Mike Stonebraker，這位2014年圖靈獎得主，因其在數據庫系統領域的開創性貢獻而廣受贊譽。他的研究成果不僅被寫入眾多教科書，還催生了多個商業上成功的數據庫系統，如Ingres、Postgres、Vertica、VoltDB和SciDB等。最近，Stonebraker在meta資深工程師Ryan Peterman的播客中，分享了他對數據庫行業的深刻見解，并對當前科技熱點發表了獨到看法。
Stonebraker的職業生涯始于伯克利大學，他在那里遇到了導師Gene Wong，并共同投身于數據庫研究。當時，關系數據庫理論剛剛提出，而CODASYL和IBM的IMS等網狀和層次數據庫系統則占據主導地位。然而，Stonebraker和Wong認為關系數據庫模型更具潛力，于是他們開始研發Ingres，這一系統后來成為學術界和商業界的熱門選擇。
在談到Ingres的商業化過程時，Stonebraker直言不諱地批評了Oracle創始人Larry Ellison的銷售策略。他認為Ellison在推銷產品時經?；煜F在時和將來時，對客戶撒謊，這種做法在他看來是不可原諒的。相比之下，Ingres公司則通過實現參照完整性等關鍵功能，贏得了客戶的信任。
Postgres的誕生則源于Stonebraker對數據庫可擴展性的追求。他回憶起一個債券交易員的電話，該交易員需要一種能夠自定義日期時間計算的數據庫系統。這一需求促使Stonebraker設計出了具有靈活類型系統的Postgres，使得用戶可以根據需要定義各種數據類型。
在數據庫技術的發展過程中，Stonebraker一直強調針對不同應用場景設計專用數據庫的重要性。他認為，一種數據庫通吃所有場景的想法是錯誤的，這會導致性能上的巨大損失。他以流處理數據庫StreamBase和列式分析數據庫Vertica為例，說明了針對不同工作負載設計的數據庫系統能夠比通用數據庫快一個數量級。
對于近年來興起的大模型技術，Stonebraker則持謹慎態度。他通過一項實驗發現，在真實生產數據倉庫上，大模型在text-to-SQL任務上的準確率幾乎為零。即使加上檢索增強生成等技術，準確率也仍然很低。他認為，這主要是因為大模型訓練數據與真實數據倉庫中的數據存在巨大差異，以及真實查詢復雜度遠高于學術基準。
在談到agentic AI時，Stonebraker指出，目前的agent大多還停留在只讀階段，一旦開始進行讀寫操作，就會遇到數據庫領域的老問題，如事務、一致性和原子性等。他認為，這將為數據庫技術帶來新的挑戰和機遇。
除了對數據庫技術的深入探討，Stonebraker還分享了他對年輕人職業選擇的建議。他認為，雖然計算機科學是一個充滿機遇的領域，但未來增長的不確定性也使得醫療和建筑等行業成為更穩妥的選擇。然而，他更強調追隨自己的熱情，因為做自己熱愛的事情往往能夠帶來更大的滿足感和成就感。
