不要就診，慢病的日常怎麼管，亞健康狀態怎麼處理……多數時候，人們靠經驗、靠搜索、靠「喝點熱水」來對付它，但這顯然離碰運氣更近，離嚴肅醫療很遠。

　　這是一個長期未被滿足的需求，它之所以空着，不是因為沒人發現，而是沒有一種辦法能低成本、成規模地迴應它。

　　健康是一項高度專業的領域，絕大多數公眾對專業醫學知之甚少，如何把用户的主觀感受，轉化成診療專用的學術語言，難度要高於任何語種翻譯。

　　比如，「胸悶」是普通人對身體感受的描述，而醫生需要結合症狀、病史和檢查，判斷背后是否存在心梗等風險。把用户模糊的日常表達轉化成專業的風險識別和就醫建議，本身就是一個高門檻的問題。

　　但AI技術的發展，讓問題有了新解法，大模型對非結構化數據的處理能力，使識別和決策有了專業的依據。

　　超萬億專業醫療語料的輸入，千萬級醫療知識圖譜的融合，完整診療思維鏈的學習，以及鼓勵大模型深入思考、形成良性循環的訓練獎勵機制，幫助螞蟻醫療大模型「學會了」精準理解疾病特徵、診療邏輯和醫學表述。

　　但阿福並不是從零開始。過去十多年，螞蟻持續進入醫療健康服務場景，從掛號繳費、醫保服務，到連接醫院和醫生，逐步積累起對醫療流程、用户需求和服務體系的理解。目前，相關服務已連接5000多家醫院、30萬名醫生，也覆蓋了廣泛的醫保服務場景。

　　這些技術和產品能力，最終匯聚到一款面向普通用户的健康AI應用上。2025年6月，螞蟻上線AI健康應用AQ；同年12月，品牌升級為「螞蟻阿福」。

　　它的角色既不是醫院的診療，也不是體檢機構的檢查，而是接近醫療與健康的科普顧問；換句話説，它更像是一個「懂醫的朋友」，儘管不能代替醫生出具診斷方案，卻可以用專業和易懂的交互，讓大眾便利地瞭解自身的健康狀況。

　　爲了守住醫療的嚴肅性，阿福選擇讓AI與真人醫生協作：8位院士領銜、2000多名醫生在阿福推出「醫生AI分身」；「醫生把關」功能則讓AI的初步判斷由真人醫生複覈，阿福也因此成為國內首個落地「AI問答+醫生複覈」模式的健康應用。

　　關於現代醫學的使命，有一個廣為流傳的説法，叫作「有時治癒，常常幫助，總是安慰」，但來自公眾的大部分日常醫療需求，恰恰是對自身健康情況的瞭解和掌握。阿福不斷增長的用户規模，以及一個個真實案例，正是這種「幫助」的具體體現。

　　技術發展的價值，最終還是要落到現實生活中。AI讓更多人能夠獲得健康服務，這物，一個To B，一個To C，不僅場景不同，用户不同，甚至誕生於不同的技術時代，然而在它們的背后，卻有一個相同的內核：

　　從真問題中來，到新業務中去，從業務里長出技術，再讓技術長出新的業務。這是螞蟻始終遵循的邏輯，也是它在不同的技術時代，總能自我刷新的原因。

　　【螞蟻刷新螞蟻】

　　二十年來，螞蟻沿着聚焦解決真實問題的軌跡一路延伸。

　　在最早的互聯網時代，通過擔保交易，電商的信任問題由此迎刃而解；在移動互聯時代，線下移動支付的出現，讓「出門不帶現金」成爲了現實；今天，AI健康、智能體商業與產業智能化的出現，同樣是對於問題的解決。

　　這背后的推動力，正是螞蟻始終延續的技術邏輯：去尋找最真實、最重要的問題，一以貫之地對技術投入，最終把技術轉化成產品、服務以及生產力。

　　在螞蟻內部，每年的5月27日非同尋常，它被命名為「螞蟻技術日」，用來獎勵一年來有創新突破成果的技術項目和個人，也用來勉勵螞蟻技術人永遠敬畏技術，持續創新突破。

　　在今年的技術日上，有一個特別的環節：作為螞蟻三代CTO，魯肅、苗人鳳、梁紇同場亮相，這個景象甚至讓許多螞蟻資深技術人恍惚而感動，一瞬間穿越了PC、無線與AI 的三個技術周期。

　　作為第一代CTO，魯肅講了一段意味深長的發言：

　　「我們能夠走到今天，我覺得是社會給我們的一種獎賞。這種獎賞不是獎賞我們有多強的技術，而是獎賞我們在那個時代解決了最有價值的問題。」

　　從擔保交易，到移動支付；從當年沒有退路的分佈式數據庫，到當下全力以赴的All in AI，螞蟻每一次最關鍵的決策，都來自於追問時代里的真問題。

　　當下，這種追問仍然在持續發生，AI版支付寶「阿寶」讓一句口語指令就能辦完寄快遞、打車、點外賣、查公積金這些日常瑣事；螞蟻數科正在試圖讓金融級技術、數據與安全能力走向更廣的企業；螞蟻靈波則聚焦具身智能通用大腦，探索AI從數字世界走向物理世界的可能……

　　其實，科技進步的意義，一直沒有跳出歷史的輪迴：那就是用新時代的技術，去實現舊時代的夢想。

　　此刻，站在新舊交錯的時代路口，走過多個技術周期的螞蟻，再一次踏上了那條「從老問題中來，到新業務中去」的路。未來，螞蟻能否長出更多OceanBase與阿福，仍取決於它能否在不斷變化的時代里，持續發現和解決新的真實問題。

　　——END——

　　歡迎關注【華商韜略】，識風雲人物，讀韜略傳奇。

　　版權所有，禁止私自轉載

　　部分圖片來源於網絡

　　如涉及侵權，請聯繫刪除