MongoDB公司研究：AI应用浪潮有望推动新一轮客户渗透用量提升周期.pdf

MongoDB公司研究：AI应用浪潮有望推动新一轮客户渗透用量提升周期。MongoDB 的核心逻辑：AI 应用浪潮驱动企业 IT 支出增长，且 结构转向 AI/ML 市场关注 MongoDB 的核心主要是 AI 受益逻辑，其核心逻辑为： 1、每一轮计算范式的变革都会带来应用开发技术栈的转变。AI 可能会促进自动化开发，推动 1）应用开发数量的提升；2）数据 密集型应用增加（数据库支出占比提升）等。MongoDB 在 AI 应 用开发中占据重要地位，适应应用开发场景（相比其他数据库成 本低，I/O、CPU 利用率高）。此外，AI 应用开发衍生出新需求 （向量搜索），相当于 MongoDB Atlas 增加工作负载，会提升客 户的平均付费。2、AI 应用会加速其从传统架构的迁移（从 RDBMS 迁移至 NRDBMS）。理由是 AI 会降低代码生成的成本。

行业的成长逻辑是非关系型数据库受益 AI 应用浪潮及应用架构 现代化。

1）Generative AI 对开发成本的降低会促进应用生态繁荣。自动 化开发显著降低应用开发、维护成本，这可能推动应用数量的增 加。更重要的是，在 AI 驱动应用中存在“数据-模型-AI 功能” 的循环，这导致对一些非结构化数据的处理需求提升。MongoDB 在应用相关领域占据核心位置，也将受益于 AI 应用开发浪潮。 随着 Google 发布 Gemini Nano，微软发布 Windows Copilot，未 来端侧 AI 应用将逐步落地，初期主要是 Google/微软等商业化示 范，中长期外部应用空间广阔，MongoDB 将受益客户新增工作 负载和向量数据库需求。

2）非结构化数据占数据量比例高，但处理能力弱，AI 加速数据迁移。企业迁移一般遵循新增负载放置新 数据库，原有负载存放旧数据库，因此工作负载/数据生产增速决定迁移周期，而 AI 应用数据生产量高于传统 应用，这会加速工作负载的迁移，并且 AI 也能降低迁移成本，这也有利于 MongoDB。但需要注意，核心数据/ 系统对一致性/安全性的需求严格，因此主要在关系型数据库内部迁移，较少跨架构迁移至非关系型数据库，因 此 MongoDB 主要受益企业非核心系统/数据增长。

竞争逻辑主要是原有数据库架构与场景的匹配性，AI 目前对数据库性能/成本等影响有限。传统关系型数 据库强调一致性和安全性，但扩展性方面有所欠缺，与应用快速迭代的需求匹配较弱，同时处理非结构化数据 方面弱于文档数据库。专用的向量数据库在数据库基本性能方面不够完备，例如 Pinecone 主要通过 APIs 发送和 接收索引数据，但缺乏一致性保障机制，即无法保证索引与源数据同步，这在高工作负载下可能造成严重问题。 数据库领域的基本机制需要不断工程迭代，因此专用向量数据库在面向大客户、商用场景需求可能不足，往往 需要外接其他数据库，此时向量数据库自身的扩展性和维护成本成为问题，业界当前思路聚焦传统数据库增加 向量处理能力。

AI 对向量数据库行业预计贡献增量，至 25 年行业规模可达 8.2 亿美元。数据库在行业稳定发展后增速往 往小于收入增速（主要得益于工程优化），但在行业快速发展阶段其确定性高于下游应用，且持续性强于上游 硬件（周期性）。在企业 IT 支出结构中，非关系型数据库仅次于 BI 及应用占比，受益 AI 应用的敞口较大。价 值量增量方面，考虑当前 OpenAI 200 万开发者，平均每个应用 4-6 个月的开发周期，假设 20 个开发者/团队，1 年维度对应 20 万 AI 应用的增量，对应约 3.4%的渗透率，结合 Top 100 的末位应用开支，对应 15.7 亿美元的增 量开支。需要考虑 20%/30%的 AI 功能渗透率，那对应 3.1~4.7 亿美元/年的增量开支，预计至 25 年行业规模可 达 8.2 亿美元，还需要考虑 AI 带来的传统数据库间接开支增量。