2025年9月10日，一个让人震惊的消息传来：81岁的甲骨文（Oralce）创始人兼首席技术官拉里·埃里森（Larry Ellison）超越了埃隆·马斯克（Elon Musk），成为世界首富。他的财富在一天内增加了1000亿美元，这是Bloomberg富豪榜历史上最大的单日财富增长。
谁说35+不能搞技术，看埃里森80岁了，还在干CTO。
Oracle的股票一天暴涨近40%，也创下了1992年以来的最大单日涨幅。
不过，其实很多人看到这个新闻，第一反应是：甲骨文？那个被认为错过了云计算早期机会的传统数据库公司？
但仔细研究后发现，这不是一个偶然事件。甲骨文 CEO Safra Catz报告称，公司有4550亿美元的剩余履约义务（RPO）——已签约但尚未支付的客户合同。她预测OCI收入将从今年的180亿美元增长到2031年的1440亿美元。
这是8倍的增长预期。
更有意思的是，从2023年11月到2025年1月，甲骨文是美国最大的数据中心容量租赁方，承诺了超过2GW的容量。
这些数据中心不是为了传统的企业应用，OpenAI的ChatGPT、xAI的Grok都在甲骨文的数据中心里训练他们的大模型。
这让我想起了一个历史类比。1990年代末，当所有人都在谈论互联网革命时，真正赚到大钱的不是那些网站，而是思科，提供网络基础设施的公司。今天，当所有人都在谈论AI时，甲骨文正在扮演类似的角色，虽然它没有训练模型，做AI应用，但是在提供AI时代最关键的基础设施。
埃里森在最新的财报电话会议上说：“来自亚马逊、谷歌和微软的多云数据库收入以令人难以置信的四位数速度增长。"
2024年9月11日，就在一年前的Oracle CloudWorld大会上，埃里森宣布了一个可能改变云计算格局的决定，将Oracle数据库物理地部署在AWS数据中心内。两个曾经激烈竞争的巨头在AI时代做出了战略选择。
这个数字说明了一个重要转变：云计算的围墙花园时代正在结束，多云协作的时代已经开始。
不过如果我们要了解更多关于甲骨文的AI战略，更值得一看的2023年的甲骨文全球云大会（Oracle CloudWorld 2023）。
在这次24个月前的2023年甲骨文全球云大会（Oracle CloudWorld 2023）的演讲中，拉里·埃里森（Larry Ellison）阐述了生成式 AI 如何从根本上改变甲骨文的技术战略、产品开发以及公司对未来的愿景。埃里森的演讲涵盖了甲骨文云基础设施（OCI）的独特架构、内部开发工具的革命性转变，以及利用 AI 推动医疗、农业和公共安全等领域的宏大计划，并最终宣布了与微软在多云战略上的深化合作。
80岁的埃里森在开场时提到，他在大约一小时前吃了一些感冒药，并表示如果他在台上坐下，并不是因为跟腱撕裂。他这次演讲足足进行了一个小时，直到演讲开始一刻钟之后，才找了一把椅子坐下。舞台上的埃里森也精力旺盛。
记得当年他退下CEO的位置之后，很多人都在传，说他投资了很多生命科学公司，大概在研究如何突破寿命极限。在这次演讲中，他也谈到了医药案例。
然后，埃里森的这句话可以为时代做一个注脚：生成式 AI 大约在一年前出现（站在2023年的时间点），它改变了一切。它当然正在改变甲骨文的一切。
1、【“那个婴儿会说话了”：一个改变世界的意外】
大约在演讲前一年，OpenAI 展示了 ChatGPT。埃里森描述了当时的情景：“令开发 ChatGPT 的人们大为震惊的是，这个婴儿会说话了（the baby talks）。”
他强调，开发者们并没有预料到这一点。OpenAI 是由埃隆·马斯克（Elon Musk）大约十年前创立的公司。经过近十年的努力，他们构建了一个由数十亿个人工神经元组成的巨大人工神经网络，即 AI 专业人士所说的“十亿参数模型”。埃里森指出，以前没有人建立过如此庞大的模型。
在构建了神经网络之后，他们用海量数据对其进行了训练。“它阅读了所有的维基百科。它阅读了整个公共互联网。”埃里森说，同样，也从来没有人用这么多数据训练过一个模型。
然而，埃里森指出，这个人工神经网络本身的架构与之前的模型并无不同。“GPT 3.5 的唯一区别是神经网络更大了。训练数据更广了。”
正是由于规模的变化，当被提问时，ChatGPT 能够提供答案，进行对话。“这对 ChatGPT 的团队、AI 专业人士以及全世界来说都是一个巨大的惊喜。”
埃里森将这一事件的影响力与历史上的重大时刻相提并论。“这就像斯普特尼克（Sputnik）。”他提到，当俄罗斯发射第一颗人造卫星时，它抓住了全世界的想象力。“每个人都知道它。每个人也都知道生成式 AI。”
这一技术引发了广泛的关注和担忧。AI 专业人士担心新技术带来的风险，政府讨论如何监管它。埃里森还提到了好莱坞的编剧罢工，部分原因在于编剧们担心自己的工作。“谁将编写好莱坞的下一个伟大剧本？是你认识的某个人，还是你不认识的某台电脑？”
2、【世界级的竞赛：特斯拉自动驾驶与 AI 设计的抗病毒药物】
埃里森认为，接下来将发生的是一场“构建更好 AI 的世界级竞赛”，这将带来更好的未来，但同时也伴随着重大风险。
他指出，所有新技术都可能被误用，从最早的技术如火和矛，到后来的核能。“然而，总的来说，技术和技术进步使我们的生活更美好，使我们人类更繁荣、更舒适。”
“生成式 AI 是有史以来最重要的新计算机技术吗？可能吧。”埃里森表示，这一点很快就会见分晓，因为无数的资金正在投入到生成式 AI 和大型语言模型中。
在过去的一年里，技术发展迅速。ChatGPT 4.0 已经取代了 3.5。Cohere、OpenAI 和其他公司开发了新的大型语言模型，它们不仅能生成语言，还能生成图像、作曲、写诗，甚至生成计算机代码。“这离我们的本行越来越近了。”埃里森说。
他预告了更多即将到来的重大变化。
首先是自动驾驶汽车。“很快，在未来 12 个月内，特斯拉将推出完全自动驾驶汽车。”
其次是药物研发。埃里森提到一种正在进入一期临床试验的新药。这种抗病毒药物不是疫苗，而是一种治疗方法，可以治疗所有变种的CO-VID。“但它不止于此。它还能治愈病毒近亲，SARS 和 MARS。”埃里森解释说，这是一种由计算机设计的小分子，它能与病毒上的蛋白质结合，阻止其复制。
在甲骨文内部，他们正在开发用于临床的语音数字助理。埃里森回忆起一次在斯坦福大学看 X 光片的经历，当时医生找不到他的片子，不得不找来 IT 专家帮忙。“现在，你只需要说，‘找到拉里·埃里森最新的 X 光片。哦，顺便告诉我骨折在哪里。’”
埃里森总结道：“还有更多的大惊喜即将到来，很多很多。而且大部分消息都将是好消息。”
3、【RDMA 网络：甲骨文在 AI 基础设施上的独特优势】
谈到这一系列发展对甲骨文的影响时，埃里森表示目前为止公司“非常高兴”。他解释了甲骨文的第二代云（Generation 2 Cloud）与其他云的不同之处，其中最关键的一点是网络技术。
甲骨文提供了远程直接内存访问（RDMA）网络。这意味着网络中的一台计算机可以直接访问另一台计算机的内存，而无需“拍那台计算机的肩膀并让它中断自己”。
埃里森解释说，这使得数据在计算机之间移动的速度极快，“比传统网络快很多倍”。由于甲骨文的标准网络全部使用 RDMA，当构建用于训练大型语言模型的计算机（例如由 NVIDIA GPU 组成的计算机）时，这些 GPU 的互连使得计算机在甲骨文云中运行得更快。
“正如我之前说过的，在云中，时间就是金钱。”埃里森强调了成本效益。“如果我们运行速度快一倍，成本就减半。如果我们运行速度快三倍，成本就是三分之一。”
他声称：“在训练 AI 模型方面，我们比其他云快得多，成本也低很多倍。”
埃里森列举了因此选择甲骨文云进行 AI 训练的关键客户：“这就是为什么 NVIDIA 在甲骨文云中进行 AI 训练。Cohere 在甲骨文云中进行 AI 训练。埃隆·马斯克的新公司 xAI 也在甲骨文云中进行训练。”此外，还有数十家技术领导者和初创公司选择甲骨文云。
甲骨文正在构建的 NVIDIA 超级集群也体现了这一优势。埃里森宣布，其中一个集群将是“地球有史以来建造的最大的科学计算机”。这个集群由 16000 个 NVIDIA H100 GPU 通过甲骨文的 RDMA 网络连接而成。
埃里森进一步解释了在 AI 计算中决定速度的两个因素：一是 GPU 处理数据的速度；二是将数据移动到计算机进行处理的速度。“我们在移动数据方面比任何人都快得多。”
甲骨文的巨大优势在于数据移动能力，因为他们最初是为了数据库而开始使用 RDMA 网络的。“碰巧的是，这与 GPU 集群面临的问题相同，即移动数据。这是我们为数据库解决并重用于构建 AI 模型的问题。”
4、【告别 Java 手写代码：“我们正在生成代码”】
埃里森承认甲骨文使用 AI 已有很多年，但生成式 AI 是不同的。“生成式 AI 是一场革命。它是一个突破。它是变革性的。它正在从根本上改变甲骨文的一切。”
（在演讲的这个阶段，埃里森搬了一把椅子到台上并坐下）
他表示，生成式 AI 从根本上改变了构建和运行应用程序的方式。
一个重大的转变体现在编程语言上。“例如，我们不会再用 Java 编写新的应用程序了。”埃里森澄清说，他们会继续进行很久以前开始的 Java 项目，并且不会将 Java 转换为其他语言。“但是，如果我们开始一个全新的项目，我们正在生成（generating）那段代码。我们不再手写它了。”
甲骨文正在使用一个名为 APEX 的系统来生成代码。埃里森将其描述为一个“无代码系统”（no code system）。甲骨文在过去几年里极大地改进了 APEX，达到了现在“几乎我们每一个新应用程序都将由 APEX 生成”的程度。
他列举了多个使用 APEX 生成的新应用实例：Cerner New Millennium、Fusion Marketing、银行应用、零售应用、酒店管理应用。“几乎每一个新项目都在用 APEX 生成。”
这一转变带来了显著的效率提升和开发模式的变化。“这意味着团队规模大大减小。开发过程从根本上不同了。”埃里森说，“我们对功能进行原型设计和迭代，因此我们开发东西的速度快得多。”
除了速度，生成的应用程序还具有质量上的优势。
首先是安全性。“当我们生成一个应用程序时，猜猜看？我们不会生成安全漏洞。”埃里森指出，甲骨文编写的每一个应用程序都必须经过安全审计，但 APEX 应用程序不需要，因为是 AI 系统编写的。
其次是可靠性。APEX 生成的应用程序是“无状态的”（stateless）。这意味着，“如果运行它的计算机宕机了，你可以立即故障转移到另一台计算机。所以它是容错的。”
埃里森总结了这一转变：“只要你愿意花更少的人力和更少的时间来构建你的应用程序，它就会更安全、更可靠，并拥有更好的用户界面。这是一件非常大的事。”
5、【“没有人工，就没有人为错误”：数据库的自动驾驶时代】
另一个被深刻改变的领域是数据库。埃里森提到了甲骨文自治数据库（Autonomous Database），他形容这是一个“100% 自动驾驶的数据库”。
“你不需要 DBA（数据库管理员）。它自己安装、自己配置、自己更新、自己打补丁、自己调优。”
尽管有这些优势，埃里森承认，过去自治数据库在全球甲骨文数据库中的占比还很小，甚至在甲骨文内部，Fusion 和 NetSuite 过去也没有使用它。
“这一切都在改变。”埃里森宣布，“我们所有的新应用程序都从甲骨文自治数据库开始。Fusion 和 NetSuite 正在转向自治数据库。”甲骨文所有战略性的、在云上的应用都将使用自治数据库。
转向自治数据库的核心驱动力是安全性。“几乎所有的安全问题都是由人为错误引起的。”埃里森强调，“如果没有人工，就没有人为错误。”
他认为，构建真正安全系统的唯一方法就是消除人为错误。他用自动驾驶汽车来类比：“自动驾驶汽车不会撞车，或者说它们的撞车频率只有人类驾驶汽车的 1%，甚至千分之一。自动化比手动操作更可靠、更可预测、更安全。”
除了安全性，自治数据库在云中也是完全弹性的（fully elastic）。
埃里森举了一个运行工资系统的例子。一家大型公司需要进行大量的计算。“为了快速完成这项工作，你希望分配更多的处理器。”
自治数据库可以实现这一点。“如果你需要更多的处理器，你会立即分配它们，使用它们，运行速度快 10 倍。当你完成后，你把它们还给资源池。”
这意味着客户只需按使用量付费。埃里森指出，这不是其他云数据库的工作方式。在其他云中，客户需要预先设定处理器数量，无论它们是否在工作都要付费。
而在甲骨文的模式下，系统会根据需要获取资源，然后在不需要时返回资源。“如果你的数据库什么也没做，就没有分配处理器。而且它不花钱。”
6、【结束关系型数据库与对象数据库的争论】
在数据库领域，长期以来一直存在关于关系型数据库（如甲骨文数据库）与对象数据库（如 Mongo）的争论。
埃里森解释说，关系型数据库功能更强大，但程序员面临的问题是他们必须预先定义所谓的“模式”（schema）才能开始编程。程序员倾向于直接开始编码，定义他们的用户界面，即 JSON 文档或 JSON 对象。
甲骨文宣布他们已经解决了这个问题，结束了这场争论。
“我们现在做的是，我们从 JSON 文档中生成模式。”埃里森说，“程序员再也不用担心模式了。我们自动生成模式。”
这意味着开发者可以只关注用户界面和文档，开始编程，系统会自动生成模式，最终得到一个关系型数据库基础。
这样做的结果是融合了两种模式的优点。“你拥有了 SQL 作为查询语言的强大功能。你也拥有了 JSON 只处理文档、只处理你编写的用户界面程序的简单性。”埃里森表示，程序更容易编写，但也更持久。“你得到了两全其美。”
7、【从“大学”到“法学院”：专业化 AI 模型的新范式】
埃里森认为，大多数客户不会去构建像 xAI、OpenAI 或 Cohere 那样的基础大型语言模型。
相反，大多数人会采用这些公司构建的基础模型，并对其进行专业化训练。
埃里森用了一个生动的比喻：“就像把你的孩子送去上大学，然后在大学毕业后把他们送到法学院。”他们会从 Cohere 那里得到受过“大学教育”的模型，然后送他们去“法学院”或“医学院”，专门对他们进行医学方面的训练。
为此，甲骨文在其标准数据库中增加了向量（Vector）能力。因为人们希望使用自己的训练数据来专业化基础模型，最好的方法是将补充训练数据放入甲骨文向量数据库中。埃里森表示，甲骨文能比任何人更快地将数据移入训练机器。
甲骨文云旨在使这一过程变得容易。客户可以从 Cohere 的基础模型开始，然后使用补充数据进行专业化。例如，使用 Cerner 的匿名电子健康记录（EHR）数据来专业化 Cohere 的 AI 模型，使其专注于医学领域。
他提到了以色列一家名为 Imagene 的公司，他们实际上已经做到了这一点。“他们拍摄了一堆癌症活检载玻片，并将其输入到 AI 模型中，现在计算机能够在几分钟内诊断出癌症。”
埃里森认为，构建这些专业化模型将比构建基础模型更为普遍。
甲骨文自己也在做同样的事情。他们正在利用大量的电子健康数据训练模型，以为医生提供建议，例如出院记录或医嘱草稿。
他强调了 AI 在这一过程中的定位：“我们的想法是给医生一份草稿。医生审查它、编辑它，然后提交它。”模型旨在使医生的工作更容易，而不是接管医生的工作。
在专业化模型的过程中，甲骨文也强调了数据隐私的重要性。例如，Imagene 的活检数据进入甲骨文云后，是私有的。“我们看不到它。其他人也看不到它。”
许多客户非常担心共享他们的训练数据。埃里森举了一个投资银行客户的例子，他们拥有大量不想与世界分享的金融交易数据，但希望用它来训练模型。
“在甲骨文云中，你可以用你的私有数据训练和专业化私有模型，这些数据在训练后仍然是私有的。”
8、【国家级公共卫生数据平台：“一个永远在线的临床试验”】
埃里森认为，甲骨文目前正在进行的工作中，“我不确定还有什么比我们新的甲骨文云数据智能平台更重要的了”。该平台是甲骨文分析和生成式 AI 的结合。
他特别提到了甲骨文新的公共卫生数据智能平台（Public Health Data Intelligence Platform）。这个项目起源于 Cerner 的 HealtheIntent，但在收购 Cerner 后，甲骨文对其进行了根本性的重写和重建。
该平台的目标是统一国家人口规模的健康数据。“这是为了将一个国家的所有 EHR 数据、所有患者的数据汇集在一起，所有的诊断实验室数据，一切，都放入一个单一的甲骨文自治数据库中，覆盖整个国家的人口。”
埃里森阐述了将所有健康数据集中在一个地方所带来的巨大好处。
第一个好处是训练数据的规模。“当你去训练 AI 模型时，你拥有的数据比以前多了 1000 倍。你拥有了所有的数据。”
他指出，通常对于一种药物，能获得的最佳数据是在临床试验期间。但试验结束后，收集的数据就少得多了。而这个平台就像一个“永远持续下去的临床试验，一个针对所有事情的永远持续的临床试验”。甲骨文会持续收集所有这些数据，然后用这些数据来训练模型。
这些模型的答案能够实现详细的个性化医疗。
埃里森以他自己的用药经历为例来说明这一点。他正在服用一种名为 Crestor（瑞舒伐他汀）的他汀类药物（一种常见的降胆固醇药物）。他曾问他的医生（一位分子生物学家）是如何决定选择 Crestor 而不是其他药物的。
医生回答说：“嗯，你知道，你是个男人。你是欧洲血统。事实是，我们没有很多数据。这算是一种有根据的猜测（educated guess）吧。”医生根据他的家族史和已知信息，认为 Crestor 是一个不错的选择。
埃里森提出了对更精准医疗的期望：“考虑到我的基因组学，如果你拥有我所有的健康记录，你就能准确地告诉我最适合我的他汀类药物是什么。”
“你只是根据我是谁以及你对我的了解做出了更好的选择。”埃里森说，如果拥有这种国家人口规模的公共卫生数据，这些丰富的数据将帮助医生做出更好的治疗决策。
这将以更低的成本带来更好的结果。埃里森指出，任何能让你远离医院的事情都能降低成本。医疗错误在人类痛苦、生命和金钱方面的代价都非常高昂。
埃里森再次重申：“我不确定我们在甲骨文所做的任何事情比这更重要。”
9、【那些被丢弃的数据：基因组、超声波和载玻片】
训练 AI 模型最重要的事情之一就是拥有数据。埃里森指出，令人惊讶的是，一些数据仍然没有被数字化。
他列举了多种未被充分利用的医疗数据源。医疗图像数据，无论是 MRI 还是先进的西门子扫描仪，甚至超声波图，都没有被保存下来。活检样本大多存放在抽屉里的玻璃载玻片上，没有被数字化。“绝大多数都没有。”
“我们没有捕获这些数据并将其数字化和向量化以用于训练数据。我们应该这样做，而且我们正在这样做。”埃里森说。
另一个数据来源是患者监测。起源于 Cerner Care 的项目现在已经成为甲骨文的一个大型物联网（IoT）项目。在医院里，系统会跟踪患者的生命体征，如果低于某个阈值，护士站的警报就会响起。“但那没有被永久记录下来。”
甲骨文希望开始永久记录所有这些数据，以便用于训练系统。
在诊断方面，图像非常大，有时根本没有被捕获。埃里森以孕妇做超声波检查为例。“那个超声波图没有被数字化存储。”通常是技术人员或医生看着超声波图，测量胎儿的头骨和脊柱长度，寻找问题。“这一切都是人类看着图像完成的。”
埃里森认为，让计算机协助完成这项工作将有很大帮助。“你不应该在屏幕上测量东西。计算机应该提供所有这些。”此外，许多家用设备和可穿戴设备也提供了收集更多数据的机会。
埃里森提到了数据存储的成本问题，这导致了有价值的数据被丢弃。“这会让你震惊的，基因组数据，基因组数据被丢弃了。”
他提到牛津纳米孔（Oxford Nanopore）曾试图将他们的基因组数据存储在云中，但变得非常昂贵，以至于他们决定“把它扔掉”。
Imagene 公司希望查看比现在多 100 倍的活检图像，但那些图像在载玻片上，甚至没有被数字化。
埃里森认为甲骨文云成本更低是解决这个问题的关键。“甲骨文云现在为这个问题提供了一个经济的解决方案。我们可以数字化这些载玻片。我们可以保存基因组数据。我们不会把它扔掉。”相反，甲骨文会将其提供给大型 AI 模型，从而获得巨大的回报。
10、【物联网与自动化：从藏在天花板里的手术用品到“血液实验室机器人”】
甲骨文还在捕获其他类型的数据，以解决医院内部的运营问题，例如库存管理。
埃里森描述了医院中存在的混乱情况。例如，周一要进行某种手术，手术护士可能在周五到处跑，收集所需的所有物品，如止血用的氨甲环酸、医生偏爱的器械和手套等。“把它们全部从库存中取出，藏在手术室外的天花板瓷砖里，这样周一到来时，他们就能拥有所需的一切。”
这种非正式的库存管理方式导致医院不知道当前的库存状况，也不知道东西在哪里。
作为 Fusion 产品的一部分，甲骨文正在构建一个物联网系统来跟踪所有这些物品。“它在所有库存上都有 RFID 标签，我们确切地知道一家医院拥有多少东西，而且知道每件东西的位置。”
除了供应链，Cerner 还有一个机器人团队正在自动化实验室。埃里森认为自动化实验室很棒，但实验室设备也应该将结果直接发送并存储在电子健康记录中。
埃里森展示了一段 Cerner 机器人系统自动化实验室的视频。他提到，这个系统在 Cerner 内部曾是一个被忽视的领域，但对甲骨文来说非常重要。他们需要自动化实验室，直接从中收集数据并放入 EHR，并自动将结果发送给医生和患者。
随后，埃里森展示了甲骨文的另一个机器人项目视频。这是在 COVID 期间进行的项目，甲骨文正在构建一个微流控血液实验室，用于 COVID 免疫测试。
他解释说，目前没有方便简单的方法来了解自己的 COVID 免疫水平。有一家公司正在研究一种血液测试来测量免疫水平，这种测试在一次性的“磁盘上的实验室”（laboratory in a disk）中进行。
“我们正在建造制造这些磁盘的机器人。所以我们正在建造制造血液实验室机器人的机器人。”埃里森说。这个机器人连接到互联网，它会同时告诉患者和医生结果。这再次回到了收集数据并将其提供给患者、医生以及将匿名版本的数据提供给 AI 模型进行训练的主题。
11、【更大的雄心：用更少的开发人员做更多的事】
埃里森主要以 AI 在医学领域的应用为例，但也提到其他行业也可以利用这些 21 世纪的技术进行转型。
他回到了“生成应用程序而不是用 Java 编写它们”的话题。这意味着团队更小，编写应用程序的速度更快。
这是否意味着甲骨文会大规模裁员？
“不，不。我们的雄心太大了（We're too ambitious for that）。”埃里森回答道，“我们要做的是尝试做更多的事情。”
因为可以生成程序，甲骨文可以处理比过去更大规模的事情。“我们有更好的工具来构建应用程序。我们可以更快地构建更好的应用程序。”这意味着甲骨文将使用相同的技术在更多的行业构建更多的应用程序。
埃里森介绍了几个甲骨文正在关注的新领域，核心技术包括 APEX 应用生成器、自治数据库以及机器人和传感器。
12、【农业革命：少用 98% 的水，节省 90% 的土地】
甲骨文正在与合作伙伴丹尼·希利斯（Danny Hillis）的公司 Applied Inventions 一起，关注一个比医疗保健更原始的行业：农业。
他们关注的重点是室内农业，这种方式带来了显著的环境效益。
首先是水资源。“事实证明，在室内种植时，你使用的水只是在室外种植时的一小部分，少了 98%。”埃里森强调，水是最宝贵的商品，淡水正在耗尽。随着气候变化，需要适应这些变化，干旱在非洲之角等地发生得更频繁。
其次是土地资源。在室内种植时使用的土地也少得多。如果在温室中迁移植物，从小开始，逐步给它们更多的空间，直到收获，“当你在室内种植时，你可以节省大约 90% 的土地。”
这意味着不需要烧毁亚马逊雨林来开垦更多耕地，也不需要侵占非洲的动物栖息地。“我们有足够的耕地来种植我们所需的所有食物，但我们需要结合室内和室外种植。”
第三是物流和排放。需要在靠近人口中心的地方种植。室内种植的优点是“每一天都是生长季节。每一天都有收获。”
如果在更近的地方种植，运输距离缩短，就能大大降低产生的温室气体排放。埃里森指出，农业约占所有温室气体排放的 35%。
因此，靠近大城市种植意味着食物更便宜、更新鲜、更有营养。
此外，这也带来了更好的工作条件。工作不再是季节性的，更像是一份工厂工作，每天都有收获，工作更有保障。工作质量也更高。“即使你是手工收获，你也是坐在气候控制的区域里完成的。”埃里森说，这比弯腰用刀从地上割下植物要好得多。
13、【高科技温室：机器人、云控制与洁净室环境】
要实现室内农业，需要克服挑战，建立一个在世界任何地方都能高效运作的温室系统。
埃里森描述了构建完整种植系统的技术路径：温室建筑、灌溉系统、传感器、机器人，所有这些都需要一起设计和制造。
“这就像一辆汽车。温室的每一个部分都是一个单元。它们都是一样的。这是一个标准的温室设计。”
制造和部署过程也高度工业化。“你有一个机器人 工厂来建造它们。你把它们放入标准的集装箱中。你有一个机器人来挖掘温室的地基，然后你把它卡入到位（snap it into place）。”这些模块可以非常快速地组装起来。
温室始终连接到云端，不断收集数据，并由云端指挥。营养管理也是自动化的。“我们通过云系统检测植物何时缺水、缺氮。灌溉系统将氮放入水中并解决这个问题。”
埃里森将其描述为“一个有 10000 年历史的行业的现代方法”。
他们收集了大量的训练数据。植物图像告诉他们何时可以移植、何时可以收获。植物遗传学使他们能够开发新品种。
在水培温室中，繁重的工作由机器人完成。“它移动整排的植物。”
为了保证作物的安全，人员管理非常严格。“人们不允许进入种植区。人们进入收获区。”不让人进入种植区是为了避免污染植物，防止细菌（如大肠杆菌）、昆虫等的侵扰。“所以你不需要任何杀虫剂，因为它真的是一个洁净室。你在洁净室里种植。”
埃里森表示，这不是一个幻想。该公司目前有近 100 万平方英尺的种植面积。他展示了最新版本温室的照片，可以看到头顶上的机器人正在抬起几排植物。目前在夏威夷和加拿大都有温室在生产。Applied Invention 正在使用甲骨文云、自治数据库、NetSuite 管理业务，并与甲骨文工程团队以及特斯拉在卫星网络方面合作。
14、【支持急救人员：永不宕机的网络与下一代警车】
甲骨文正在进行的另一个重要项目是为急救人员（first responders）提供更好的支持。
他们为急救人员建立了一个“永不失败、永远有效”的音视频网络。埃里森提到了毛伊岛的悲剧，其中一个促成因素是他们失去了蜂窝网络。
甲骨文的网络永远不会失败，因为它不仅仅是地面网络，也是卫星网络。“两者同时运行。一个备份另一个。”对于急救人员来说，网络是不允许失败的。它是 5G 和卫星连接的结合。
该系统面向紧急医疗技术人员（EMT）、消防员和警察。他们佩戴计算机。如果消防员或警察摔倒，计算机会通过加速计感知到。
消防员和警察都有始终开启的摄像头。这些摄像头不在本地录制，而是传输到互联网和指挥中心。“指挥中心可以看到消防员能看到的，可以看到消防员在哪里，可以看到警察看到什么。”
这是一个实时的指挥中心，确保现场人员永远不会孤立无援。
EMT 在运送病人途中始终与医院急诊室保持联系。消防员在扑灭丛林火灾时通过卫星连接，如果风向改变，指挥中心会通知他们以避免悲剧。
对于处于困境中的年轻警官或新秀警官，他们总能得到监督。“指挥中心里总有人能确切地看到那位警官所看到的，并能协助他们和监督他们。”
埃里森认为，在压力下人们有时会犯错误。“他们现在在执行非常困难的工作时，始终受到监督和协助，指挥中心的人员与现场人员协作。”
埃里森展示了第一辆甲骨文警车，他们必须在车内安装一个类似特斯拉的屏幕，用于导航、检查车牌等应用。“一切都是语音激活的。”
他预告了即将推出的下一代警车。“这是我最喜欢的警车。实际上是我最喜欢的车。也是埃隆最喜欢的车。”他说。“它令人难以置信……它非常安全，非常快。它有不锈钢车身。”
使用特斯拉车辆的好处是，不需要添加屏幕或摄像头。“因为我们实际上使用他们现有的摄像头和现有的屏幕来展示我们的应用程序。”当然，也可以使用非特斯拉车辆并进行增强。
埃里森提到，这套系统已在加利福尼亚州靠近优胜美地谷的农村地区斯坦尼斯劳斯县（Stanislaus County）部署。该地区容易发生丛林火灾。在没有手机信号的偏远地区，必须使用卫星与消防员通信。
他们还使用机器人无人机。在旱季，无人机可用于监测森林火灾。它们可以提供更好的态势感知，在火灾期间了解哪些街道开放、哪些关闭，并立即告知人们撤离该区域的最佳方式。
15、【多云战略：打破“围墙花园”】
埃里森的最后一个话题是多云（MultiCloud）。
他提到在演讲前一周，他去了华盛顿州雷德蒙德，与微软 CEO 萨蒂亚·纳德拉（Satya Nadella）进行了交谈。“我们达成了一个宏大的共识。这个宏大的想法是，云应该是开放的。它们不应该是围墙花园（walled gardens）。云应该互连。”
埃里森指出，客户已经在使用多个云。在基础设施领域有四个超大规模云服务商：AWS、微软 Azure、谷歌和甲骨文。还有很多应用云，如 Salesforce 和 ServiceNow。
埃里森认为，一旦客户选择了他们想用的东西，云服务商的工作就是让所有这些东西无缝地协同工作。
例如，如果客户想使用 Salesforce 的销售自动化应用，然后在甲骨文中建立一个数据仓库，这应该是一件非常简单直接的事情。
如果客户想将 OpenAI 的 ChatGPT 与甲骨文自治数据库一起使用，或者使用微软 Teams、微软 Office 等任何微软服务与甲骨文服务结合，这应该很容易做到。“微软的云和甲骨文云之间不应该有一堵墙。”
他还谈到了数据迁移成本问题。“如果你想把你的数据从 AWS 云中移出，放入甲骨文云的数据库中，不应该收费。这是你的数据。”
埃里森认为，云应该互连并无缝互操作。“我们过去称之为开放系统（open systems）。萨蒂亚和我认为世界正朝着那个方向回归。”
16、【将甲骨文云建在 Azure 数据中心里】
甲骨文和微软从 2019 年开始尝试互连他们的云，但操作起来并不容易。虽然有高速互连，但用户需要相当复杂的技术才能将微软服务连接到甲骨文服务。
他们决定使其完全透明化。用户可以直接进入 Azure 门户，配置甲骨文服务（如自治数据库），并将其连接到微软服务。
为了实现这一点，他们决定采取一个更进一步的策略：“实际上在 Azure 数据中心内部构建甲骨文云，在 Azure 数据中心内部构建完整的甲骨文云。”
用户可以在 Azure 门户中配置来自甲骨文或微软所需的一切，“它就是能用，而且速度超快。”
并且，没有数据出口费用（data egress fees）。“这是你的数据。无论它是在甲骨文云、微软云、AWS 云还是 Salesforce 云中，它都是你的数据。他们不应该向你收取移动它的费用。”
埃里森强调，这是完整的甲骨文云。所有甲骨文云都是相同的，拥有完全相同的硬件和软件。“它们唯一不同的是规模。”
标准化使得自动化成为可能。埃里森再次提到了甲骨文云的独特性：标准化实现了高度自动化，这使得运营成本更低，也更安全。他重申了“几乎所有的安全问题都是由人为错误引起的”观点。自动化云消除了人工，降低了成本；消除了人为错误，提高了安全性和可靠性。
通过将整个甲骨文云放入微软云中，它们位于同一地点（co-located），因此没有延迟，网络速度超快。
17、【迈向 1000 个数据中心：在云上运行东京证交所】
埃里森指出，甲骨文拥有的云区域（cloud regions）比 AWS、Azure 或谷歌都多，这让很多人感到惊讶。目前，甲骨文有 64 个主要区域。
除了这些主要区域，甲骨文还有一个名为 DRCC（Dedicated Region Cloud@Customer，客户自治的专属云区域）的产品。甲骨文可以将完整的甲骨文云放入客户的数据中心内。客户可以完全控制谁能进入该数据中心。
这是完整的甲骨文云，甲骨文拥有并管理硬件，客户按使用量付费。但甲骨文不查看数据，不管理数据。
埃里森举了野村综合研究所（Nomura Research）的例子。他们是一家大型 IT 咨询公司，向日本金融业销售他们的服务和甲骨文云服务。他们已经有了两个 DRCC，并准备增加到四个。
“他们实际上在甲骨文云中运行东京证券交易所。”埃里森称，“这是地球上唯一一个在云中运行的主要证券交易所的案例。”这些应用还没有迁移到其他云，除了高度可靠的甲骨文云。“证券交易所不能停止，否则人们会非常不安。”
野村综合研究所也是 APEX 的忠实用户，他们通过使用 APEX 生成应用程序而不是手工编码，大大降低了开发成本。
埃里森认为这是一个重要的新发展：完整的甲骨文云现在足够小，可以直接放入 Azure 中。他透露，甲骨文正在与微软一起在 Azure 数据中心中建设十几个数据中心。他们也在特定的客户站点建设，例如几家大型电话公司正在使用它们来运行网络。
甲骨文正在向 100 个数据中心迈进。但考虑到 DRCC 的价格，埃里森提出了一个更宏大的愿景：“我们将成为衡量其数据中心数量不是以 100 为目标，而是真正迈向 1000 个的超大规模云服务商。”
这个专属云区域将连接到所有其他云。“它将成为你连接到所有其他云的互连点。”同时，它也是客户自己的专属云区域，完全自动化、完全现代化，配备 RDMA 网络等一切，而且成本可能符合客户的预算。