欢迎收听雪球出品的财经有深度，雪球，国内领先的集投资交流交易一体的综合财富管理平台，聪明的投资者都在这里。今天分享的内容叫甲骨文的英伟达时刻，来自中国慢慢来。

九月十号晚上甲骨文发布了2026年第一季度的财报，涨幅最大40%，几乎涨了4000亿美金，这就是一晚上涨出来一个茅台+一个招行的体量。看了一下雪球上以及主流媒体的描述，主流就说他剩余履约金额高，反对的说拉里埃尔森是画饼，一下子把饼画到了2030年，科技形式一直在变，剩下的钱收不收得到就两说之类的。

自己也算软件行业的从业者，在看了两遍这场生成4000亿美金的电话会议记录以后，结合自己的工作经验，先说结论，九月十号晚上确实是人类的软件生产范式的一个巨大跳跃，而且甲骨文有他的独特优势。这是软件开发的英伟达时刻，4000亿美金完全合理。

首先先聊一下人工智能的现状。

在公共网络，现在就是你提出问题，人工智能负责从公共数据里获得信息，然后组织语言回复你。

私有领域企业内是这样的，oracle数据库是企业级数据库的主流。除非是一些不太重要的数据，可能会选择 甲骨文的一个关系型数据库管理系统之类的免费方案，否则重要的，需要防灾害常备份防黑客的有点规模的企业都放甲骨文。

这里头数据量是比较惊人的，比如你是一个开了10几年的机械厂，可能顾客的情报就有五六万条，每个顾客不止买了一台机器，机器数量10几万条。每台机器保养和维修又不止一次，那记录又是二三十万条。每次保养拍照带换零件又是三四倍的数据量。所以这种东西是比较难迁移的，数据越多越不敢换动他。这是甲骨文几十年下来积累的不见于财务报表的隐蔽资产。

在这些数据之上，是根据需求开发的各种软件，有些是市场上已有的，有些是根据客户需求定制的。这些应用软件和数据库一起，通常叫表现层，逻辑层和数据层，构成了软件应用的全部。

然后企业的打工人，负责定期收集汇总，然后按照老板的规矩分析这些信息。最后把结果汇总给大老板。老板拿着这些信息，再回到上面的公有领域，按照chatgpt给出的提示，看看自己公司有没有啥可以改善的地方。

我们再看看拉里埃尔森的愿景。

现状的问题比较明显，就是决策者无法直接和数据沟通。等拿到手下分析的报告的时候，还得拿着二手数据费心去问chatgpt。企业通常不愿意共享内部数据，所以需要找到一种方法，既能保证企业数据的私密性，又能让大型语言模型利用这些数据进行推理。

拉里埃尔森给出的解决方案简单来说是这样的。

先说数据层，他设计了一套新的oracle，专门面向人工智能。用他自己的话讲就是进行了矢量化处理。矢量化处理之后，人工智能就可以理解你的数据库。你把你自己的既存的数据库搬入这个甲骨文数据库原生提供的C语言应用程序接口里面。嵌在oracle云，还是其他既存的亚马逊云之类的他不管，但是注意，你还是私有数据库私有云，这点甲骨文用几十年的职业节操向你保证。

然后是上面的 A I 应用，chatgpt他们在获得授权后，既可以访问你的私有数据，当然也可以访问公有数据。oci负责训练数据，和他合作的人工智能负责推理。这样就一下子解放了上面的用户，让人工智能进入私有的领域。

比如你可以问，针对美国的关税，我应该怎么处理自己的在库品，哪些应该事先备货，或者反过来，我应该优先生产哪些产品以应对市场。人工智能根据你自己的私有数据，历史数据及外部获得的市场情报，关税情报，给你一个综合解决方案。

光这些如果还不够的话，他还可以提供你由AI自动生成的软件，因为数据和逻辑他都已经掌握。用户可以按照自己的想法安排他生成各种画面并且改善。如果有一天老板喊你说某某事情的工作流需要变更，我已经把作业流程在公司内系统里改了的时候，请不要惊讶。

人工智能将编写，或者说生成，被称为人工智能代理的计算机程序，从而实现销售和营销流程的自动化。比如你作为销售人员，也可以向软件咨询自家产品优化了的销售方案。这种愿景制造了一个既扁平又高效的组织，老板不依赖当中的员工，软件开发人员，这当中本来每多一层，执行力就会掉一些灵活的利用数据库和ai做出决策。

为什么只有甲骨文能做这事？

我们做软件的都知道，逻辑这种东西，看似很复杂，其实客户粘性不大，人能做，chatgpt能做,Gemini也能做，区别只在于成本。人工智能只是大大降低了这个成本。但是你给人新做个软件，被弃置不用的概率很大，因为里面没有人家的数据。