一个有用的检验方法是选取企业级产品中的一项AI功能，并回答三个问题：它旨在改善哪项业务指标，以及该指标目前的水平如何?当AI给出错误答案时会发生什么?在全量生产环境下运行将产生多少成本?如果无法回答这三个问题，该功能很可能仍处于试点阶段，而非已准备好投入生产的能力。

WorkBuddy 这类工具爆火后，几乎每个部门都在自己搭看板、出报表。业务能自己消化需求，排队等 IT 开发的场景就不存在了——信息部门的位置，需要重新找。

9月，中国信息安全测评中心与国家保密科技测评中心联合发布《安全可靠测评结果公告(2026 年第 3 号)》。数据库品类新增三款集中式产品通过测评;星环科技正式登陆港交所主板挂牌上市;Omdia发布《2026年亚太及大洋洲分布式数据库市场研究》……

在AI时代，做出一款产品的门槛降低了，但是做出能找到买家的产品的门槛其实更高了。不够好的产品，连甲方用AI都可以轻松搞定，你想把自家产品卖给甲方的难度，比帮甲方开发一个定制化软件要难许多倍。

一次问答不一定能解决所有的问题，复杂些的问题还是需要下钻分析的。而一次性问答就能获得稳定答案的场景大多数用人干也能干得不错，需要下钻分析的复杂问题才是客户真正急迫需要AI来辅助解决的。

现代企业面临的最大风险通常并非戏剧性的数据库故障或灾难性停机，而是组织每天做出的无数微小妥协，这些妥协正逐渐侵蚀着人们对信息的信任。

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。