數據庫運維是一件非常復雜的工作，尤其是涉及企業核心數據庫時，其中保存了企業重要的數據，對操作人員的要求非常高，因此數據庫管理員一直是市場緊缺人才。不過，得益于人工智能、機器學習等云計算技術的進步，這種狀況有望慢慢得到緩解。

2017年甲骨文提出了“自治數據庫”這個概念，引發業界對人工智能云計算在數據庫的應用前景的關注。2018年甲骨文的新一代數據庫ADW正式上市，我們看到，甲骨文的確朝著把數據庫管理員從繁重的數據庫優化、各種調優以及數據庫備份中解脫出來的方面上邁出了一大步，它讓管理員能騰出了更多時間去做一些高附加值的工作。根據甲骨文提供的資料，通過自動運行、自動完成打補丁、自動完成數據的備份、自動修復等，甲骨文自治數據庫能降低70%的運維工作量，將數據庫平均宕機時間減少到每月2.5分鐘。

實際上，隨著云計算人工智能、機器學習技術的快速發展，利用它們來優化數據庫內核和以及數據庫運維、管控等一系列動作已經成為數據庫行業的共識。比如，數據庫管理員或者運維人員想優化應用軟件的負載，可能想知道需要建哪些索引；用戶體驗不佳想知道到底是那個存儲過程受到了影響、如何優化，現在基本上是依賴工程師、DBA的經驗來解決，這些未來完全可以利用機器學習、人工智能方法進行智能化的優化。

值得一提的是，除了數據庫本身的云計算智能化外，支持智能化應用方面也是數據庫的一個熱點。傳統數據倉庫產品通常只能處理結構化數據，而新一代的數據倉庫無不把支持多數據類型的處理作為基本指標，比如，通過標準的SQL語句同時處理結構化和非結構數據（文檔、圖片甚至視頻等）。另外，數據倉庫還在努力幫助業務人員找出系統與系統之間、數據與數據之間的關聯性。借助數據庫倉庫的這一能力，業務部門即便不懂具體算法，也可以及時對相關數據做出調整。