2025年10月 15日,美国拉斯维加斯。
Oracle CloudWorld2025 大会现场,拉里·埃利森一登台就抛出一句话:
AI 改变一切。这个说法可真够大的。“一切”,不过我觉得这说法很接近事实了。
不是“改变搜索”、“改变生产力”,他说的是“一切”。
在这场长达 90 分钟的演讲里,他没有展示任何 AI Demo,也没有重复模型性能有多强。他要讲的,是为什么 AI 会重写整个世界的运行方式。
他说:从20瓦的人脑,到12亿瓦的 AI 大脑,社会系统和企业系统必须重新定义。
这种重新定义涉及根本性问题:
- 什么是“基础设施”?
- 什么才是“可用数据”?
- 谁真正拥有 AI 红利的分发权?
这些洞察,不是出自研究者或 AI 创业者,而是来自一个亲手构建全球最大数据库帝国、正转型为 AI 推理平台的技术商业领袖。
而他给企业的警告:别再只训练模型了,真正的机会,在于谁能用 AI 理解自己的私有数据。
如果 AI 真的比工业革命还猛,你准备好了吗?
第一节
模型会说话,更要听得懂你
拉里·埃利森的第一个观点:AI的游戏规则变了。
他说:“过去大家只谈训练,现在我们谈的是‘推理’。而且这不是以前那种‘模型做出一个判断’的推理。现在,它们真的在思考。”
多模态AI模型,其实像一颗电子大脑
在演讲中,埃利森用了一个比喻:现在的AI模型,是由多个神经网络组成的,就像你我大脑的不同分区。
比如:
- 看一张图,是一个网络;
- 理解这张图上是什么,是另一个网络;
- 判断这张图是不是在描述“危险”或者“需要行动”,是第三个网络。
每个子网络各司其职:有的处理文字,有的识别图像,有的分析声音,有的负责推理。这就像我们的大脑,视觉皮层处理颜色和运动,语言区域处理逻辑。
过去我们以为AI是在“学说话”,其实真正重要的,是它在学习“理解”。
“语言生成”之后,进入了“语言理解”阶段
拉里·埃利森把ChatGPT 3.0称为“真正的转折点”:
那是 AI 第一次开始像人类一样说话的时刻。
但他说,价值不在于生成看似人类的回答,而在于: 它有没有真的理解你的问题,然后知道该去哪找答案、怎么推理?
这才是AI 从“模仿人类语言”到“学习人类思考”的转变。
ChatGPT、Anthropic、Grok、Gemini,这些主流模型都已经很强大。但埃利森指出一个问题:它们都用公开数据训练,这远远不够。
“模型不是万能的,它不知道你公司的账, 不知道你客户买过什么,不知道你过去开过什么药单。 这些都不在互联网上。”
真正有价值的数据,是你的私有数据。
模型的真正潜力,是理解你的世界之后,替你思考眼前的事。
从“生成答案”到“构建判断”,差别在哪?
他举了个例子:AI现在能通过观察路上的视频,判断一辆车会不会撞到你,它能在几毫秒内决定刹车还是转向。
这不是靠预设规则,而是模型看了成千上万个录像后,自己学会了判断危险。
推理,不再是判断正确答案,而是在复杂条件下做出行动建议。换句话说,AI不只是帮你“找资料”,而是帮你决定“该做什么”。
当 AI 真的具备了理解、联想、判断的能力,当这颗“电子大脑”能以极速处理复杂问题时,真正的瓶颈不再是技术。
瓶颈变成了我们:能不能提出值得它推理的问题?
所以别再纠结模型够不够强。
关键是,你有没有真正值得它理解的问题。
第二节
12亿瓦的AI大脑,是造出来的
如果说 AI 正在学习“理解”,那支撑这种理解的代价是什么?
拉里·埃利森抛出一个极有画面感的对比:人脑只用20瓦电力,AI大脑要12亿瓦。
他说,20瓦的灯泡亮不了多少,但就是它,驱动了人类的语言、想象、平衡、推理。
而现在?
甲骨文正在德克萨斯为 OpenAI 建造全世界最大的AI集群,供电量能支撑 100 万个四居室家庭,相当于一座中型城市。
不是只买GPU了,是在造一整套“AI基础设施”
埃利森说:你以为我们是在买GPU?不,只买GPU是远远不够的。
他具体讲了“训练一个AI模型”到底需要什么:
- 要有电力厂供能(用天然气轮机发电);
- 要有电网,能把电精准送进每一个GPU阵列;
- 要有冷却系统,维持稳定温度;
- 要有网络架构,让50万个GPU像“一台大脑”一样工作;
- 要有人把这些建出来,每天3500名工人现场施工。
这和他当年在大学宿舍写代码,完全是两回事。
企业不是用 AI 模型,是要能承载 AI 的能力
他打了个比方:AI模型就像一台F1赛车,但你得先有赛道。
大多数公司连“加油站”和“维修区”都还没准备好,却已经急着“让AI起跑”。
他强调:我们不只是搭建软件了,我们在建发电厂。”
他在提醒企业:AI能力不取决于用哪个模型,而取决于基础能力是否就绪。具体来说:
你有没有自己的数据结构,能被模型理解?
你有没有快速调用AI结果的管道?
你有没有能支撑低延迟推理的执行环境?
如果这些都没有,就像买了一辆F1,却停在了乡村土路上。
为什么“12亿瓦”是个转折点?
因为它不仅代表模型训练的能耗,更代表一个时代开始动用“国家级资源”来建设AI。
- 不只是买服务器,而是布局能源、通信、基础软件、存储;
- 不只是演示模型demo,而是交付可靠、持续的AI生产力;
- 不只是调模型参数,而是要知道要用这套能力解决什么事。
埃利森总结道:
“我们是在构建AI工业能力,是整个新世界的基础设施。”
这不是空谈。马斯克的Grok的第一个版本,训练中的模型,几乎都在甲骨文云上完成。
12 亿瓦的AI大脑已经开始运转,游戏规则正在改变。
第三节
AI接入企业,要从私有数据开始
在现场,拉里·埃利森点出了一个被忽视的真相:
“这些模型是用公开数据训练的。它们知道世界在发生什么,但不知道你公司的账是怎么算的。”
这不是抱怨,而是机会。
真正的机会,不是再去训练一个模型,而是让这些模型开始理解你手里的资料。
为什么公开数据不够?
现在的大模型,比如 ChatGPT、Grok、Gemini,全都用的是公开数据:互联网上能搜到的内容、论文、网页、百科、代码库……
但企业日常决策靠的,不是这些东西。
“ChatGPT 没看过你给客户开的报价单,它也不知道你正在处理哪张医保账单、哪个供应商欠了你钱。”
你的数据库、报表、交易记录、客服对话,这些真正的业务数据都藏在公司内部,从没参与过模型训练。
埃利森点出痛点:
“人们希望AI帮他们解决问题,但这些问题的线索都藏在自己的数据里。”
不想公开数据,但又想让AI帮我分析它
这是AI进入企业的最大矛盾之一。
谁都不想把自己的客户名单、合同内容、财务记录传到外部模型去;但又希望AI能“像懂行的同事一样”看得懂这些材料、做出反馈。
这就像你既想保护隐私,又想让最聪明的人帮你做分析。
埃利森说:这不是两难选择,这是可以做到的。
他透露,甲骨文为此设计了一整套叫做“AI数据库”和“AI数据平台”的新方法,核心逻辑就一句话:
让模型可以理解你的数据,但不带走它。
怎么做到的?他们用了一种叫 RAG(检索增强生成)的方法。
这是一种让AI 在不“提前学”你数据的情况下,临时读取相关资料的方法。 简单说:
“你的数据不用训练进模型里,模型会在回答问题前,像搜索引擎一样去‘翻一眼’, 然后再回来生成答案。”
这就像你请了个专家到你办公室来查资料,而不是把资料打包寄出去。
甲骨文把这套方式嵌进了自己的数据库、对象存储,甚至能连接AWS的数据。不管你的数据放在哪里,他们都能帮你建立一个“模型能看懂的窗口”。
让AI“看懂”你的数据
这一步叫“向量化”。
普通人不需要理解数学细节,你只需要知道:
- 模型不认得你Excel表里的“发票编号”;
- 它能够理解“这个东西的意思是什么”;
- 所以需要转化,让AI感知到数据之间的关联性、相似性、时间顺序。
你不需要改数据,只需要告诉甲骨文,哪些是你希望模型能读懂的,他们就会帮你把它转成模型能理解的语言。
这就像你请翻译把一整本业务资料“翻给AI看”,它才知道怎么帮你分析。
埃利森用一个诊所的例子说明了这种方法的实际价值:
“有些美国小诊所,每个月都在为医保报销发愁。 报账批不下来,诊所现金流就断了,病人也就收不了。”
他设计的AI应用,不是去“预测癌症”,而是:
- 帮诊所扫描上百个账单;
- 核查每一项是不是都符合政策;
- 估算这批报销到账的概率;
- 自动生成一份可信报告,给银行做抵押贷款用。
埃利森的观点很务实:AI不是来做什么高大上的事,而是先帮你解决那些繁琐的日常工作。
如果说训练模型是“建大脑”,那让它读懂你公司数据,就是“装眼睛”。
公共模型是工具,你的数据是钥匙。
AI知道世界在发生什么,但你必须教它:你在做什么。
第四节
AI 真正落地,就在医院和农田里
拉里·埃利森整场演讲里,最令人意外的部分不是讲AI有多强,而是AI已经开始解决哪些具体的事。
他没有讲“AI能帮你提升效率”这种空话,而是一条条说清楚了:哪些行业在用,用在哪一步,发生了什么变化。
医疗影像,不止看得快,更看得全
他举了一个自己在急诊室的亲身经历:
“我骑摩托摔断了几根肋骨,做核磁共振的时候,医生竟然在一张图上用尺子数我断了几根肋骨。”
图像明明已经数字化了,为什么还在手动数?
他说,今天AI完全能做得更快、更精准:AI可以一秒内完成所有骨折识别;
同一张图像,它还能识别其他潜在问题,比如肺部阴影、肝脏病变,不会漏掉。
他说:
“我们在看一两件事的时候,AI可以看到十几件。”
在癌症手术中,AI的价值更明显。
最好的外科医生要用显微镜看切口有没有切到癌细胞,而AI本身的视觉已经是显微级别,能在健康细胞和癌细胞之间精准切割。
农业,AI能种出更聪明的麦子
埃利森说,他们联合牛津大学的一个项目团队,做了一件以前几乎没人想到的事:
“我们改造了一种麦子,让它在同样面积的土地上,多产出20%的粮食。”
这不是转基因炒概念,而是用AI模型模拟出“怎么设计出更高效的光合作用”。
更特别的是:这种麦子吸收了更多的二氧化碳。我们可以控制它把这些碳转化成碳酸钙,也就是稳定地固化成矿物,减少大气碳排。
以前碳中和是靠算账,现在可以直接靠种地。
病原体识别,快到几分钟出结果
他说传统检测一个人得了什么病,需要等好几天培养细菌。
现在他们正研发一种AI设备,抽一管血,能在几分钟内:
- 找出是什么病毒、细菌、真菌;
- 判断它有没有耐药性;
- 给出建议该用什么药。
就算是新型病毒,比如当年COVID,也能被这个设备第一时间识别出来。
这不光是救一个人,而是:如果当时世界上每家医院都有这个设备,我们会比现在早几周发现疫情。
AI 不止在看,也开始动
埃利森还讲到他们做的另一个项目:
“我们用无人机运送血样,从诊所飞到实验室,全程用RFID保密识别,全程不丢件。”
这不是未来画饼,而是“现在已经在做”的事。
他说:我们还在研发自动化温室,机器人种菜,环境封闭,人都不能进。
这个温室的目的有两个:
- 节省水和耕地 —— 比传统农业节水90%,不再砍森林种粮;
- 可部署在城市边缘 —— 每天早上采摘,晚上就送到超市。
他半开玩笑地说:这也可以送到火星。我们给马斯克看过这张图。他可以一边住在温室里,一边种出自己的番茄。
从医疗影像到碳中和农业,从病原检测到无人配送,AI 正在解决的不是宏大命题,而是那些困扰我们已久的日常难题。
这或许就是 AI 真正的价值所在。
第五节
AI不是技术,是能力建设工程
到这一步,拉里·埃利森抛出了一个更大的问题:AI,不只是企业要用的工具,它其实是一种国家级的能力。
现在的大模型需要的不只是芯片和算力,更需要能源保障、数据接入、行业经验、法规理解。这些能力,过去只有政府具备。
而现在,企业要把这套”国家级能力”建起来。
Oracle是怎么在“建这套能力”的?
埃利森点出了Oracle和其他云厂商的最大区别:微软、亚马逊、谷歌都有云服务,但他们不做医疗管理系统、不做账单软件、不做诊所管理工具。
换句话说,别人建了“路”,但没有“车”。
Oracle反着来:先做业务软件,再做AI和基础设施。
这句话非常关键,意思是:其他云厂商主打“AI研发平台”;Oracle 则是“AI落地之后谁来承接”的那家公司。
他接着说:
“我们是唯一一家,同时做AI基础、AI工具、行业软件的云服务商。”
这意味着:Oracle能从头到尾,把整条链条搭好。
更重要的是,Oracle在医疗、金融等行业深耕多年,知道问题在哪、该从哪开始,而不是拿着AI模型到处找用法。
这就是 Oracle 在谈AI的时候最不一样的地方:
- 不宣传模型的参数;
- 不强调推理速度;
- 重点在于:我知道这个行业的事要怎么干。
真正的 AI 机会,不在于再造一个模型,而在于谁能把模型用到现成的问题里。
AI模型+数据+经验=可用的能力组合
拉里·埃利森说:
“今天的AI模型,大家都能用;但你能不能把它接入业务,还要靠数据和理解力。”
所以 Oracle 的策略不是抢最新的模型,而是:
把 ChatGPT、Grok、Gemini、LLaMA 全都接入进来;
客户选哪个模型都可以;
但你要接的是 Oracle 的“AI数据平台”;
也就是那个让你能安全、稳定、合规地调用自己数据的中间桥梁。
模型会不断升级,但你自己的资料结构、使用方式、行业规则,不会那么快变。
Oracle 要做的,就是承接这些不变的部分。
这就是“国家级能力”的真正含义:不只是训练平台,而是解决城市、行业、生态问题的整套服务。
比如:
- 在医疗场景,AI不能只识别病变,还要接上账单系统、医保系统、资金结算;
- 在农业场景,AI不能只预测产量,还得接入水资源调度、天气模型、供应链;
- 在教育场景,AI不能只讲题,还要理解考试安排、学籍系统、家长沟通。
这不是模型本身的事,而是谁来承担这些整合工作。
“我们在建的不只是数据平台,我们在建AI落地的骨架。”
这节的最后,埃利森说:
“AI不该是尖端武器,而该像水、电、网一样被标准化地用起来。我们这几年造的,不是概念,是能交付的服务。”
Oracle 选择的方向是:不是做更强的 AI,而是让每个人能用上 AI 去做事。
这几年造的,不是概念,是能交付的服务。
结语:AI之后,真正的变化才开始
拉里·埃利森这一整场演讲,说穿了只有一件事:
AI不会取代你,但它会逼你把该干的事干到底。
他没喊口号,只问了三个问题:你有数据吗?你有流程吗?你有真正想解决的问题吗?
为什么说 AI 比工业革命更猛?
工业革命让机器替代体力, AI革命让系统延伸能力。
一个改变了“能做多少”, 一个改变了“能做什么”。
埃利森说:AI 不是工具,是新能力。像电、像水、像地基。
留给企业的问题很简单:让 AI 先帮你做哪件事?
谁最早用 AI 把问题解决到底,
谁就站在了新时代的起点上。
参考资料:
https://www.youtube.com/watch?v=4eCFmbX5rAQ&t=5140s
https://www.thenationalnews.com/future/technology/2025/10/15/oracles-larry-ellison-hails-musk-zuckerberg-and-altman-as-smartest-engineers-amid-ai-rush/
https://www.techradar.com/pro/live/oracle-ai-world-2025-were-live-in-las-vegas-for-all-the-latest-oracle-news-as-it-happens
https://www.nextplatform.com/2025/10/15/ellison-oracle-is-leveraging-all-of-its-advantages-to-build-a-different-cloud/
https://startupnews.fyi/2025/10/16/ai-to-enhance-capabilities-not-replace-human-endeavours-larry-ellison/
https://www.oracle.com/ai-world/
来源:官方媒体/网络新闻
本文来自微信公众号“AI 深度研究员”,作者:AI深度研究员。