AI 技术的迅猛发展，对数据的存储、管理、分析与应用提出了全新挑战与机遇。数据库作为数据管理的核心工具，与 AI 的深度融合成为必然趋势。在分论坛中，我们将邀请高校科研机构及企业深入探讨DB For AI、AI For DB两者融合的创新技术与应用场景。

数据库界近年来积极探索如何利用人工智能（AI）来解决数据库系统中的挑 战（AI4DB）。此次报告重点介绍我们对两个主题的看法。首先，查询计划被用作几个AI4DB任务的输入，大多数研究通常集中在一个任务上，并开发一种新的设计来表示查询计 划及其 AI4DB 框架。此次报告将介绍一种不同的方法，通过将查询计划表示抽象为多个AI4DB任务的通用组件来解决这些任务。其次，报告将介绍一种不同的利用机器学习（ML） 来增强经典空间索引的方式，而不是像学习索引那样用 ML 来取代它们。最后，报告将简要讨论一些开放的AI4DB问题。

近年来，随着大数据、机器学习算法和新型硬件技术的发展，几乎所有行业对 AI 的需求都在快速增长。但是目前 AI 算法门槛较高，需要依赖 AI 算法设计师和模型训练师来落地算法应用，从而造成 AI 落地难。因此，急需利用数据库系统技术来降低 AI 使用门槛。另一方面，随着场景的日趋复杂化和管理的日趋精细化，DB 和 AI 的功能界限变得模糊，单纯的 DB 或 AI 的系统已经不能满足很多业务的需求，它们需要的是兼具 DB 和 AI 混合分析功能的AI原生数据库。在本文中，我们将系统总结 AI 原生数据库目前的研究现状，阐述其核心技术挑战，并展望其未来发展趋势。

大模型的火爆得益于大数据、人工智能和云计算等技术的不断发展。它虽然能较好地回答通用性问题，但面对垂直领域，由于训练数据有限，回答的专业性和准确性仍有提升空间。部分大模型从业者认为，所有的行业都需要向大模型看齐，利用数据库结合大模型和自有知识资产，可以增强垂直领域的AI能力。因此，建立在不同行业的垂直大模型，并利用DB4AI技术，成为结合的新形态。特别地，向量数据库在大模型发展中也扮演了重要角色，除了存储和处理向量数据，还可以进行高效的相似搜索和检索功能。因此，向量数据库是行业大模型具备“know-how”的必经之路。活动邀请了多位数据科学和自然语言领域的资深学者和专家，围绕大模型和数据库的最新技术，开源及商业化，以及大模型的落地之路进行探讨和交流。 嘉宾探讨主题： 1、数据库与大模型最新结合技术 2、面向大模型的系统，以及开源和商业应 3、大模型的发展趋势之一-兼容自动化大小模型交互

工业时序数据是新型工业化的基础要素，随着用数需求激增，亟需学术界与工业界共同探索下一代时序智能基础设施的发展方向。本论坛将聚焦时序数据与AI赋能的交叉领域，探讨如何高效管理并发挥工业时序大数据的价值。思辨议题将从工业时序大数据的产生、处理、分析场景展开：在数据层面，探讨工业OT与IT领域需求的区别与联系、时序数据库的本质特征、核心技术与发展方向等；在模型层面，探讨时序大模型的定位、与其他模态大模型的区别和联系、与工业机理的融合方式等；在系统层面，探讨时序数据库如何与AI模型进行有机结合，对系统架构带来了哪些新的挑战与收益。期待与您共同探索工业时序大数据技术和产业发展的前景。

数据库作为数字经济的核心基础设施，在智能时代将继续发挥重要作用，随着人工智能与大模型技术的迅猛发展，数据库系统正经历从传统架构向智能化、多元化的历史性跨越，正面临前所未有的机遇与挑战。在智能时代需要怎样的数据库系统的支持？传统关系模型能否适应智能时代多模态数据管理和检索的需要？传统数据库如何向智能化演进？大模型的训练和推理需要怎样的数据管理范式支撑？本次论坛将围绕“智能时代的数据库系统”展开讨论，汇聚数据库领域顶尖专家，深度研讨智能时代数据库技术的发展与应用，为中国在数据库系统领域的创新突破提供思想碰撞的平台。