2025年9月10日，一個讓人震驚的消息傳來：81歲的甲骨文（Oralce）創始人兼首席技術官拉里·埃里森（Larry Ellison）超越了伊隆·馬斯克（Elon Musk），成為世界首富。他的財富在一天內增加了1000億美元，這是Bloomberg富豪榜歷史上最大的單日財富增長。
誰說35+不能搞技術，看埃里森80歲了，還在干CTO。
Oracle的股票一天暴漲近40%，也創下了1992年以來的最大單日漲幅。
不過，其實很多人看到這個新聞，第一反應是：甲骨文？那個被認為錯過了雲計算早期機會的傳統資料庫公司？
但仔細研究後發現，這不是一個偶然事件。甲骨文 CEO Safra Catz報告稱，公司有4550億美元的剩餘履約義務（RPO）——已簽約但尚未支付的客戶合同。她預測OCI收入將從今年的180億美元增長到2031年的1440億美元。
這是8倍的增長預期。
更有意思的是，從2023年11月到2025年1月，甲骨文是美國最大的數據中心容量租賃方，承諾了超過2GW的容量。
這些數據中心不是為了傳統的企業應用，OpenAI的ChatGPT、xAI的Grok
都在甲骨文的數據中心裡訓練他們的大模型。
這讓我想起了一個歷史類比。1990年代末，當所有人都在談論網際網路革命時，真正賺到大錢的不是那些網站，而是思科，提供網路基礎設施的公司。今天，當所有人都在談論AI時，甲骨文正在扮演類似的角色，雖然它沒有訓練模型，做AI應用，但是在提供AI時代最關鍵的基礎設施。
埃里森在最新的財報電話會議上說：「來自亞馬遜、谷歌和微軟的多雲資料庫收入以令人難以置信的四位數速度增長。"
2024年9月11日，就在一年前的Oracle CloudWorld大會上，埃里森宣布了一個可能改變雲計算格局的決定，將Oracle資料庫物理地部署在AWS數據中心內。兩個曾經激烈競爭的巨頭在AI時代做出了戰略選擇。
這個數字說明了一個重要轉變：雲計算的圍牆花園時代正在結束，多雲協作的時代已經開始。
不過如果我們要了解更多關於甲骨文的AI戰略，更值得一看的2023年的甲骨文全球雲大會（Oracle CloudWorld 2023）。
在這次24個月前的2023年甲骨文全球雲大會（Oracle CloudWorld 2023）的演講中，拉里·埃里森（Larry Ellison）闡述了生成式 AI 如何從根本上改變甲骨文的技術戰略、產品開發以及公司對未來的願景。埃里森的演講涵蓋了甲骨文雲基礎設施（OCI）的獨特架構、內部開發工具的革命性轉變，以及利用 AI 推動醫療、農業和公共安全等領域的宏大計劃，並最終宣布了與微軟在多雲戰略上的深化合作。
80歲的埃里森在開場時提到，他在大約一小時前吃了一些感冒藥，並表示如果他在台上坐下，並不是因為跟腱撕裂。他這次演講足足進行了一個小時，直到演講開始一刻鐘之後，才找了一把椅子坐下。舞台上的埃里森也精力旺盛。
記得當年他退下CEO的位置之後，很多人都在傳，說他投資了很多生命科學公司，大概在研究如何突破壽命極限。在這次演講中，他也談到了醫藥案例。
然後，埃里森的這句話可以為時代做一個註腳：生成式 AI 大約在一年前出現（站在2023年的時間點），它改變了一切。它當然正在改變甲骨文的一切。
1、【「那個嬰兒會說話了」：一個改變世界的意外】
大約在演講前一年，OpenAI 展示了 ChatGPT。埃里森描述了當時的情景：「令開發 ChatGPT 的人們大為震驚的是，這個嬰兒會說話了（the baby talks）。」
他強調，開發者們並沒有預料到這一點。OpenAI 是由伊隆·馬斯克（Elon Musk）大約十年前創立的公司。經過近十年的努力，他們構建了一個由數十億個人工神經元組成的巨大人工神經網路，即 AI 專業人士所說的「十億參數模型」。埃里森指出，以前沒有人建立過如此龐大的模型。
在構建了神經網路之後，他們用海量數據對其進行了訓練。「它閱讀了所有的維基百科。它閱讀了整個公共網際網路。」埃里森說，同樣，也從來沒有人用這麼多數據訓練過一個模型。
然而，埃里森指出，這個人工神經網路本身的架構與之前的模型並無不同。「GPT 3.5 的唯一區別是神經網路更大了。訓練數據更廣了。」
正是由於規模的變化，當被提問時，ChatGPT 能夠提供答案，進行對話。「這對 ChatGPT 的團隊、AI 專業人士以及全世界來說都是一個巨大的驚喜。」
埃里森將這一事件的影響力與歷史上的重大時刻相提並論。「這就像斯普特尼克（Sputnik）。」他提到，當俄羅斯發射第一顆人造衛星時，它抓住了全世界的想像力。「每個人都知道它。每個人也都知道生成式 AI。」
這一技術引發了廣泛的關注和擔憂。AI 專業人士擔心新技術帶來的風險，政府討論如何監管它。埃里森還提到了好萊塢的編劇罷工，部分原因在於編劇們擔心自己的工作。「誰將編寫好萊塢的下一個偉大劇本？是你認識的某個人，還是你不認識的某台電腦？」
2、【世界級的競賽：特斯拉自動駕駛與 AI 設計的抗病毒藥物】
埃里森認為，接下來將發生的是一場「構建更好 AI 的世界級競賽」，這將帶來更好的未來，但同時也伴隨著重大風險。
他指出，所有新技術都可能被誤用，從最早的技術如火和矛，到後來的核能。「然而，總的來說，技術和技術進步使我們的生活更美好，使我們人類更繁榮、更舒適。」
「生成式 AI 是有史以來最重要的新電腦技術嗎？可能吧。」埃里森表示，這一點很快就會見分曉，因為無數的資金正在投入到生成式 AI 和大型語言模型中。
在過去的一年裡，技術發展迅速。ChatGPT 4.0 已經取代了 3.5。Cohere、OpenAI 和其他公司開發了新的大型語言模型，它們不僅能生成語言，還能生成圖像、作曲、寫詩，甚至生成電腦代碼。「這離我們的本行越來越近了。」埃里森說。
他預告了更多即將到來的重大變化。
首先是自動駕駛汽車。「很快，在未來 12 個月內，特斯拉將推出完全自動駕駛汽車。」
其次是藥物研發。埃里森提到一種正在進入一期臨床試驗的新藥。這種抗病毒藥物不是疫苗，而是一種治療方法，可以治療所有變種的CO-VID。「但它不止於此。它還能治癒病毒近親，SARS 和 MARS。」埃里森解釋說，這是一種由電腦設計的小分子，它能與病毒上的蛋白質結合，阻止其複製。
在甲骨文內部，他們正在開發用於臨床的語音數字助理。埃里森回憶起一次在斯坦福大學看 X 光片的經歷，當時醫生找不到他的片子，不得不找來 IT 專家幫忙。「現在，你只需要說，『找到拉里·埃里森最新的 X 光片。哦，順便告訴我骨折在哪裡。』」
埃里森總結道：「還有更多的大驚喜即將到來，很多很多。而且大部分消息都將是好消息。」
3、【RDMA 網路：甲骨文在 AI 基礎設施上的獨特優勢】
談到這一系列發展對甲骨文的影響時，埃里森表示目前為止公司「非常高興」。他解釋了甲骨文的第二代雲（Generation 2 Cloud）與其他雲的不同之處，其中最關鍵的一點是網路技術。
甲骨文提供了遠程直接記憶體訪問（RDMA）網路。這意味著網路中的一台電腦可以直接訪問另一台電腦的記憶體，而無需「拍那台電腦的肩膀並讓它中斷自己」。
埃里森解釋說，這使得數據在電腦之間移動的速度極快，「比傳統網路快很多倍」。由於甲骨文的標準網路全部使用 RDMA，當構建用於訓練大型語言模型的電腦（例如由 NVIDIA GPU 組成的電腦）時，這些 GPU 的互連使得電腦在甲骨文雲中運行得更快。
「正如我之前說過的，在雲中，時間就是金錢。」埃里森強調了成本效益。「如果我們運行速度快一倍，成本就減半。如果我們運行速度快三倍，成本就是三分之一。」
他聲稱：「在訓練 AI 模型方面，我們比其他雲快得多，成本也低很多倍。」
埃里森列舉了因此選擇甲骨文雲進行 AI 訓練的關鍵客戶：「這就是為什麼 NVIDIA 在甲骨文雲中進行 AI 訓練。Cohere 在甲骨文雲中進行 AI 訓練。伊隆·馬斯克的新公司 xAI 也在甲骨文雲中進行訓練。」此外，還有數十家技術領導者和初創公司選擇甲骨文雲。
甲骨文正在構建的 NVIDIA 超級集群也體現了這一優勢。埃里森宣布，其中一個集群將是「地球有史以來建造的最大的科學電腦」。這個集群由 16000 個 NVIDIA H100 GPU 通過甲骨文的 RDMA 網路連接而成。
埃里森進一步解釋了在 AI 計算中決定速度的兩個因素：一是 GPU 處理數據的速度；二是將數據移動到電腦進行處理的速度。「我們在移動數據方面比任何人都快得多。」
甲骨文的巨大優勢在於數據移動能力，因為他們最初是為了資料庫而開始使用 RDMA 網路的。「碰巧的是，這與 GPU 集群面臨的問題相同，即移動數據。這是我們為資料庫解決並重用於構建 AI 模型的問題。」
4、【告別 Java 手寫代碼：「我們正在生成代碼」】
埃里森承認甲骨文使用 AI 已有很多年，但生成式 AI 是不同的。「生成式 AI 是一場革命。它是一個突破。它是變革性的。它正在從根本上改變甲骨文的一切。」
（在演講的這個階段，埃里森搬了一把椅子到台上並坐下）
他表示，生成式 AI 從根本上改變了構建和運行應用程序的方式。
一個重大的轉變體現在編程語言上。「例如，我們不會再用 Java 編寫新的應用程序了。」埃里森澄清說，他們會繼續進行很久以前開始的 Java 項目，並且不會將 Java 轉換為其他語言。「但是，如果我們開始一個全新的項目，我們正在生成（generating）那段代碼。我們不再手寫它了。」
甲骨文正在使用一個名為 APEX 的系統來生成代碼。埃里森將其描述為一個「無代碼系統」（no code system）。甲骨文在過去幾年裡極大地改進了 APEX，達到了現在「幾乎我們每一個新應用程序都將由 APEX 生成」的程度。
他列舉了多個使用 APEX 生成的新應用實例：Cerner New Millennium、Fusion Marketing、銀行應用、零售應用、酒店管理應用。「幾乎每一個新項目都在用 APEX 生成。」
這一轉變帶來了顯著的效率提升和開發模式的變化。「這意味著團隊規模大大減小。開發過程從根本上不同了。」埃里森說，「我們對功能進行原型設計和疊代，因此我們開發東西的速度快得多。」
除了速度，生成的應用程序還具有質量上的優勢。
首先是安全性。「當我們生成一個應用程序時，猜猜看？我們不會生成安全漏洞。」埃里森指出，甲骨文編寫的每一個應用程序都必須經過安全審計，但 APEX 應用程序不需要，因為是 AI 系統編寫的。
其次是可靠性。APEX 生成的應用程序是「無狀態的」（stateless）。這意味著，「如果運行它的電腦宕機了，你可以立即故障轉移到另一台電腦。所以它是容錯的。」
埃里森總結了這一轉變：「只要你願意花更少的人力和更少的時間來構建你的應用程序，它就會更安全、更可靠，並擁有更好的用戶界面。這是一件非常大的事。」
5、【「沒有人工，就沒有人為錯誤」：資料庫的自動駕駛時代】
另一個被深刻改變的領域是資料庫。埃里森提到了甲骨文自治資料庫（Autonomous Database），他形容這是一個「100% 自動駕駛的資料庫」。
「你不需要 DBA（資料庫管理員）。它自己安裝、自己配置、自己更新、自己打補丁、自己調優。」
儘管有這些優勢，埃里森承認，過去自治資料庫在全球甲骨文資料庫中的占比還很小，甚至在甲骨文內部，Fusion 和 NetSuite 過去也沒有使用它。
「這一切都在改變。」埃里森宣布，「我們所有的新應用程序都從甲骨文自治資料庫開始。Fusion 和 NetSuite 正在轉向自治資料庫。」甲骨文所有戰略性的、在雲上的應用都將使用自治資料庫。
轉向自治資料庫的核心驅動力是安全性。「幾乎所有的安全問題都是由人為錯誤引起的。」埃里森強調，「如果沒有人工，就沒有人為錯誤。」
他認為，構建真正安全系統的唯一方法就是消除人為錯誤。他用自動駕駛汽車來類比：「自動駕駛汽車不會撞車，或者說它們的撞車頻率只有人類駕駛汽車的 1%，甚至千分之一。自動化比手動操作更可靠、更可預測、更安全。」
除了安全性，自治資料庫在雲中也是完全彈性的（fully elastic）。
埃里森舉了一個運行工資系統的例子。一家大型公司需要進行大量的計算。「為了快速完成這項工作，你希望分配更多的處理器。」
自治資料庫可以實現這一點。「如果你需要更多的處理器，你會立即分配它們，使用它們，運行速度快 10 倍。當你完成後，你把它們還給資源池。」
這意味著客戶只需按使用量付費。埃里森指出，這不是其他雲資料庫的工作方式。在其他雲中，客戶需要預先設定處理器數量，無論它們是否在工作都要付費。
而在甲骨文的模式下，系統會根據需要獲取資源，然後在不需要時返回資源。「如果你的資料庫什麼也沒做，就沒有分配處理器。而且它不花錢。」
6、【結束關係型資料庫與對象資料庫的爭論】
在資料庫領域，長期以來一直存在關於關係型資料庫（如甲骨文資料庫）與對象資料庫（如 Mongo）的爭論。
埃里森解釋說，關係型資料庫功能更強大，但程序員面臨的問題是他們必須預先定義所謂的「模式」（schema）才能開始編程。程序員傾向於直接開始編碼，定義他們的用戶界面，即 JSON 文檔或 JSON 對象。
甲骨文宣布他們已經解決了這個問題，結束了這場爭論。
「我們現在做的是，我們從 JSON 文檔中生成模式。」埃里森說，「程序員再也不用擔心模式了。我們自動生成模式。」
這意味著開發者可以只關注用戶界面和文檔，開始編程，系統會自動生成模式，最終得到一個關係型資料庫基礎。
這樣做的結果是融合了兩種模式的優點。「你擁有了 SQL 作為查詢語言的強大功能。你也擁有了 JSON 只處理文檔、只處理你編寫的用戶界面程序的簡單性。」埃里森表示，程序更容易編寫，但也更持久。「你得到了兩全其美。」
7、【從「大學」到「法學院」：專業化 AI 模型的新範式】
埃里森認為，大多數客戶不會去構建像 xAI、OpenAI 或 Cohere 那樣的基礎大型語言模型。
相反，大多數人會採用這些公司構建的基礎模型，並對其進行專業化訓練。
埃里森用了一個生動的比喻：「就像把你的孩子送去上大學，然後在大學畢業後把他們送到法學院。」他們會從 Cohere 那裡得到受過「大學教育」的模型，然後送他們去「法學院」或「醫學院」，專門對他們進行醫學方面的訓練。
為此，甲骨文在其標準資料庫中增加了向量（Vector）能力。因為人們希望使用自己的訓練數據來專業化基礎模型，最好的方法是將補充訓練數據放入甲骨文向量資料庫中。埃里森表示，甲骨文能比任何人更快地將數據移入訓練機器。
甲骨文雲旨在使這一過程變得容易。客戶可以從 Cohere 的基礎模型開始，然後使用補充數據進行專業化。例如，使用 Cerner 的匿名電子健康記錄（EHR）數據來專業化 Cohere 的 AI 模型，使其專注於醫學領域。
他提到了以色列一家名為 Imagene 的公司，他們實際上已經做到了這一點。「他們拍攝了一堆癌症活檢載玻片，並將其輸入到 AI 模型中，現在電腦能夠在幾分鐘內診斷出癌症。」
埃里森認為，構建這些專業化模型將比構建基礎模型更為普遍。
甲骨文自己也在做同樣的事情。他們正在利用大量的電子健康數據訓練模型，以為醫生提供建議，例如出院記錄或醫囑草稿。
他強調了 AI 在這一過程中的定位：「我們的想法是給醫生一份草稿。醫生審查它、編輯它，然後提交它。」模型旨在使醫生的工作更容易，而不是接管醫生的工作。
在專業化模型的過程中，甲骨文也強調了數據隱私的重要性。例如，Imagene 的活檢數據進入甲骨文雲後，是私有的。「我們看不到它。其他人也看不到它。」
許多客戶非常擔心共享他們的訓練數據。埃里森舉了一個投資銀行客戶的例子，他們擁有大量不想與世界分享的金融交易數據，但希望用它來訓練模型。
「在甲骨文雲中，你可以用你的私有數據訓練和專業化私有模型，這些數據在訓練後仍然是私有的。」
8、【國家級公共衛生數據平台：「一個永遠在線的臨床試驗」】
埃里森認為，甲骨文目前正在進行的工作中，「我不確定還有什麼比我們新的甲骨文雲數據智能平台更重要的了」。該平台是甲骨文分析和生成式 AI 的結合。
他特別提到了甲骨文新的公共衛生數據智能平台（Public Health Data Intelligence Platform）。這個項目起源於 Cerner 的 HealtheIntent，但在收購 Cerner 後，甲骨文對其進行了根本性的重寫和重建。
該平台的目標是統一國家人口規模的健康數據。「這是為了將一個國家的所有 EHR 數據、所有患者的數據匯集在一起，所有的診斷實驗室數據，一切，都放入一個單一的甲骨文自治資料庫中，覆蓋整個國家的人口。」
埃里森闡述了將所有健康數據集中在一個地方所帶來的巨大好處。
第一個好處是訓練數據的規模。「當你去訓練 AI 模型時，你擁有的數據比以前多了 1000 倍。你擁有了所有的數據。」
他指出，通常對於一種藥物，能獲得的最佳數據是在臨床試驗期間。但試驗結束後，收集的數據就少得多了。而這個平台就像一個「永遠持續下去的臨床試驗，一個針對所有事情的永遠持續的臨床試驗」。甲骨文會持續收集所有這些數據，然後用這些數據來訓練模型。
這些模型的答案能夠實現詳細的個性化醫療。
埃里森以他自己的用藥經歷為例來說明這一點。他正在服用一種名為 Crestor（瑞舒伐他汀）的他汀類藥物（一種常見的降膽固醇藥物）。他曾問他的醫生（一位分子生物學家）是如何決定選擇 Crestor 而不是其他藥物的。
醫生回答說：「嗯，你知道，你是個男人。你是歐洲血統。事實是，我們沒有很多數據。這算是一種有根據的猜測（educated guess）吧。」醫生根據他的家族史和已知資訊，認為 Crestor 是一個不錯的選擇。
埃里森提出了對更精準醫療的期望：「考慮到我的基因組學，如果你擁有我所有的健康記錄，你就能準確地告訴我最適合我的他汀類藥物是什麼。」
「你只是根據我是誰以及你對我的了解做出了更好的選擇。」埃里森說，如果擁有這種國家人口規模的公共衛生數據，這些豐富的數據將幫助醫生做出更好的治療決策。
這將以更低的成本帶來更好的結果。埃里森指出，任何能讓你遠離醫院的事情都能降低成本。醫療錯誤在人類痛苦、生命和金錢方面的代價都非常高昂。
埃里森再次重申：「我不確定我們在甲骨文所做的任何事情比這更重要。」
9、【那些被丟棄的數據：基因組、超聲波和載玻片】
訓練 AI 模型最重要的事情之一就是擁有數據。埃里森指出，令人驚訝的是，一些數據仍然沒有被數字化。
他列舉了多種未被充分利用的醫療數據源。醫療圖像數據，無論是 MRI 還是先進的西門子掃描儀，甚至超聲波圖，都沒有被保存下來。活檢樣本大多存放在抽屜里的玻璃載玻片上，沒有被數字化。「絕大多數都沒有。」
「我們沒有捕獲這些數據並將其數字化和向量化以用於訓練數據。我們應該這樣做，而且我們正在這樣做。」埃里森說。
另一個數據來源是患者監測。起源於 Cerner Care 的項目現在已經成為甲骨文的一個大型物聯網（IoT）項目。在醫院裡，系統會跟蹤患者的生命體徵，如果低於某個閾值，護士站的警報就會響起。「但那沒有被永久記錄下來。」
甲骨文希望開始永久記錄所有這些數據，以便用於訓練系統。
在診斷方面，圖像非常大，有時根本沒有被捕獲。埃里森以孕婦做超聲波檢查為例。「那個超聲波圖沒有被數字化存儲。」通常是技術人員或醫生看著超聲波圖，測量胎兒的頭骨和脊柱長度，尋找問題。「這一切都是人類看著圖像完成的。」
埃里森認為，讓電腦協助完成這項工作將有很大幫助。「你不應該在螢幕上測量東西。電腦應該提供所有這些。」此外，許多家用設備和可穿戴設備也提供了收集更多數據的機會。
埃里森提到了數據存儲的成本問題，這導致了有價值的數據被丟棄。「這會讓你震驚的，基因組數據，基因組數據被丟棄了。」
他提到牛津納米孔（Oxford Nanopore）曾試圖將他們的基因組數據存儲在雲中，但變得非常昂貴，以至於他們決定「把它扔掉」。
Imagene 公司希望查看比現在多 100 倍的活檢圖像，但那些圖像在載玻片上，甚至沒有被數字化。
埃里森認為甲骨文雲成本更低是解決這個問題的關鍵。「甲骨文雲現在為這個問題提供了一個經濟的解決方案。我們可以數字化這些載玻片。我們可以保存基因組數據。我們不會把它扔掉。」相反，甲骨文會將其提供給大型 AI 模型，從而獲得巨大的回報。
10、【物聯網與自動化：從藏在天花板里的手術用品到「血液實驗室機器人」】
甲骨文還在捕獲其他類型的數據，以解決醫院內部的運營問題，例如庫存管理。
埃里森描述了醫院中存在的混亂情況。例如，周一要進行某種手術，手術護士可能在周五到處跑，收集所需的所有物品，如止血用的氨甲環酸、醫生偏愛的器械和手套等。「把它們全部從庫存中取出，藏在手術室外的天花板瓷磚里，這樣周一到來時，他們就能擁有所需的一切。」
這種非正式的庫存管理方式導致醫院不知道當前的庫存狀況，也不知道東西在哪裡。
作為 Fusion 產品的一部分，甲骨文正在構建一個物聯網系統來跟蹤所有這些物品。「它在所有庫存上都有 RFID 標籤，我們確切地知道一家醫院擁有多少東西，而且知道每件東西的位置。」
除了供應鏈，Cerner 還有一個機器人團隊正在自動化實驗室。埃里森認為自動化實驗室很棒，但實驗室設備也應該將結果直接發送並存儲在電子健康記錄中。
埃里森展示了一段 Cerner 機器人系統自動化實驗室的影片。他提到，這個系統在 Cerner 內部曾是一個被忽視的領域，但對甲骨文來說非常重要。他們需要自動化實驗室，直接從中收集數據並放入 EHR，並自動將結果發送給醫生和患者。
隨後，埃里森展示了甲骨文的另一個機器人項目影片。這是在 COVID 期間進行的項目，甲骨文正在構建一個微流控血液實驗室，用於 COVID 免疫測試。
他解釋說，目前沒有方便簡單的方法來了解自己的 COVID 免疫水平。有一家公司正在研究一種血液測試來測量免疫水平，這種測試在一次性的「磁盤上的實驗室」（laboratory in a disk）中進行。
「我們正在建造製造這些磁盤的機器人。所以我們正在建造製造血液實驗室機器人的機器人。」埃里森說。這個機器人連接到網際網路，它會同時告訴患者和醫生結果。這再次回到了收集數據並將其提供給患者、醫生以及將匿名版本的數據提供給 AI 模型進行訓練的主題。
11、【更大的雄心：用更少的開發人員做更多的事】
埃里森主要以 AI 在醫學領域的應用為例，但也提到其他行業也可以利用這些 21 世紀的技術進行轉型。
他回到了「生成應用程序而不是用 Java 編寫它們」的話題。這意味著團隊更小，編寫應用程序的速度更快。
這是否意味著甲骨文會大規模裁員？
「不，不。我們的雄心太大了（We're too ambitious for that）。」埃里森回答道，「我們要做的是嘗試做更多的事情。」
因為可以生成程序，甲骨文可以處理比過去更大規模的事情。「我們有更好的工具來構建應用程序。我們可以更快地構建更好的應用程序。」這意味著甲骨文將使用相同的技術在更多的行業構建更多的應用程序。
埃里森介紹了幾個甲骨文正在關注的新領域，核心技術包括 APEX 應用生成器、自治資料庫以及機器人和傳感器。
12、【農業革命：少用 98% 的水，節省 90% 的土地】
甲骨文正在與合作夥伴丹尼·希利斯（Danny Hillis）的公司 Applied Inventions 一起，關注一個比醫療保健更原始的行業：農業。
他們關注的重點是室內農業，這種方式帶來了顯著的環境效益。
首先是水資源。「事實證明，在室內種植時，你使用的水只是在室外種植時的一小部分，少了 98%。」埃里森強調，水是最寶貴的商品，淡水正在耗盡。隨著氣候變化，需要適應這些變化，乾旱在非洲之角等地發生得更頻繁。
其次是土地資源。在室內種植時使用的土地也少得多。如果在溫室中遷移植物，從小開始，逐步給它們更多的空間，直到收穫，「當你在室內種植時，你可以節省大約 90% 的土地。」
這意味著不需要燒毀亞馬遜雨林來開墾更多耕地，也不需要侵占非洲的動物棲息地。「我們有足夠的耕地來種植我們所需的所有食物，但我們需要結合室內和室外種植。」
第三是物流和排放。需要在靠近人口中心的地方種植。室內種植的優點是「每一天都是生長季節。每一天都有收穫。」
如果在更近的地方種植，運輸距離縮短，就能大大降低產生的溫室氣體排放。埃里森指出，農業約占所有溫室氣體排放的 35%。
因此，靠近大城市種植意味著食物更便宜、更新鮮、更有營養。
此外，這也帶來了更好的工作條件。工作不再是季節性的，更像是一份工廠工作，每天都有收穫，工作更有保障。工作質量也更高。「即使你是手工收穫，你也是坐在氣候控制的區域裡完成的。」埃里森說，這比彎腰用刀從地上割下植物要好得多。
13、【高科技溫室：機器人、雲控制與潔淨室環境】
要實現室內農業，需要克服挑戰，建立一個在世界任何地方都能高效運作的溫室系統。
埃里森描述了構建完整種植系統的技術路徑：溫室建築、灌溉系統、傳感器、機器人，所有這些都需要一起設計和製造。
「這就像一輛汽車。溫室的每一個部分都是一個單元。它們都是一樣的。這是一個標準的溫室設計。」
製造和部署過程也高度工業化。「你有一個機器人 工廠來建造它們。你把它們放入標準的集裝箱中。你有一個機器人來挖掘溫室的地基，然後你把它卡入到位（snap it into place）。」這些模塊可以非常快速地組裝起來。
溫室始終連接到雲端，不斷收集數據，並由雲端指揮。營養管理也是自動化的。「我們通過雲系統檢測植物何時缺水、缺氮。灌溉系統將氮放入水中並解決這個問題。」
埃里森將其描述為「一個有 10000 年歷史的行業的現代方法」。
他們收集了大量的訓練數據。植物圖像告訴他們何時可以移植、何時可以收穫。植物遺傳學使他們能夠開發新品種。
在水培溫室中，繁重的工作由機器人完成。「它移動整排的植物。」
為了保證作物的安全，人員管理非常嚴格。「人們不允許進入種植區。人們進入收穫區。」不讓人進入種植區是為了避免污染植物，防止細菌（如大腸桿菌）、昆蟲等的侵擾。「所以你不需要任何殺蟲劑，因為它真的是一個潔淨室。你在潔淨室里種植。」
埃里森表示，這不是一個幻想。該公司目前有近 100 萬平方英尺的種植面積。他展示了最新版本溫室的照片，可以看到頭頂上的機器人正在抬起幾排植物。目前在夏威夷和加拿大都有溫室在生產。Applied Invention 正在使用甲骨文雲、自治資料庫、NetSuite 管理業務，並與甲骨文工程團隊以及特斯拉在衛星網路方面合作。
14、【支持急救人員：永不宕機的網路與下一代警車】
甲骨文正在進行的另一個重要項目是為急救人員（first responders）提供更好的支持。
他們為急救人員建立了一個「永不失敗、永遠有效」的音影片網路。埃里森提到了毛伊島的悲劇，其中一個促成因素是他們失去了蜂窩網路。
甲骨文的網路永遠不會失敗，因為它不僅僅是地面網路，也是衛星網路。「兩者同時運行。一個備份另一個。」對於急救人員來說，網路是不允許失敗的。它是 5G 和衛星連接的結合。
該系統面向緊急醫療技術人員（EMT）、消防員和警察。他們佩戴電腦。如果消防員或警察摔倒，電腦會通過加速計感知到。
消防員和警察都有始終開啟的攝影機。這些攝影機不在本地錄製，而是傳輸到網際網路和指揮中心。「指揮中心可以看到消防員能看到的，可以看到消防員在哪裡，可以看到警察看到什麼。」
這是一個實時的指揮中心，確保現場人員永遠不會孤立無援。
EMT 在運送病人途中始終與醫院急診室保持聯繫。消防員在撲滅叢林火災時通過衛星連接，如果風向改變，指揮中心會通知他們以避免悲劇。
對於處於困境中的年輕警官或新秀警官，他們總能得到監督。「指揮中心裡總有人能確切地看到那位警官所看到的，並能協助他們和監督他們。」
埃里森認為，在壓力下人們有時會犯錯誤。「他們現在在執行非常困難的工作時，始終受到監督和協助，指揮中心的人員與現場人員協作。」
埃里森展示了第一輛甲骨文警車，他們必須在車內安裝一個類似特斯拉的螢幕，用於導航、檢查車牌等應用。「一切都是語音激活的。」
他預告了即將推出的下一代警車。「這是我最喜歡的警車。實際上是我最喜歡的車。也是伊隆最喜歡的車。」他說。「它令人難以置信……它非常安全，非常快。它有不鏽鋼車身。」
使用特斯拉車輛的好處是，不需要添加螢幕或攝影機。「因為我們實際上使用他們現有的攝影機和現有的螢幕來展示我們的應用程序。」當然，也可以使用非特斯拉車輛並進行增強。
埃里森提到，這套系統已在加利福尼亞州靠近優勝美地谷的農村地區斯坦尼斯勞斯縣（Stanislaus County）部署。該地區容易發生叢林火災。在沒有手機信號的偏遠地區，必須使用衛星與消防員通信。
他們還使用機器人無人機。在旱季，無人機可用於監測森林火災。它們可以提供更好的態勢感知，在火災期間了解哪些街道開放、哪些關閉，並立即告知人們撤離該區域的最佳方式。
15、【多雲戰略：打破「圍牆花園」】
埃里森的最後一個話題是多雲（MultiCloud）。
他提到在演講前一周，他去了華盛頓州雷德蒙德，與微軟 CEO 薩蒂亞·納德拉（Satya Nadella）進行了交談。「我們達成了一個宏大的共識。這個宏大的想法是，雲應該是開放的。它們不應該是圍牆花園（walled gardens）。雲應該互連。」
埃里森指出，客戶已經在使用多個雲。在基礎設施領域有四個超大規模雲服務商：AWS、微軟 Azure、谷歌和甲骨文。還有很多應用雲，如 Salesforce 和 ServiceNow。
埃里森認為，一旦客戶選擇了他們想用的東西，雲服務商的工作就是讓所有這些東西無縫地協同工作。
例如，如果客戶想使用 Salesforce 的銷售自動化應用，然後在甲骨文中建立一個數據倉庫，這應該是一件非常簡單直接的事情。
如果客戶想將 OpenAI 的 ChatGPT 與甲骨文自治資料庫一起使用，或者使用微軟 Teams、微軟 Office 等任何微軟服務與甲骨文服務結合，這應該很容易做到。「微軟的雲和甲骨文雲之間不應該有一堵牆。」
他還談到了數據遷移成本問題。「如果你想把你的數據從 AWS 雲中移出，放入甲骨文雲的資料庫中，不應該收費。這是你的數據。」
埃里森認為，雲應該互連並無縫互操作。「我們過去稱之為開放系統（open systems）。薩蒂亞和我認為世界正朝著那個方向回歸。」
16、【將甲骨文雲建在 Azure 數據中心裡】
甲骨文和微軟從 2019 年開始嘗試互連他們的雲，但操作起來並不容易。雖然有高速互連，但用戶需要相當複雜的技術才能將微軟服務連接到甲骨文服務。
他們決定使其完全透明化。用戶可以直接進入 Azure 門戶，配置甲骨文服務（如自治資料庫），並將其連接到微軟服務。
為了實現這一點，他們決定採取一個更進一步的策略：「實際上在 Azure 數據中心內部構建甲骨文雲，在 Azure 數據中心內部構建完整的甲骨文雲。」
用戶可以在 Azure 門戶中配置來自甲骨文或微軟所需的一切，「它就是能用，而且速度超快。」
並且，沒有數據出口費用（data egress fees）。「這是你的數據。無論它是在甲骨文雲、微軟雲、AWS 雲還是 Salesforce 雲中，它都是你的數據。他們不應該向你收取移動它的費用。」
埃里森強調，這是完整的甲骨文雲。所有甲骨文雲都是相同的，擁有完全相同的硬體和軟體。「它們唯一不同的是規模。」
標準化使得自動化成為可能。埃里森再次提到了甲骨文雲的獨特性：標準化實現了高度自動化，這使得運營成本更低，也更安全。他重申了「幾乎所有的安全問題都是由人為錯誤引起的」觀點。自動化雲消除了人工，降低了成本；消除了人為錯誤，提高了安全性和可靠性。
通過將整個甲骨文雲放入微軟雲中，它們位於同一地點（co-located），因此沒有延遲，網路速度超快。
17、【邁向 1000 個數據中心：在雲上運行東京證交所】
埃里森指出，甲骨文擁有的雲區域（cloud regions）比 AWS、Azure 或谷歌都多，這讓很多人感到驚訝。目前，甲骨文有 64 個主要區域。
除了這些主要區域，甲骨文還有一個名為 DRCC（Dedicated Region Cloud@Customer，客戶自治的專屬雲區域）的產品。甲骨文可以將完整的甲骨文雲放入客戶的數據中心內。客戶可以完全控制誰能進入該數據中心。
這是完整的甲骨文雲，甲骨文擁有並管理硬體，客戶按使用量付費。但甲骨文不查看數據，不管理數據。
埃里森舉了野村綜合研究所（Nomura Research）的例子。他們是一家大型 IT 諮詢公司，向日本金融業銷售他們的服務和甲骨文雲服務。他們已經有了兩個 DRCC，並準備增加到四個。
「他們實際上在甲骨文雲中運行東京證券交易所。」埃里森稱，「這是地球上唯一一個在雲中運行的主要證券交易所的案例。」這些應用還沒有遷移到其他雲，除了高度可靠的甲骨文雲。「證券交易所不能停止，否則人們會非常不安。」
野村綜合研究所也是 APEX 的忠實用戶，他們通過使用 APEX 生成應用程序而不是手工編碼，大大降低了開發成本。
埃里森認為這是一個重要的新發展：完整的甲骨文雲現在足夠小，可以直接放入 Azure 中。他透露，甲骨文正在與微軟一起在 Azure 數據中心中建設十幾個數據中心。他們也在特定的客戶站點建設，例如幾家大型電話公司正在使用它們來運行網路。
甲骨文正在向 100 個數據中心邁進。但考慮到 DRCC 的價格，埃里森提出了一個更宏大的願景：「我們將成為衡量其數據中心數量不是以 100 為目標，而是真正邁向 1000 個的超大規模雲服務商。」
這個專屬雲區域將連接到所有其他雲。「它將成為你連接到所有其他雲的互連點。」同時，它也是客戶自己的專屬雲區域，完全自動化、完全現代化，配備 RDMA 網路等一切，而且成本可能符合客戶的預算。
