骂谷歌干蠢事、炮轰甲骨文、AI 在真实数据库测试得分为 0！83 岁图灵奖数据库教父的硅谷“狂人日记”

📌 一句话摘要

本文编译整理了图灵奖得主、Postgres 奠基者 Mike Stonebraker 的播客访谈，他犀利批判了谷歌 MapReduce 与最终一致性、甲骨文的商业手段、AI Text-to-SQL 在真实场景的无效性，并分享了对数据库技术演进、工程师招聘、以及未来 AI Agent 与数据库融合的深刻洞见。

📝 详细摘要

文章是对数据库领域泰斗 Mike Stonebraker 一次深度访谈的编译整理。Stonebraker 以直言不讳的风格，回顾了 Ingres 和 Postgres 的创立初衷，核心在于构建一个可扩展的类型系统以应对 GIS、金融等非标准数据类型。他尖锐批评了谷歌 MapReduce 和最终一致性是“蠢事”，认为甲骨文早期靠对客户撒谎赢得市场。对于当前热点，他基于真实生产数据仓库的基准测试（Beaver）指出，最先进的 Text-to-SQL 模型得分仅为 0%，揭示了学术基准（如 Spider、BIRD）与工业实践的巨大鸿沟。此外，他讨论了“万金油”数据库的局限性，分享了识别顶尖工程师的方法，并展望了未来：随着 AI Agent 从只读转向读写，数据库将重回核心，其创办的 DBOS 公司正致力于通过将应用状态深度嵌入数据库，为工作流和 Agent 提供事务性、持久化等原生支持。

💡 主要观点

- 当前热门的 Text-to-SQL 在真实生产数据仓库基准测试中得分为 0%，远未达到实用水平。 Stonebraker 团队在四个匿名化的真实数据仓库上测试发现，由于数据不在公共训练语料库、查询复杂度高（达 100 行 SQL）、数据模式混乱且包含专业术语，导致现有 LLM 方案完全失效，揭示了学术基准与工业实践的脱节。

通用（one-size-fits-all）数据库系统在低端场景是优秀默认选择，但在高端特定场景存在数量级性能差距。 Postgres 因社区大、免费、易招人而成为很好的通用选择，但对于百万级 TPS、PB 级数据仓库、列存等高端需求，专用系统（如 ClickHouse、Vertica）性能远超通用方案。

未来读写型 AI Agent 的普及将使得数据库系统重新成为技术栈的核心。 当 AI Agent 从只读分析转向读写操作（如转账）时，将天然面临分布式事务、一致性等经典数据库问题，因此需要像 DBOS 这样将状态、工作流深度与数据库集成的架构。

谷歌的 MapReduce 和最终一致性是错误的技术路径，最终被其自身放弃。 Stonebraker 认为 MapReduce 效率低下，最终一致性牺牲了数据正确性且适用场景极少，谷歌后来通过 Spanner 回归了传统事务系统，印证了数据库领域的经典原则仍不可动摇。

💬 文章金句

- 今天最热的 Text-to-SQL 在自己的基准上得分是 0。

• MapReduce 是谷歌干过的蠢事之一。谷歌后来连 eventual consistency 这条路也走错了，最后还是回到了 Spanner 这种传统事务系统。
• 拉里·埃里森是个绝佳的推销员。在当时，他能把‘现在时’和‘将来时’混为一谈，说白了就是对客户撒谎。
• Postgres 的核心要义：它具备极高的灵活性。
• 一旦它涉及到读写操作，它就变成了一个分布式数据库问题，你会需要原子性、一致性等等所有这些特性。

📊 文章信息

AI 初评：87

来源：AI科技大本营

作者： AI科技大本营

分类：人工智能

语言：中文

阅读时间：54 分钟

字数：13272

标签： Mike Stonebraker, 数据库, Postgres, Text-to-SQL, AI Agent

阅读完整文章