2025年8月23日，第十六屆中國數據庫技術大會(DTCC2025)圓滿落下帷幕。這場歷時三天的盛會由IT168聯合旗下ITPUB、ChinaUnix兩大技術社區(qū)主辦，以“智能創(chuàng)新 數贏未來”作為核心主題，致力于探索AI時代數據庫技術未來的發(fā)展方向。

此次大會經過精心設計，設置2大主會場，16+技術專場。在這些會場中，眾多前沿議題被深入探討，其中涉及數據庫自主可控架構設計、數據庫內核解析、分布式數據庫、云原生數據庫、實時數倉等內容展開分享和探討，同時，還根據AI應用落地需求，加強設置了AI For DB、Data+AI、向量數據庫與RAG檢索技術實踐等AI應用實踐專場。

大會主場：智能創(chuàng)新 數贏未來

本主場圍繞探索前沿創(chuàng)新，聚焦技術熱點為內容主線，分享和探討數據領域新技術趨勢、研究成果和優(yōu)秀案例展現，不僅關注技術突破，更注重落地實踐，為行業(yè)提供前瞻性洞察和實踐指南。

8.21專場1：數據庫內核?技術創(chuàng)新

數據庫作為IT基礎核心，為IT科技進步有著重要的地位，掌控數據庫內核技術，也將是企業(yè)實現自主的必要功課，本專題重點圍繞內核創(chuàng)新技術進行討論，深度解密內核核心技術，探討數據庫內核最新創(chuàng)新技術。

8.21專場2：數據庫自主可控之路-(上)

數據庫技術的自主與可控，實現真正的技術為業(yè)務賦能。無論是金融行業(yè)對數據管理的嚴苛要求、傳統企業(yè)對數據安全的特殊規(guī)則、或是企業(yè)對數據庫高可用重點需求，對數據庫技術選型的超高標準，結合金融場景形成金融特色的數據庫解決方案，覆蓋數據庫自身及數據庫相關的技術方案和實施路徑。

8.21專場3：融合數據庫技術與實踐

超融合是未來：一個數據庫融合其他數據庫特性。數據庫是用什么原理，兼容了其他數據庫的哪些數據格式和屬性。怎么做到融合數據的處理?最終解決了哪些場景的問題。

8.21專場4：AI For DB(上)

AI For DB 是將人工智能技術應用于數據庫管理的創(chuàng)新方法，通過機器學習和深度學習技術，AI For DB 能夠顯著提升數據庫的性能、自動化程度和安全性。促進人率提升，減少人為故障。目前很多中大型企業(yè)客戶，數據庫的管理其實還停留在“刀耕火種”的原始狀態(tài)。本專場將從企業(yè)內的痛點與難點出發(fā)并進行解決，分享更多AI For DB經驗。

8.22大會主場：智能創(chuàng)新 數贏未來

本主場圍繞探索前沿創(chuàng)新，聚焦技術熱點為內容主線，分享和探討數據領域新技術趨勢、研究成果和優(yōu)秀案例展現，不僅關注技術突破，更注重落地實踐，為行業(yè)提供前瞻性洞察和實踐指南。

8.22專場5：分布式數據庫性能最佳實踐

分布式數據庫的優(yōu)點在于提高系統的可靠性、可用性，提高系統性能系統可以根據距離選擇離用戶最近的數據副本進行操作，減少通信代價，改善整個系統的性能。

8.22專場6：數據庫自主可控之路-(下)

數據庫技術的自主與可控，實現真正的技術為業(yè)務賦能。無論是金融行業(yè)對數據管理的嚴苛要求、傳統企業(yè)對數據安全的特殊規(guī)則、或是企業(yè)對數據庫高可用重點需求，對數據庫技術選型的超高標準，結合金融場景形成金融特色的數據庫解決方案，覆蓋數據庫自身及數據庫相關的技術方案和實施路徑。

8.22專場7：實時數倉與湖倉一體應用實踐(上)

對于企業(yè)而言，到底是選擇擅長事務型工作的數據倉庫來滿足數據時效性要求，還是采用數據類型更為豐富的數據湖實現湖倉架構，亦或是采用 Hadoop+MPP 模式下的湖倉分體，再或者是通過采用流處理引擎，來釋放數據價值?本專場將詳細介紹湖倉一體多重特性，最佳實踐經驗及典型案例。

8.22專場8：Data+AI(上)

Data+AI是指將數據(Data)與人工智能(AI)技術深度融合，多模數據管理(統一處理結構化與非結構化數據)，實現基于AI大模型的各種數據分析應用、智能化交互(自然語言查詢)、跨機構數據協作等等。

8.22專場9：AI For DB(下)

AI For DB 是將人工智能技術應用于數據庫管理的創(chuàng)新方法，通過機器學習和深度學習技術，AI For DB 能夠顯著提升數據庫的性能、自動化程度和安全性。促進人率提升，減少人為故障。目前很多中大型企業(yè)客戶，數據庫的管理其實還停留在“刀耕火種”的原始狀態(tài)。本專場將從企業(yè)內的痛點與難點出發(fā)并進行解決，分享更多AI For DB經驗。

8.23專場10：多云與云原生數據庫開發(fā)與實踐

本專場聚焦云原生技術在分布式系統與數據庫領域的創(chuàng)新應用，涵蓋分布式事務框架的智能化演進、數據庫容器化與智能化運維，以及多中心云原生數據庫架構的實踐探索。分享內容深入探討了如何通過開源技術、AI賦能和容器化等手段，應對復雜業(yè)務場景下的性能、效率和安全挑戰(zhàn)，為金融科技及其他行業(yè)的數字化轉型提供前沿思路和實踐經驗。

8.23專場11：數據要素與數據資產管理

企業(yè)數據采集渠道豐富，導致很多企業(yè)數據資產無法創(chuàng)高價值，反而需要花更多成本用于存儲和保存。數據治理是一種管理和保護數據資源的綜合性方法。它涵蓋了數據的收集、存儲、處理、傳輸和使用，旨在確保數據的質量、可用性、安全性和合規(guī)性。

8.23專場12：數據工具創(chuàng)新

數據庫技術這幾年高速發(fā)展，同時我們更多需要一些數據庫管理工具，例如數據庫的平滑遷移、異構數據的同步管理，本專場將分享一些工具管理和技巧等。

8.23專場13：向量數據庫與RAG檢索技術實踐

向量檢索是繼大模型后的火爆技術，RAG檢索與優(yōu)化，提升召回率等目標向量檢索針對主要場景包括以圖搜圖、音視頻檢索、搜索、推薦、廣告和安防等。本專場主題重點是圍繞向量檢索技術實現方面主題分享。

8.23專場14：實時數倉與湖倉一體應用實踐(下)

對于企業(yè)而言，是否真的需要時實時數倉來滿足業(yè)務需求，針對當前大數據和人工智能的成熟程度，是否通過傳統的數據+AI就可以滿足現有業(yè)務需求?或者實時數倉在實際業(yè)務中扮演的角色。

8.23專場15：DataOPS

通過對數據相關人員、工具和流程的重新組織，打破協作壁壘，構建集開發(fā)、治理、運營于一體的自動化數據流水線，不斷提高數據產品交付效率與質量，實現高質量數字化發(fā)展。

8.23專場16：大數據平臺建設

如果缺乏有效的數據整體架構設計或者部分能力缺失，大數據和業(yè)務產生了巨大的鴻溝，從而導致企業(yè)在使用大數據的過程中出現數據不可知、需求難實現、數據難共享等一系列問題，本場針對一些數據平臺設計思路來幫助業(yè)務減少數據開發(fā)中的痛點和難點。

8.23專場17：Data+AI(下)

Data+AI是指將數據(Data)與人工智能(AI)技術深度融合，多模數據管理(統一處理結構化與非結構化數據)，實現基于AI大模型的各種數據分析應用、智能化交互(自然語言查詢)、跨機構數據協作等等。