现在客户问得最多的，已经不是“国产数据库到底行不行”，也不是“我的系统应该选择哪款国产数据库来替代”。现在大家更关心的问题是：替代完成以后，我的数据库该怎么管？怎么才能真正把它用好？

PostgreSQL 开发人员已将计划中的图查询支持从 19 版本中移除，原因是担心未解决的 bug 可能会影响该版本的发布。PostgreSQL 的长期贡献者 Tom Lane 警告道： “就目前情况来看，我敢打赌，如果我们在 v19 中发布该功能，发布后肯定会发现一些无法修复的 bug，这些 bug 直到 v20 才会得到解决。”

一个有用的起点是业务规则验证层：企业可以确定其最具争议的指标，并将相关规则记录在一个统一的、可集中调用的位置。随后，数据转换任务可以进行修改，使其链接到该注册表，而不是依赖其自身的内置逻辑。

虽然目前顶 级模型的能力很强了，不过因为各种各样的原因，特别是安全合规的要求下，在生产环境部署AGI能力的模型的可能性在几年内恐怕难以实现，但是我们的工作生产确实需要AI赋能，如何解决这个矛盾呢？以前曾经就有朋友给我做BIC-QA知识库泼冷水，既然在可预见的未来，模型能力已经能够达到AGI标准了，你做这件事有什么意义呢？对于这个问题，仁者见仁智者见智吧。

随着Agent规模化落地，正在重构企业数据的消费与管理模式，复杂多云多源环境、自动化数据操作与全新的数据安全风险，以及数据语义层准备，已然成为企业智能化转型的共性难题，以NineData为代表的数据管理平台厂商在AI时代也将扮演越来越重要的角色。

近日，全球技术研究与咨询机构Omdia发布《2026年亚太及大洋洲分布式数据库市场研究》。2025年亚洲及大洋洲分布式数据库市场规模达到9亿美元，预计2026年将增长至11亿美元，到2029年进一步达到18亿美元，2025年至2029年复合增长率达19.3%%。

本文编辑整理自深圳计算科学研究院旗下崖山智能总经理王南在DTCC2026大会的主题演讲《软件定义，从“程序+数据”走向“智能体+知识”》，重点关注DB for AI方面。AI时代，IT迎来范式变革，软件重新定义，AI应用未实现大规模爆发，缺了什么?数据库在新技术栈里将扮演什么角色?未来将如何演进?

畸形的国产数据库市场中涌入了太多的竞争者，数据库厂商为了提高“销售额”，为了在资本市场上表现得更好，只能选择有钱就挣的路线。短时间内可以为自己的生存续一口气，但是长期来看，一个没朋友的人，如果没有强大到可以藐视一切，那么他也是走不远的。

8月，第17届中国数据库技术大会(DTCC 2026)在京召开;沙利文发布《2026年中国分布式事务型数据库市场研究报告》;YashanDB与中科曙光联合推出全栈国产化核心业务数据库联合方案;达梦数据正式发布SQLark V4.0……

展望未来，祝洪雷认为，数据库一体机将在技术架构、应用、商业等方面迎来全方位变革，AI原生多模融合、新型硬件将成为技术标配，AI计算加速会成为新的性能引擎，产品价值将从支撑业务转向驱动业务创新，商业模式也将从单品销售转向生态化服务协同。

库内标注应该是未来的趋势，而在AI Coding的帮助下，库内标注的成本也已经大幅下降了。甚至智能体能够根据业务代码自行完成部分标注增强。只要数据库能够提供各种精准标注的功能，就不是问题了。

不同的测试活动需要不同的数据特性。单元测试需要小而专注的数据集，集成测试则需要更广泛的覆盖范围。性能测试需要规模;回归测试则需要一致性和可重复性。

在AI时代，数据库生态、AI生态两手都要抓，两手都要硬，数据库与AI也需要协同发展。当然生态建设离不开技术实力的支撑，产品能力若不过硬，便无人愿意与你共建生态。最终，在夯实产品能力的同时，打通数据库与AI生态的协同链路，搭建起繁荣开放的产业生态，将会成为AI时代数据库领域能否成功的关键。

实现数据库AI自治的核心价值是把DBA的经验沉淀进系统，让系统能够更早发现问题、更快定位原因、更稳妥地给出处置建议。

在生产环境中，这形成了一条分层链：低成本执行器处理大部分工作，中层评估器监控输出质量并标记模糊情况，而前沿模型则专门用于处理真正需要它的那部分请求。

AI时代的变化是每个人都无法预料的，今天很有意义的工作可能几个月后变得毫无意义了。今天不可能的事情，也有可能半个月后就变得可能了。因为这个情况的持续存在，导致我们在学习相关AI知识，跟踪AI技术发展进程的时候，经常会遇到获得到不准确的信息，影响你对外面的技术世界的判断，影响你的决策。

2026年8月22日，第十七届中国数据库技术大会(DTCC2026)圆满落下帷幕。这场历时三天的盛会由IT168联合旗下ITPUB、ChinaUnix两大技术社区主办，以“融数聚智 创领未来”作为核心主题，致力于为数据从业者提供最具前瞻性的技术视野与实践参考。

过去元数据主要帮助人找表、看口径、查血缘；现在还要告诉模型：数据来自哪里、指标是什么意思、内容是否有效、谁有权使用。

对于数据库原厂而言，第三方服务商的服务质量已经不是第一考虑因素，选择服务合作伙伴的时候，企业规模、供给工程师的速度、管理规范性等是首要考虑的问题。

调查一再表明，数据孤岛、治理问题以及整体数据质量正制约着企业的发展。Databricks的一项调查发现，仅有37%%的高管认为其生成式AI应用已具备投入生产的能力。这一差距正是AI领域的“第一公里”难题：寻找数据、理解数据、对数据进行分类，并决定哪些数据根本不应进入模型。