2014年圖靈獎得主Mike Stonebraker近日在meta資深工程師Ryan Peterman的播客中分享了他對數據庫領域及人工智能的獨到見解。Stonebraker是數據庫系統領域的先驅，其貢獻幾乎被所有相關教科書收錄。從Ingres、Postgres到Vertica、VoltDB，再到最新的DBOS，他開發的系統在商業領域取得了巨大成功。
在對話中，Stonebraker直言不諱地批評了一些科技巨頭。他稱Oracle創始人Larry Ellison“混淆現在時和將來時，本質上是在欺騙客戶”，并指出Google當年推廣的MapReduce和最終一致性“愚蠢至極”。對于亞馬遜同時維護十五個數據庫系統的做法，他認為“多了十二個”，并建議應精簡至三個以提高效率。
Stonebraker認為，當前多數智能體AI仍處于“只讀”階段，例如為客戶評分或生成預測，但并未真正修改數據庫內容。一旦智能體開始讀寫操作，如兩個智能體協作完成轉賬，問題將回歸到數據庫的核心領域：事務、一致性和原子性。他指出，在大模型寫SQL方面，盡管在公開基準測試中表現優異，但在真實生產環境中表現不佳。例如，在新的基準測試Beaver上，大模型的準確率為0%，即使加入RAG技術也僅達到10%。相比之下，熟悉數據結構的SQL工程師準確率可達90%以上。
Stonebraker還分享了他對年輕人職業選擇的看法。他表示，如今已不確定是否推薦十八歲的年輕人主修計算機科學，認為醫療和建筑行業可能是更穩妥的選擇。對于數據庫領域的未來，他強調了專用數據庫的重要性，認為一種數據庫無法解決所有問題，并指出GPU在數據庫優化中的潛力有限，因為GPU的SIMD架構與索引操作不兼容。
在談到自己的創業經歷時，Stonebraker表示更喜歡學術界的自由，認為在大公司工作會受到規章制度的限制。他介紹了DBOS項目的起源，該項目旨在用數據庫技術替代操作系統的部分功能，提高調度效率。盡管最初設想是替換整個操作系統內核，但實際產品更專注于支持工作流系統，提供持久性和事務性保證。
對于數據庫領域未解決的問題，Stonebraker認為，讓大語言模型理解真實世界的數據倉庫是一個重大挑戰。他指出，真實數據倉庫中的數據復雜度高，schema混亂，大語言模型難以處理。他建議將所有數據轉換為表格形式，并使用查詢優化器進行連接操作。他認為隨著智能體AI從只讀操作轉向讀寫操作，分布式數據庫的需求將增加，原子性和一致性將成為關鍵問題。
在談到對數據庫學習者的建議時，Stonebraker推薦閱讀文獻中的經典論文，并提到他與Joe Hellerstein合著的《Readings in Database Systems》一書。對于年輕時的自己，他建議“跳出框架，想些瘋狂的事，去做”。對于即將獲得博士學位的人，他建議選擇最有聲望的工作，找一個愿意幫助的導師，并選擇一個不隨大流的研究方向。
