银行IT需求大升级

本文来自微信公众号： 金融橙 ，作者：陈植

吴鹏终于拿到了自己期盼已久的IT（信息技术）投入预算。

作为一家中部地区农商行的IT部门负责人，过去两年他时常收到业务部门的投诉，比如传统的集中式数据库面对业务数据量迅猛增长，已难以维持稳定性与高性能；集中式数据库已无法支撑业务伙伴的大规模并发接入，部分高并发业务出现“锁账户”问题，导致贷款等业务难以实现7*24小时服务。

2026年4月，这家农商行的董事会举行临时会议决定，拨出近千万元专款用于将存贷款等核心业务的数据库架构换成国产分布式数据库。

过去两个月，吴鹏与5家国内数据库厂商密切沟通，希望能尽快敲定国产分布式数据库的具体技术架构。

出乎意料的是，当他向这些数据库厂商提出“轻量化本地部署、低成本迁移、极简运维与厂商驻场运维服务”等要求后，3家中小厂商很快打了退堂鼓，只剩2家行业头部厂商仍在提供国产分布式数据库本地部署解决方案。

“这些要求并不过分，不知道为何中小厂商选择退出。”吴鹏有些不解地说。

吴鹏称，相比4年前，银行对国产分布式数据库的性能与运维需求有了“质”的升级——相比2022年银行对国产分布式数据库的要求集中在“能不能用”，如今他们的诉求已变为“能否稳定运行、快速迭代与易于运维，以及成本控制最大化等”。

IDC中国研究经理王楠向记者分析称，一方面，头部数据库厂商的核心系统国产分布式数据库本地部署可验证案例持续增加，数据迁移服务与生态建设日益成熟，吸引更多银行青睐；另一方面，不少中小数据库厂商在核心金融场景服务方面难有突破，市场份额持续缩水而被迫离场。

IDC（国际数据公司）数据显示，随着更多银行加快核心系统数据库“进口替代”，2025年中国金融行业国产分布式数据库本地部署市场规模达到20.2亿元，同比增长37.6%。过去一年，逾60家中小数据库厂商选择退场，反之蚂蚁集团自主研发的原生分布式数据库OceanBase、金篆信科、腾讯云、华为云与阿里云等行业头部企业的市场份额从2023年的86.9%增长至2025年的90.9%。截至目前，国内约有100家数据库厂商仍在运营，这意味着过去一年约38%企业选择了退出。

“这也表明金融行业数据库服务产业早已度过了进口替代红利期，开始进入能力+生态+场景的复合竞争阶段。”王楠说。受“AI+金融”蓬勃发展影响，今年以来银行对国产分布式数据库提出新诉求，即生成式AI（人工智能）需与数据库融合发展。

银行不再满足于“能不能用”

为了更好地完成银行核心系统数据库转变，吴鹏向多家银行的IT部负责人“取经”。

对方明确告知，这项工作绝不能简单地理解为“将核心业务（存贷款、转账汇款、账户管理等）的业务数据从一个数据库搬到另一个数据库”，其实质上涉及银行的整体金融基础设施迭代重构。

在这个过程中，银行必须确保全新的金融基础设施实现安全可靠运行。任何一个小故障（比如一张网卡与操作系统不兼容），都会影响整个分布式数据库的性能与有序运行。

这让吴鹏意识到，自己最初着眼于分布式数据库“能不能用”的想法已经彻底过时。如今银行更看重分布式数据库技术路线能否做到以下几个方面：数据迁移风险可控、性能强劲（可承载海量数据与高并发交易）、兼容性足够高（可降低升级改造成本）、具备金融级别高可用（保障系统7*24小时稳定运行），以及本地部署运维便捷（提升运维效率且降低成本）。

6月初，当吴鹏向5家数据库厂商提出这些新要求后，3家中小数据库厂商一改以往“有求必应”的态度，转而提出要与公司技术团队重新讨论新的数据库技术架构与本地部署路径。过了两周后，他们纷纷告知“受制于技术能力不足，只能退出竞标”。

北京银行软件开发中心的王子健也发现银行对分布式数据库架构的诉求在持续升级。王子健称，在“产品可用好用”的基础上，银行对分布式数据库性能及服务厂商提出一系列新要求：实现数据库核心代码100%自主研发；需要具备弹性扩展特性，能从容应对业务数据量爆发式增长与满足业务弹性伸缩需求；能提供持续优化的兼容性评估、数据迁移、监控等工具等，从而彻底解决传统集中式数据库在扩展性、可用性与成本方面的痛点。

“银行对分布式数据库需求的迭代升级，远远没有结束。”王子健称。从2022年构建数据底座起，北京银行的数据治理、数据标签工作仍在进行，距离在业务场景实现“智能问数”（通过AI智能客服精准理解用户提问意图并提供专业回复）尚有一段距离，需数据库协助构建更强的数据分析能力。

倒逼数据库厂商

2021年，随着国家持续推进金融信创，冯宇预感到国产分布式数据库服务将迎来广阔发展前景，便加入了一家中小数据库厂商担任运营总监。

近年来，金融行业分布式数据库服务市场规模保持年均逾30%的增长，印证了冯宇的上述预判。但是，他所在的企业没能从中分得一杯羹。

“3年前，国有大型银行与股份制银行关注国产分布式数据库能不能用，并愿意通过非全栈、双轨并行模式尝试，让我们依托技术团队对银行数据库运维的深入了解，赢得一些业务机会。”冯宇回忆说。如今，“产品可用”不再是银行选择数据库厂商的优先考虑选项，银行更关注长期服务能力与数据库生态建设实力，使得研发投入有限的中小数据库厂商在产品竞争力方面与行业头部企业的差距持续扩大。

随着国有大型银行与股份制银行完成分布式数据库本地部署改造，2025年起金融行业数据库服务市场的新增业务机会主要集中在中小银行以及券商、险企等非银金融机构，而后者特别看重数据库厂商是否积累了足够多的分布式数据库服务可验证案例，能否提供成本偏低的长期运维服务与数据库迭代升级技术支持。

冯宇坦言，3年前，他所在的数据库厂商还能零星拿到两三家银行的分布式数据库改造合同。但2025年起，这项业务几乎颗粒无收，公司只能靠以往订单的数十万元运维收入支撑企业整体运营，过去一年半已累计亏损超过600万元。

冯宇说，在银行需求升级等因素的驱动下，分布式数据库服务市场正呈现“强者愈强、弱者愈弱”的发展趋势。

王楠坦言，在当下的分布式数据库市场，行业头部企业构建的生产级SLA（服务等级协议）、迁移风险可控与长期服务能力，正成为他们持续扩大市场份额的竞争壁垒，令中小数据库厂商难以招架。何况，随着“AI+金融”迅猛发展，银行希望分布式数据库能成为支撑AI时代的数据底座。面对行业头部企业投入巨额促进数据库与生成式AI融合发展，技术研发预算不足的中小数据库厂商的生存处境正变得更加窘迫。

AI时代加剧分化

今年以来，冯宇与银行沟通分布式数据库业务合作时，发现后者高度重视“分布式数据库与生成式AI融合发展”。

两家股份制银行的IT部门负责人直接告知，他们银行高层判断，未来两种力量将重构银行的数据底座：一是更多AI智能体将在客服、信贷、产品营销、财富管理等业务场景得到应用；二是银行海量的客服语音、面签语音、尽调图像、财务文本、社交文本等非结构化数据无法被传统数据库直接调用分析，导致巨大业务价值被埋没，亟待被激活。

因此，上述两家股份制银行对数据库服务商又提出了新要求：分布式数据库需要具备更强大的性能，实现多模态数据、混合搜索与实时分析，不但能支持众多AI智能体给予更好的金融服务体验，还能协助生成式AI激活这些数据价值。

去年底，吴鹏所在的农商行搭建了企业级知识库，并通过知识库开展远程银行客户服务。但他发现，一旦知识库出现业务连续性中断，将直接影响全行的金融服务能力。因此他正在与两家行业头部数据库厂商沟通，如何通过生成式AI与数据库的融合发展，构建更稳定与更加垂直的业务知识库。

面对这些新诉求，冯宇有些无能为力。近年来，分布式数据库服务订单下滑，使得冯宇所在的数据库厂商缺乏足够资金研究如何推进生成式AI与分布式数据库融合发展。

冯宇曾与两家AI技术研发公司合作，借助后者的AI技术推进“数据库AI化”。但他很快发现，数据割裂（数据散落在银行各个业务系统形成数据孤岛）、数据实时分析基础匮乏（交易与分析不在同一个数据库）、AI幻觉状况严重、安全合规要求高（非结构化数据治理安全体系不够健全），成为推进数据库AI化的四大拦路虎。最终，在短暂合作未见成效后，冯宇与两家AI技术研发公司“和平分手”。

冯宇称，过去一年退出市场的逾60家中小数据库厂商中，逾半数都是受制于缺乏生成式AI与分布式数据库融合发展的能力。

王楠称，生成式AI与分布式数据库的融合发展，将带来新一轮的架构革命与范式转移，前者意味着AI能力将深度融入数据库内核，在效率、低延迟与安全性等方面进一步全面超越传统数据库架构；后者意味着数据库正从被动存储向主动理解演进，语义理解、相似性推理与跨模态关联将成为新一代数据库的核心能力。这势必推动金融行业分布式数据库加速进入高质量竞争周期，令整个行业洗牌加剧。

（应受访者要求，吴鹏、冯宇为化名）