长按二维码,关注官方公众号
曾在奇虎 360 基础架构组负责开源 MySQL 中间件 Atlas，2012 年创业做过安卓推送系统聚能推。加入 PingCAP 后曾带领 TiDB SQL Infra 组，TiKV 事务组，PD 组等技术团队。2020-2024 年负责 PingCAP 全球开源社区业务，现在负责 PingCAP 中国研发团队。
AI 驱动下的数据系统演进：从存储为中心到多模融合的技术实践
深入探讨在 AI 驱动下数据系统如何逐渐从传统的“存储为中心”向“多模融合的调度中心”转型。剖析 AI 技术在底层数据组织方式、存取路径和调用模式上的实际变革，详细阐述具体的技术挑战及应对策略。
结合真实案例，如 TiDB 的 GraphRAG 技术、向量搜索与混合 Ranking 的实际部署与应用，展示如何构建支持智能交互与实时数据分析的高效数据系统。
提供针对 AI 应用开发的数据库优化实践方法，包括向量索引、HNSW 算法优化及敏捷部署模式（实现快速部署、灵活扩展与跨节点无缝切换），帮助企业快速适应 AI 时代的实际需求，降低技术实施成本，实现技术有效落地。
演讲提纲：
1. AI 时代数据系统的发展背景与挑战
- 传统存储中心数据系统的瓶颈与局限
- AI技术对数据组织、访问路径与调用模式的重塑
2. 数据系统从存储为中心到多模融合调用为中心的演进路径
- 技术变革：结构化与非结构化数据的融合
- 向量搜索、GraphRAG与混合Ranking技术的应用
3. 数据库技术优化与敏捷部署实践
- 向量索引、HNSW算法的深度优化方法
- 小规模集群的敏捷模式部署与扩展案例分析
4. 企业落地实践案例分享
- TiDB的实际应用场景与技术实施经验
听众收益：
- 了解 AI 时代数据系统技术演进的具体路径
- 学习多模态数据处理与技术融合的实践经验
- 掌握实际部署优化方法论，推动自身技术方案的落地
