近日，金篆信科副总经理屠要峰在 DTCC 2026 大会上发表主题演讲，系统分享了 GoldenDB 在金融核心系统替换实践与 AI 时代数据基础设施演进方面的思考与探索。

　　金篆信科副总经理 屠要峰

　　核心筑基：安全可靠，商用领先

　　金篆信科成立于2021年11月，注册资金超6.257亿元，是国内注册资本规模最大的数据库研发企业。2024年，中国移动、中信银行、中国建设银行、中国银行四大央企旗下投资机构完成对金篆信科的战略投资，充分体现了产业界对 GoldenDB 的认可与期待。

　　经过20余年的技术积累和10余年的行业锤炼，GoldenDB 已在多家国有大行、股份制银行核心系统中稳定运行超6年，每日支撑200亿+笔核心交易、10万亿金融交易金额，服务全球1500+用户，拥有专则1000+项。在产品布局上，GoldenDB 已形成覆盖分布式交易型、集中式交易型、分布式分析型的完整产品矩阵，四款核心产品均通过国家权威测评认证，率先完成行业六大里程碑事件。

　　针对行业数智化转型带来的多样化负载需求，GoldenDB 以同源一体的架构设计，实现 AI 协同多模互通。在国产化替代方面，GoldenDB 打造了“1套成熟方案+3条技术路径+6大核心能力”的替代工程体系，通过全流程管控、全链路支撑的成熟方法论，结合 CAC 迁移评估、Sloth 迁移同步、仿真回放等工具链，为用户提供覆盖全生命周期的“交钥匙”国产化替代工程能力。同时，GoldenDB 依托中兴通讯45个本地客户支持中心，建立三级技术支持体系，共建近十个联合创新实验室，并联合国内 Top 级高校加强产学研合作。

　　智融双向：多模一体化架构全域进化

　　回顾数据库技术七十载的演进史，其蓬勃发展始终由“上层应用需求变迁”与“底层硬件形态创新”双轮驱动。而今天，一个新的变革正在发生——AI Agent 正在重塑数据库的使用模式。

　　屠要峰指出，数据库的核心用户身份正在发生质变：交互主体将不再仅仅是人，还有海量的AI Agent。未来的数据库不仅要懂 SQL，还要懂 MCP；不仅要服务于查询和报表，更要作为 Agent 的“外部记忆”和“推理引擎”。数据库的核心定位，正在从“以数据存储与查询优化为中心”，全面迈向“数据、模型、检索与推理的协同”。这场由用户群体迁移引发的连锁反应，伴随数据形态、处理负载及核心需求的变革，将从底层架构到上层应用生态，全面重构现有的数据库技术体系和商业生态。

　　面对这一趋势，GoldenDB 提出“DB for AI”与“AI for DB”双向驱动战略：

　　DB for AI：原生赋能，打造多模态数据处理和面向Agent原生的数据服务底座，使GoldenDB成为AI基础设施。

　　AI for DB： 利用AI技术重塑内核——AI查询代价优化、智能索引推荐、参数调优，纳管全链路可观测性数据，实现数据库的自我感知、自我诊断和自我进化，提升自治和智能化能力。

　　在落地层面，针对企业AI应用的关键痛点——业务语义难以准确理解、多模态数据缺乏统一管理、TP与AP数据割裂、分支试错隔离困难、Agent跨会话状态管理能力缺失等——聚焦交易分析、融合检索分析、多模态AI SQL和Agent原生分析四大场景，集中突破五大关键技术：原生多模（多模融合统一存储及混合检索）、LTAP（行列转换、负载隔离、一致性与新鲜度）、本体语义建模（静态语义建模、动态行为建模、规则推理）、数据分支（环境隔离与试错、消除克隆成本、变更追溯与审计）、记忆管理（记忆提取、精准召回、动态进化）。持续强化“多模融合、协同计算、开放兼容”三大核心能力。在技术架构上，我们打造了 “多模融合、混合检索一体化架构”。依托云原生的极致弹缩能力，全面拥抱AI生态。　　

　　GoldenDB AI统一数据底座在底层提供多模数据引擎和多模融合索引，实现结构化与非结构化数据的统一存储；在核心的融合计算层，不仅提供多模融合查询引擎、大数据计算引擎、AI计算引擎，更原生支持语义增强、本体建模、以及Agent记忆管理；在最上层的访问层，除了全面兼容传统的SQL和API，还原生支持自然语言查询NLQ、MCP Server以及Skill技能调用。结合自治运维（SQL改写、负载监控、异常检测）和数据安全能力，向下实现一体化融合——从单一数据库走向融合数据底座；向上实现智能化生长——提供AI能力内生与数据语义化。GoldenDB正在从数据管理走向数据理解与自主化，成为AI时代最坚实的数据底座。　

　　在运维方面，数据库运维涵盖规划、设计、调优、变更全过程。从资源规格选取、表模型设计、分区索引设计，到运维诊断和高可用安全，决策维度极其复杂；设计层需权衡字段和索引，优化层需选择硬件扩容或表结构重构，变更层需评估安全性和回滚能力，决策链条充满不确定性。传统的命令行和GUI界面面向人类设计，AI难以稳定解析，自动化流程构建成本高且困难。

　　当Agent成为新的交互主体，数据库运维也迎来了范式跃迁---从“人管”走向“智治”。核心路径包括：将系统的核心数据、知识与资源变成Agent 可以安全获取的“Agent Readable”形态；将专家的隐性知识经验转化为可被AI理解、可复用的自动化能力；实现从问题发现、决策支持到结果验证的全链路智能闭环。　

　　GoldenDB自治运维架构构建了从交互、调度、感知到数据的四层闭环体系。交互层支持对话式交互，DBA可通过自然语言下达指令和多轮会话，配合角色访问控制与授权，确保安全合规操作。调度层包含主控调度器（子任务规划、执行链路编排、依赖关系管理、任务状态跟踪），反思引擎（数字孪生仿真、变更风险控制、参数与索引校验、执行前后效果验证）和技能工具集（参数优化、索引推荐、SQL改写、指标聚类、负载预测和故障识别）。感知与知识层包含多源采集器（监控指标、日志、死锁图、锁信息、告警事件）、运维本体库（实体指标建模、故障关系图谱、归因分析、语义推理）和RAG向量知识库（历史故障、案例、实践、用户手册的语义化管理）。最底层是数据与资源层，涵盖数据实例、核心数据资产及运行环境和配置。通过这套架构，我们实现了“感知-判断-决策-执行-反馈”的智能闭环。

　　运维的最高境界是“无感”。当故障发生时，系统不再是简单地向DBA发送海量告警，而是由Agent直接接管：它自动识别意图，自动调用多种工具获取多维信息，进行多模态根因推理决策，生成修复脚本并灰度执行，最后闭环验证。通过这套系统，我们将数据库运维从依赖人工经验的“手工作坊”，升级为规模化、自动化的“智能工厂”。

　　智能体浪潮正在重塑数据库的前后台开发、运维及业务交互，降低数据洞察门槛，让数据价值真正走向普惠。未来的数据库，将成为企业的“长期记忆仓库” 和 “持续学习引擎”。它通过本体建模沉淀私域知识，通过记忆管理实现跨会话的持续学习，通过数据分支和沙箱机制支持智能体业务不断试错与进化。

　　演讲尾声，屠要峰表示，从“记录数据”到“理解语义”再到“推理决策”，数据库将伴随千行百业，从“记录世界的容器”全面演进为“理解并推演世界的认知基础设施”！核心铸基是我们对金融级核心底座的敬畏与坚守；双向智融是我们拥抱AI时代的开放与重构。GoldenDB愿与各位生态伙伴一起，筑牢数智底座，向新而行。