达梦数据付新:数据库将升级为Agentic AI时代的“智慧中枢”
2026年AI Agent迎来爆发式发展,企业的数据使用模式、业务诉求发生转变,这为数据库带来了全新挑战与机遇。
武汉达梦数据库股份有限公司副总经理、达梦数据技术(江苏)有限公司总经理 付新
近期我们采访了武汉达梦数据库股份有限公司副总经理、达梦数据技术(江苏)有限公司总经理付新,他分享了对Agentic AI时代用户需求变化以及数据底座的变革方向的观察与思考。
Agentic AI时代,用户需求五大变化
付新认为,Agentic AI的到来,本质上是把数据消费的主体从“人”扩展到了“自主Agent”。过去二十年,数据库的核心命题是“人写SQL、系统跑事务、报表看结果”。现在,AI Agent要自主规划、推理、调工具、做决策,这需要数据底座从“被动存储系统”进化为“主动知识服务底座”。
伴随着用户主体的变化,用户的需求也迎来了五大核心维度的变化:
第一,数据形态从结构化为主走向多模态混合治理。Agent需要的数据不再是“某张表里的一行”,而很可能是“一份文档 + OCR 文本 + 向量嵌入 + 摘要 + 来源标签”这一整条派生链。这倒逼数据底座能够原生支持跨模态的元数据登记、端到端血缘追溯和动态Schema演进,而不是把非结构化数据当BLOB外挂。此外,统一表格式(如 Iceberg、Lance)和统一Catalog正在成为数据底座的标配,将多模态资产的版本管理、血缘链路、数据一致性下沉为引擎级一等公民能力。
第二,交互方式从SQL指令走向自然语言对话与工具调用。结合RSI( Reasoning and Search Integration,推理与搜索集成)技术,Agent不再是机械翻译语句,而是能主动澄清意图、拆解多步推理、调用外部工具。这就要求数据底座暴露更丰富的语义元数据,让模型能精准理解上下文。与此同时,查询优化器要能高效编译大模型产出的试探性、嵌套型SQL。交互的自然语言化,本质上是把数据库的易用性边界从专业开发者拓展到了每一个业务角色。
第三,对数据质量的诉求从“大体可用”提升到“训练级精准”。Agent对脏数据是零容忍的——一条重复记录或标注错误,会直接被模型吸收为幻觉或偏见,与对话式AI不同,可以执行动作的Agent很可能会让幻觉错误造成实际损失。因此准确性、跨源一致性、时效性成为数据质量的硬指标,这就需要数据底座能够原生集成自动清洗、异常检测,并把事务边界从传统关系表扩展到“表 + 向量 + 对象”的混合事务。与此同时,通过近实时流式写入、CDC捕获和版本化快照,让模型始终基于最新上下文推理,避免基于过期数据做出错误决策。
第四,安全与治理必须从“人防”升级为“机防”。当Agent成为高频的数据访问者,传统基于“人”的行列级权限就不够用了。数据底座需要支持会话级行级过滤、模态级动态脱敏、细粒度的API调用审计,确保“机器用户”不越权。同时,端到端的列级血缘不再是锦上添花,而是刚需——它要能回答“Agent的这条结论,到底来自哪张源表的哪个字段、经过哪个ETL作业、由哪个模型版本生成”,这是实现可解释AI和合规审计的基础。
第五,架构范式从“拼接式烟囱”走向“统一融合引擎”。过去用“关系库存业务 + 搜索引擎收正文 + 独立向量库跑ANN”的拼接架构,能短期快速上线,但是长期来看必然面临索引漂移、权限碎片化、Agent上下文断裂的隐患。用户现在更倾向选择能在一个引擎内融合行存、列存、向量检索、全文搜索的数据库产品,因为只有这样,标量过滤和向量召回才能在同一个事务快照里完成,ACID才能天然覆盖多模态数据。
付新总结指出,Agentic AI时代,用户对数据底座的核心需求变化,是从“把数据存好、算快”转向“让数据可被机器可信地理解、检索、推理和治理”。谁先把多模态生命周期的统一治理做成内核级能力,谁才真正具备承载Agent AI时代数据供给的底座资格。
Agentic AI时代,数据库的变革发展
当Agent逐步成为数据库新的访问主体,数据库的变革不再是单点能力增强,而是需要内核级的系统性演进。其目标是让数据库更好支撑Agent,成为面向Agentic AI的数据智能基础设施。
付新认为,Agentic AI时代,数据库的变革需要从五个关键方向展开:
·多模态统一存储和管理。在Agentic AI时代,数据形态已从单一的结构化记录演变为文本、图像、音视频、向量嵌入、知识图谱等多元混合形态。这需要数据库原生支持关系表、向量、JSON文档、全文检索、图关系、GIS等多种数据模型的统一存储与事务管理,通过统一Catalog实现跨模态元数据的自动登记与端到端血缘追溯。业务无需再维护“关系库 + 独立向量库 + 对象存储”的碎片化拼接架构,即可在同一引擎、同一事务内完成标量过滤与向量检索的联合查询,为AI Agent提供一致、可信、低延迟的多模态数据供给。
·自然语言与语义接口。为降低AI应用与业务人员的交互门槛,数据库内置语义层与MCP(Model Context Protocol)服务接口,支持从自然语言意图到受控查询的端到端编译——让大模型负责理解用户需求,数据库负责生成最优执行计划并校验权限边界,既避免了裸写SQL的安全风险,又实现了“对话即查询、意图即服务”。这使得任何业务角色甚至自主Agent都能以自然语言直接、安全地调用企业数据资产。
·持久化记忆与上下文管理。针对大模型上下文窗口受限与多轮对话易失忆的痛点,数据库提供分层持久化记忆引擎,将Agent的短期交互上下文、长期用户画像与跨任务经验沉淀为可版本化管理的结构化记忆单元,支持增量召回与智能压缩,使得Agent能够在跨会话、跨系统的长周期任务中保持连贯推理,同时大幅降低重复拉取上下文带来的Token消耗,实现持续智能。
·自治运维与可观测。AI数据库将引入自治运维内置智能体,实现查询计划的自动调优、索引与统计信息的自适应更新,以及异常负载的实时自愈。面向Agent高频调用场景,系统提供细粒度的全链路可观测性——从API调用的延迟拆解到慢查询的根因定位与优化建议,均以可视化方式呈现。运维模式从“人工盯盘”进化为“数据驱动的自治闭环”,系统保持高可用与高性能。
·湖库一体(Lakebase)。为同时满足海量原始数据探索与实时在线数据服务需求,需要数据库深度融合“湖”与“库”的能力。基于统一表格式(如Iceberg、Lance)与统一元数据管理,实现一份数据同时承载高吞吐的批量分析、流式数据摄入与低延迟的在线点查/向量检索。Agent既可以基于全量历史数据做深度推理与训练,又能实时获取最新业务状态进行决策,真正达成“原始数据在湖、敏捷服务在库、智能分析在一体”的架构愿景。
今年以来,不少数据厂商都在积极布局AI数据库,构建Agentic AI时代的智能数据底座。关于未来大的发展趋势正在逐渐凝聚共识,但各家仍需基于自身技术积累与客户场景,选择适合的转型路径和节奏。
展望:Agentic AI时代,数据库将升级为“智慧中枢”
在AI高速发展的背景下,关于数据库所扮演的角色引发了广泛讨论,Agentic AI时代,数据库究竟是会退化为“数据源”这样的存储容器,还是会升级为Agentic AI的“智慧中枢”,如果数据库止步于“业务记录系统”或者“辅助的数据提供平台”,这种定位会让数据库在AI产业链中逐渐被边缘化。
付新认为,展望Agentic AI时代的终局,数据库绝不会退化为单纯的“数据源”或被动的“管道”,但是也无法靠传统关系型引擎的老本继续坐稳C位。如今数据库正在经历一场角色跃迁—— 从“业务记录系统”升级为“Agent的认知基础设施与智慧中枢”。这个C位依然属于数据库,但坐上去的必须是完成了内核级进化的AI数据库。
换句话说,数据库的这场AI升级不是被动等来的,需要主动求变,而且需要在内核级响应AI变革。
付新进一步指出,Agent需要的是“可信、可追溯、可隔离、可瞬启”的数据供给,这要求数据库把多模态统一治理、标量-向量混合执行、端到端血缘、机器级动态脱敏等特性下沉为引擎的一等原语。这些能力是任何“管道”或“中间件”给不了的,只有进化后的数据库才能原生提供。
当以上这些能力就位,数据库在Agentic AI架构中就不再是配角,而是扮演四个核心中枢角色:
第一,记忆中枢——持久化Agent的短期上下文与长期知识,解决大模型上下文窗口的物理限制,让跨会话、跨任务的经验沉淀成为可能;第二,感知与检索中枢——统一纳管关系、向量、图、时序、文档等多模态数据,将推理与搜索集成的检索动作从“关键词匹配”升级为“语义级理解”,让Agent能像人一样“看懂”数据而不只是“找到”数据;第三,执行与治理中枢——在数据库内完成“查历史 + 算特征 + 写决策”的闭环,同时通过机防机制(按Agent身份、任务目的、数据敏感度动态评估权限)确保自主行动不越界;第四,可信与合规中枢——提供不可篡改审计、血缘追溯、动态脱敏,让Agent的每一次决策都可解释、可复盘、可问责,这是金融、医疗、制造等高合规行业的底线要求。
付新表示,从Agentic AI产业链全景来看,数据库的层级正在上移。传统产业链里,数据库趴在数据层底部,上面是ETL、数仓、BI。而在Agentic AI产业链中,算力层提供FLOPS,模型层提供推理能力,应用层编排业务流程,数据库则卡在“数据→知识→决策”转化的最关键一环——它向上承接大模型与Agent的RSI(推理与搜索集成)调用和MCP工具请求,向下整合企业散落的多源异构数据。没有这个中枢,大模型就只是概率生成器,无法成为可信的决策体;没有这个底座,Agent的自主行动就会缺乏事实锚点和合规护栏。
随着模型能力不断提升,在很多场景,数据是否就绪已经成为AI落地成败的关键,这为数据基础设施带来全新的机遇,国产数据库厂商响应AI升级不仅是寻找第二增长曲线的问题,已经成为时代必答题。
付新认为,Agentic AI时代,数据库的价值标尺,是能否提供面向机器的可信数据理解、检索、推理与治理能力,这也决定了数据库在AI产业链中的地位。展望未来,那些能够把多模态存储、混合索引、弹性实例、持久化记忆、语义理解、数据层强制治理做成内核协同原语的数据库产品,将成为Agentic AI时代的赢家。而停滞不前的传统数据库,最终将被管道化。这不是数据库的终局,而是一场范式重生——让数据库从“数据源”进化为“智慧中枢”。