基础软件产业成为推动我国经济增长的重要引擎。据测算，2020年我国基础软件行业的投入产出比为 1:1.77，即基础软件投资每增加 1 美元，可撬动 GDP 增加 1.77 美元。其中，0.78 个单位为基础软件自身增加值，0.99 个单位为基础软件所 带来的其他行业的增加值总和。基础软件对 GDP 的撬动作用超过了计算机、互联网和相关服务对经济的撬动作用，但与房地产这类重要行业相比，仍然有提升的空间。

近年来，随着大数据、机器学习算法、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。在很多行业中，相比于结构化数据，非结构化数据和半结构化数据不仅数量更多，而且其商业价值甚至可能超越传统的关系数据。DB与AI相结合成为当前热门的研究主题之一。 AI 算法门槛较高，依赖 AI 算法设计师和模型训练师来落地算法应用，造成 AI 落地难，急需利用数据库系统技术来降低 AI 使用门槛； DB 和 AI 的功能界限变得模糊，用户需要兼具 DB 和 AI 的混合分析功能，AI 原生数据库将是解决这个需求的关键技术； AI 原生数据库一方面扩展 SQL 的算子来支持 AI 算子，实现库内的训练和推理，一方面通过数据库内置 AI 算法来提升数据库的智能优化、智能运维； AI原生数据库在数据模型、数据操作和系统部署层面都带来新的挑战。

本报告是基于《2021年墨天轮数据库大调查》的数据分析结果形成，有效问卷数为3294份。该调查旨在全面深入地了解数据库行业以及从业人员的现状、数据库生态工具，国产数据库的发展趋势以及数据库从业人员的发展方向等，它是各相关政府部门以及行业了解数据库从业人员以及数据库行业的重要参考资料。

自1970年以来，数据架构技术不断演进，先后有OLTP（交易型数据库）、OLAP（分析型数据库）、大数据/数据湖、NewSQL、HTAP、LakeHouse以及目前的超融合架构。当前数据中心部署的数据产品大体可分为四大类，包括交易型数据库、分析型数据库、专用数据库以及大数据/数据湖。这四大类产品之间需要频繁的数据搬运，整个技术栈非常复杂，由此带来了诸多问题和挑战。超融合数据库融合各种技术于一体，可以很好的解决交易型数据库（OLTP）、分析型数据库（OLAP）、大数据/数据湖（Data Lake）之间频繁进行数据搬运导致的复杂低效、代价高昂等问题，简洁而优雅。不过，超融合数据库在发展过程中也面临存储扩展性受限、数据安全等问题和挑战。

关系型数据库仍是主流，当前部署形态主要分为两种，分别是本地部署和云原生数据库。按照架构分类主要有三类：单机、集群、分布式。其中云原生数据库和分布式数据库受到广泛关注，也成为国内数据库厂商重点突破口和主要发力方向。此外NoSQL、NewSQL、多模数据库等细分领域数据库市场份额也在不断扩大。