华为云DWS如何通过AI数仓能力引领融合分析新范式持续升级？

本文分享自华为云社区《华为云DWS上线AI数仓能力，持续引领数智融合新范式！》 导语 正如OpenAI CEO Sam Altman所言“2024年以前，AI大模型领域尚处在探索期，更多面向开发者参与。2025年随着推理模型和垂域模型能力提升突破拐点，当前开始进入企业级AI时代”。随着推理模型和垂域能力的突破，AI正从开发者工具演变成企业核心生产力。在数据智能催生的产业变革里，打造AI-Ready数据资产将成为企业对数仓平台新的技术诉求。而数据基础设施的战略定位正在被重新定义——从被动存储走向主动智能，从批量分析走向实时推理，从结构化处理走向多模态融合。 传统数据仓库面临三重挑战：多引擎架构带来的数据冗余与运维负担、AI与数据平台割裂导致的开发效率低下、非结构化数据价值难以充分释放。企业需要的不再仅是“更快的查询引擎”，而是能够理解、推理并创造价值的“智能数据伙伴”。 近日，华为云DWS即将发布9.1.1.210版本，提供Data for AI融合分析能力，集成MCP协议，支持一站式OLAP分析、点查、全文检索、库内推理和AI推理等融合分析能力，重塑企业智能应用开发新范式，让数据工程师更加方便地使用AI，从而实现数据价值最大化，为企业客户提供更加实时、智能、高效的决策支持。 为什么企业需要AI原生数据仓库？ 传统融合分析架构依赖多引擎协同：ES处理全文检索、Milvus负责向量检索、Doris专注OLAP分析场景等等。该架构存在显著痛点： 存储冗余：数据在各引擎间重复存储，资源利用率低下 运维复杂：多系统独立维护，故障定位与性能调优困难 开发低效：数据格式转换与链路适配消耗大量研发资源 实时性不足：批量数据流转难以满足AI应用毫秒级响应需求 DWS提供的AI原生的一站式分析引擎，极大地简化原有多引擎协同分析架构，集成MCP协议打通与大模型平台的交互通道，集成向量检索能力，内置AI Function支持大模型调用，实现端到端的库内推理，从而构筑AI-Ready数据分析基础设施，消除数据孤岛，同时，通过基于binlog的物化视图实现流批一体增量计算能力，面向开发者提供声明式Pipeline加工新范式，实现近实时分析，整体架构更加简化、轻量，极大提高开发效率，降低运维管理难度，满足企业AI平台部署一站式多模态融合分析的核心诉求。 四大核心能力 1. MCP协议原生集成：打通AI生态的“神经网络” MCP（Model Context Protocol，模型上下文协议） 是由 Anthropic 推出的一种开放标准，即”AI的USB-C“，旨在统一大模型与外部数据源和工具之间的通信协议，从而解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。 DWS支持对接MCP协议，一键式可配置，即插即用。通过标准化协议接口，企业可无缝接入Claude、Cursor等主流AI平台，内置8个常用的数据分析与运维监控类型API，真正实现“万物互联，开箱即用”。 产品文档：MCP Server 最佳实践：基于DWS MCP Server搭建数据分析Agent 2. AI Function：可插拔式的库内AI推理 DWS集成开源社区插件pgai，支持对接外部开源大模型、华为云Maas服务等，通过库内SQL方式调用大模型进行推理，提供文本分析（ai.classify）、向量化（ai.embed）、文本摘要（ai.summarize），情感分析（ai.sentiment）等24个AI Function，将大模型推理能力下沉至数据库内核，从而为企业客户提供更加智能化的数据分析服务，实现数据即推理、即处理的全新操作模式，助力企业快速获取洞察，提升决策质量和效率。 产品文档：库内推理 最佳实践：基于DWS构建RAG框架生成行业调研报告 3. 向量计算：非结构化分析的“水电煤” 企业80%的数据都是文档、图像、音视频等非结构化数据，过去是数据挖掘的暗区，其数据价值长期被低估，多模态统一向量存储和表示，使得多模态的检索不再困难。 DWS深度集成开源社区插件pgvector，实现分布式架构的改造，支持向量数据类型，支持IVFFlat、HNSW索引结构，支持相似度计算、最近邻搜索等多种高阶算法，实现基本的向量检索能力。 产品文档：向量计算 最佳实践：基于DWS的向量计算功能实现简单的商品搜索推荐系统 4. 内置大模型特征算子：赋予用户AI分析”无限创造力“ 通过PL/Python扩展支持，内置32个自研扁鹊大模型算子，将Python数据科学生态完整引入SQL工作流。