Agent，“重做”数据库

数据库的主要使用者，正在从人变成Agent。过去四十年，数据库及其周边数据系统主要为人服务：传统数据库存订单、交易等结构化数据，网盘和数据湖存合同、录音、图片、视频等非结构化数据，搜索引擎和向量库负责按关键词或相似度“找东西”。员工在几套系统之间来回查找、核对，花半天出一份报表也无妨。换成24小时不停工的Agent后，几秒内就能连续查询多套系统、调用模型推理，甚至直接执行操作，沿用了数十年的数据库架构开始显得局促。

Agent一天建起12万个数据库实例

阿里云在今年7月WAIC大会上分享了一组数据：过去五年，PostgreSQL累计创建约4万个实例；而今年上半年仅几个月，Agent自主创建的实例数已达到约12万个，环比增长约300%。另一个关键信号是，当超过一半的数据库实例由Agent创建和维护，数据库半个世纪以来的基本假设——由人创建、由人维护——正在被推翻。

过去，企业运行的是少量、庞大且相对稳定的核心业务系统，数据库由专业团队维护。如今，Agent可以自动创建记账、库存等小应用，还会频繁建立测试环境，修改数据、验证结果，失败后推倒重来。传统数据库管理模式由此变得不再经济：给每个应用都创建完整的物理数据库，存储和管理成本难以承受；共用一套表结构，数据隔离、权限控制和个性化计算又会变得复杂；让数以万计的Agent直接在生产数据库上试错，还将带来巨大的安全风险。

数据库服务的对象，正从少量稳定运行的传统应用，扩展为海量、动态、短生命周期的AI应用。这也带来三个根本变化：使用者从人变成Agent，任务的复杂度、数量和频率都会改变；工作模式从固定的建模查询变成探索性的试错与回滚；数据库的边界也在扩展，Agent的运行不能仅靠数据存取，还需要语义理解、记忆组织和上下文管理。

行业由此形成“数据库需要重做”的共识，但落地路径出现分化：Databricks从湖仓出发向事务延伸；腾讯云把数据库面向Agent重新设计一遍，称为AI原生3.0时代；OceanBase从金融级分布式数据库内核出发向外延伸湖存储能力；阿里云瑶池数据库的核心思路，则是将大模型能力内化为数据库的血液，推动从外挂式AI向内生智能演进。

算得对、看得全、能动手：数据库被逼出三道门槛

Agent时代数据库的改造方向逐渐清晰：一是“懂业务、知口径、可追溯”，解决数据理解问题；二是“多模合一、实时关联、一次查全”，解决数据获取问题；三是“即用、即建、即抛”，解决动态应用的运行与管理问题。说到底，Agent要真正进入企业核心业务，数据库必须帮它跨过三道门槛：算得对、看得全，还能安全地动手。

第一道门槛是业务语义。对数据库而言，销售额、毛利率、活动预算都可以表示为字段与计算公式，但企业的业务规则远比字段复杂。比如计算销售额，是否需要扣除退款？统计上个月的订单，按下单时间还是付款时间？一个2916万元的错误预算，就是典型例子：AI看得见数据，却看不懂业务口径。数据库需要语义层和上下文管理，让Agent理解业务规则，并做到可追溯。

第二道门槛是多模数据。以前，单一模型的数据库会针对特定类型数据优化：订单、账户等结构化、强事务数据放在MySQL；半结构化、低延迟数据放在MongoDB或Redis；非结构化大文件放在对象存储。多模态数据天然散落在异构系统之间，一旦需要跨系统融合分析，应用层开发复杂度急剧攀升。如今92%的新增数据是非结构化数据，包括会话状态、行业知识、上下文、图片视频等。腾讯云副总裁王义成表示，复杂的企业级AI Agent应用需要向量和