AI Data Platform

跨结构化、半结构化和非结构化数据构建完整的数据湖仓。原始数据作为青铜层存入对象存储，可在数据所在位置摄取，也可直接落地，而无需进行不必要的复制。采用托管 Apache Spark 的自动扩展计算将其提炼为白银层中干净且访问受控制的数据集。Oracle Autonomous AI Database 提供精选的 AI 就绪黄金层，针对分析、机器学习和 AI 智能体进行了优化。统一的数据湖仓，统一的环境。这意味着，从数据工程师到业务用户，每个用户都使用相同的可信数据。

• 任何源、任何接收器、任何语言、任何位置
  编目并连接到 100 多个源和接收器，包括关系数据库、SaaS 应用、流式传输源和第三方数据提供商。例如，数据工程师可以将 ERP 记录、客户事件和点击流数据组合到 Apache Spark 转换中，从而生成可信的黄金表。
• 可视化数据管道创建
  设计无代码和专业代码 ETL 与 ELT 管道，在单一工作流中编排从青铜级到黄金级的摄取、转换和扩充。
• 与开放文件格式的互操作性
  以开放格式存储和查询数据，包括直接在 Oracle Cloud Infrastructure (OCI) Object Storage 上存储和查询 Apache Iceberg 和 Delta Lake，同时支持事务一致性、时间回溯查询和架构演进。与 Apache Spark、Apache Flink 以及任何与 Iceberg 或 Delta Lake 兼容的引擎互操作。无厂商锁定；工具更换时无需重写。
• 用于数据准备和查询的优秀引擎
  数据工程师可以在 Apache Spark 中运行大规模数据转换。数据科学家可以构建机器学习模型。业务用户可以使用 SQL 和 Oracle AI 数据库，基于同一份数据进行即席探索。每位用户都可以为其工作负载选择合适的引擎，而无需复制数据或重新进行数据建模。
• 跨数据和数据库的融合分析
  在统一的基于角色的访问控制模型下，跨对象存储和连接的数据库查询结构化表、半结构化 JSON、地理空间数据和 AI 向量嵌入。例如，业务用户可以在单个 SQL 查询中将数据湖仓活动流与 Oracle AI Database 中的权威客户记录联接起来，从而验证新的收入预测。
• AI 就绪的黄金层
  机器学习管道、检索增强生成 (RAG) 知识库以及 AI 智能体使用经过整理、经业务验证的数据。AI 工程师基于推动运营报告的同一组权威事实来构建模型，而不是基于原始副本或中间副本。
• 自治黄金层运维
  通过自动索引、查询优化和工作负载管理，获得自调优、自扩展和自修复仓库的优势。在高峰时段为数十亿行数据提供一致的亚秒级性能，无需手动调优。独立于存储扩展计算能力，为数百个并发用户提供服务。
• 一流的第一方集成
  将 Oracle Fusion Applications 数据（包括 ERP、HCM、供应链和 CX）直接引入数据湖仓。在由 Apache Spark 提供支持的 Notebook 中准备 Fusion 数据，以便基于运营记录系统为 AI 智能体提供依据，并开展历史报告和预测分析。
• 数据共享
  无需复制或移动湖仓数据，即可与内部团队、合作伙伴和 Oracle 应用共享实时湖仓数据。数据共享有助于确保每个使用者都使用最新、最权威的版本。

Oracle AI Data Platform 为数据科学家和机器学习工程师提供了一个完全托管的环境，可帮助他们直接基于湖仓数据构建、训练、跟踪机器学习模型并将其投入运营。完整的 MLOps 生命周期（分布式 Spark 训练、实验跟踪、模型注册中心和通过目录发布的部署）在由客户管理和治理的工作区中运行，无需管理任何基础设施。

• 机器学习管道和工作流：使用 AI Data Platform 的工作流基础设施，通过可重用组件（数据准备、特征工程、训练和评估）编排端到端机器学习管道。一次构建，即可按计划或按触发器运行，并使用由您定义和控制的基于角色的访问控制策略。
• 实验和模型注册中心：通过自动记录指标、捕获超参数以及对工件进行版本控制，跟踪所有模型训练运行。比较实验、注册生产模型并管理生命周期工作流。
• 模型发布和目录注册：将训练后的模型发布到 AI 数据目录，使其可供智能体、应用和工作流发现、进行版本管理和访问。在注册时应用沿袭跟踪和访问控制策略。
• Apache Spark with GPU：借助 NVIDIA 先进的 GPU 加速 ETL 和机器学习，在分布式 Spark 集群中扩展特征工程和模型训练，从而加速工作负载处理速度。
• 数据科学智能体：这些 AI 智能体可自主探索数据集、生成假设、编写和执行代码，并迭代开展模型训练，从而显著缩短从原始数据到生产模型的时间。

构建基于企业自身数据（而非通用 LLM 功能）的 AI 智能体和应用。您的智能体和应用根据您的策略实施访问控制，并融入您的业务语义和领域知识。AI 智能体连接到您的 AI 数据目录、业务本体和企业系统，以便在公司实际运营所依托的上下文中进行推理。使用任意基础模型构建多智能体系统，从无代码可视化构建器到完整的专业代码开发均可，并将其部署到具备内置可观测性的托管式 AI 计算环境。

• 无代码可视化流程构建器：使用拖放画布直观地设计和组合智能体。连接 SQL 工具、RAG 知识库和 LLM 提示节点，并分发到多个工具，而无需编写一行代码。通过下拉列表切换基础模型，而无需重新构建流程。
• 专业代码开发：使用 AI Data Platform SDK 以 Python 编写智能体，可全面访问 LangChain、OCI Generative AI 以及任何开源库。每项可视化流程功能都可以在代码中完全访问；可在使用智能体 SDK 的同时导入 scikit-learn、LangChain 或任何框架。
• 多智能体系统：设计并编排由协作式 AI 智能体组成的系统，例如编排智能体、专业子智能体和工具使用智能体，帮助使用 A2A 协议自主处理复杂的多步骤企业工作流。
• 任何基础模型：使用 OCI 上的任何模型，例如 Llama、Cohere、Mistral、Grok 等，或者自带微调模型。从 Oracle Cloud Infrastructure (OCI) Compute 下拉菜单交换模型，无需重新构建应用逻辑。
• AIOps 和可观测性：在从开发到生产的整个智能体生命周期中实现全面可观测性。在部署之前，在平台的练习区中以交互方式测试智能体，以检查工具调用、LLM 推理和输出。会话会捕获涵盖开发、测试和生产环境的审计跟踪，其中包含状态、持续时间、输入/输出以及每个步骤的事件详细信息。实时监视延迟、token 使用情况、错误率和自定义业务 KPI。

为数据工程师、数据科学家和 AI 开发人员打造的单一集成开发环境，内置企业级基于角色的访问控制 (RBAC)、CI/CD、版本控制和可审计性，支持他们协作处理端到端数据和 AI 项目。通过共享工具、Notebook 和管道连接所有角色，所有这些都由对平台底层服务和目录的集成访问提供支持。

• 工作区：项目范围内的环境，团队可在其中协作处理 Notebook、管道、智能体和实验。所有工件均在工作区边界内进行版本控制、共享和访问控制，并且每个项目都具备完整的基于角色的访问控制。
• Notebook、工作流和智能体：所有开发工件都集中管理，包括与 Jupyter 兼容的 Notebook、管道工作流 DAG、AI 智能体和机器学习实验。无需切换上下文，即可在团队内共享、进行版本控制并开展协作。
• SQL 工具和计算管理：使用内置的计算生命周期控制，直接对目录表运行即席 SQL 查询。在 IDE 内附加、分离或启动新的 AI 计算资源，无需使用单独的控制台。
• CI/CD 和 Git 集成：用于对 Notebook、管道、智能体定义和模型配置进行版本控制的原生 Git 集成。连接到 GitHub、GitLab 或 Bitbucket，实现数据到 AI 项目工件的持续集成和自动部署。
• RBAC、审计和网络隔离：跨工作区、工件和计算的细粒度、基于角色的访问控制。全面记录每个用户操作的审计日志。通过专用端点实现网络隔离，有助于确保敏感工作负载永远不会接触公共互联网。

在一个统一的目录中发现、理解并管理对所有数据和 AI 资产的访问，该目录涵盖完整的奖章架构，包括青铜摄取、白银整理和黄金 AI 就绪数据产品。Oracle AI Data Platform 的 AI 数据目录通过外部目录连接到 Autonomous AI Database、OCI Object Storage 和第三方来源，并通过语义上下文和本体呈现丰富的业务含义。每个团队不仅能发现有哪些数据，还能了解这些数据对业务意味着什么。每个 AI 智能体都会自动继承这种理解。

• 统一的数据和 AI 资产目录：涵盖所有数据和 AI 资产的单一目录，包括结构化表、非结构化文件、知识库、机器学习模型、特征存储和智能体定义。该目录采用覆盖数据和 AI 的一致策略进行访问管理。它涵盖完整的奖章架构，能够在每一层快速摄取、整理和交付数据产品和 AI 应用。
• 外部目录和资产发现：连接到外部数据源（Autonomous AI Database、OCI Object Storage 和第三方系统），而无需不必要地移动或复制数据。从连接点开始，借助 AI 辅助的元数据扩充和数据沿袭跟踪，自动发现结构化和非结构化资产并将其编入目录。
• 业务本体和语义层：定义业务概念之间的域本体和语义关系。业务词汇表、语义本体、领域分类法和 AI 生成的同义词，使用户能够按含义而非表名查找数据。AI 智能体会自动继承这种语义理解。
• 无需复制：在数据所在位置查询数据。在不移动或复制数据的情况下访问和查询数据。直接连接到现有的 Oracle Database、Autonomous AI Database 和 Exadata，并使用 SQL 就地查询。数据保留在其权威来源中，同时目录通过联合进行访问、应用基于角色的访问控制并呈现数据，从而减少重复并降低成本。
• 零 ETL：借助 Oracle GoldenGate 实现由 AI 驱动的实时、基于日志的复制，可从任意源数据库将高吞吐量流数据直接摄取到数据湖仓，从而帮助消除 ETL 管道。数据一经落地，即会被编目并准备好供 AI 使用。
• 卷：卷用于在目录中将非结构化数据与数据资产一起存储。附加到知识库，以帮助智能体和应用安全地检索非结构化内容，例如文档、PDF 和图像。
• 数据沿袭：可视化端到端数据沿袭，包括通过转换、机器学习特征工程、模型训练和 AI 应用服务进行原始摄取。立即了解上游变更对整个数据和 AI 管道的影响。

大规模企业 AI 需要企业级安全性、访问管理和可审计性，并且要在每个数据资产、模型和智能体中一致应用。Oracle AI Data Platform 实施双层安全模型：将用于身份管理和身份验证的 Oracle Cloud Infrastructure Identity and Access Management (IAM) 与 AI Data Platform 结合使用，可对每个目录资产、工作区和 AI 资源进行细粒度访问控制，并提供全面的审计日志，实现完全可追溯性。管理您的整个数据和 AI 资产，而无需事后再补加安全措施。

• 双层安全模型：安全机制分为两个层级：OCI IAM 负责身份、身份验证和云级别访问；AI Data Platform 控制谁可以在平台内发现、读取、修改和使用每项数据及 AI 资产。这两种策略均由客户定义和管理。Oracle 负责维护用于实施这些策略的框架。您可以获得纵深防御架构的优势，而无需放弃控制权。
• AI Data Platform Workbench：跨工作区、目录资产、计算资源、智能体和管理功能的细粒度、基于角色的访问控制。角色在数据和 AI 中得到一致应用，确保用户在目录中可以看到的内容与其在平台上可执行的操作之间没有差距。
• 审计日志和可追溯性：为每项用户操作、数据访问、智能体交互和管理变更提供全面的审计日志，从而在整个平台中实现可追溯性，以支持合规、调查和访问历史记录报告。
• 网络隔离和专用端点：在具有专用端点的专用 VCN 子网中部署工作区、计算资源和数据连接。敏感工作负载从不通过公共互联网传输。在基础设施层实施网络隔离。
• OCI Identity and Access Management 和安全集成：OCI IAM 可在整个平台中处理身份联合和身份验证。与用于机密管理的 OCI Vault、用于 TLS 的 OCI Certificates 以及用于安全状况建议的 OCI Security Advisor 深度集成，可在数据、AI 和基础设施范围内提供统一的安全控制平面。

一个集中式注册中心，用于在企业规模下发现和管理 AI 智能体，包括使用 AI Data Platform 构建的智能体、第三方智能体，以及 MCP 服务器和工具。AI 注册中心跟踪每个智能体的身份、功能、权限、版本和交互日志，让平台管理员可以看到并控制整个企业中不断增长的 AI 智能体集群。

• 集中式智能体注册中心：：一个统一的注册中心，可帮助您列出所有 AI 智能体、控制其版本并进行管理，无论这些智能体是使用 AI Data Platform 还是第三方工具构建的。跟踪每个智能体的身份、声明的功能、权限范围、版本历史记录和交互日志。借助丰富的元数据，按功能、领域或团队查找智能体，以便在企业级规模下进行管理、访问控制和重用。
• 智能体间 (A2A) 协议：使用开放式 A2A 协议，在 AI Data Platform 智能体与第三方智能体之间实现结构化、标准化通信。构建复杂的工作流，使专业智能体与编排智能体协作，并在每次交互中强制执行明确的身份、功能声明和权限边界。
• Model Context Protocol (MCP) 服务器和工具：注册并公开 MCP 服务器和工具。智能体在运行时动态发现并调用工具，包括数据库查询、REST API 和定制业务功能，无需硬编码绑定。工具权限通过您定义的注册中心策略进行管理，这些策略与智能体访问的控制方式一致。

通过自助式分析、精选 AI 智能体和 AI 驱动的洞察，让非技术用户能够充分利用企业数据的强大能力。AI 功能直接嵌入到制定决策的业务工作流中。无需技术技能。这就是实现普惠化的企业级 AI。

• 业务工作流中的分析：Oracle Analytics Cloud 将一流的分析功能直接嵌入到您的团队每天使用的应用中，包括 Oracle Fusion ERP、HCM、SCM 和 CX。使用自然语言提问，呈现 AI 生成的叙事，并在工作流中共享集中管理的仪表板。
• 统一的对话界面：通过单一平台，发现、查询并与您组织的 AI 智能体协作。Agent Hub 通过自然语言解读业务用户请求，查找并调用合适的智能体，并结合上下文呈现结果。无需技术技能。
• 精选 AI 智能体库：浏览由数据团队构建的内部智能体和经过审核的第三方智能体组成的精选智能体库，其中包含常见业务任务的说明、示例提示和使用指南。
• 受管访问和安全性：用户可以使用与底层数据相同的 RBAC 策略来管理每个智能体交互和分析查询。用户只能看到其有权访问的智能体和数据。这就是企业级安全性，无需额外配置。