第十七届中国数据库技术大会（DTCC）在北京拉开帷幕，吸引了众多行业顶尖专家齐聚一堂。本次大会聚焦AI时代数据库架构革新、数据库内核优化以及云原生与分布式实践等前沿议题。阿里云瑶池数据库团队携重量级讲师阵容亮相，带来七场深度分享，围绕“Agent时代的数据库架构、多模数据库应用与实践、DB for AI、实时数仓”等方向展开探讨。
在主论坛上，阿里云数据库产品事业部RDS总负责人陈宗志以《模型决定AI多聪明，数据库决定AI能跑多远》为题发表演讲。他指出，AI发展已进入新阶段，上半场的核心任务是为模型训练准备数据，数据库扮演着“AI Ready”的角色，目标是让数据更易被模型使用。而下半场，随着模型能力与上下文工程的突破，Agent开始具备多步推理、自主决策、调用工具和读写数据的能力，从“能对话”升级为“能做事”。
这一转变对数据库提出了两大根本性挑战。首先是访问者变化：过去数据由人开发的应用程序按固定模式读写，现在Agent以探索式、多步递归、突发不可预测的方式直接访问数据库。其次是维护者变化：备份、扩容、索引调优等传统DBA工作正被Agent接管，DBA的角色逐渐转向审计。这些变化迫使数据库行业思考：如何让为“人”设计的数据库适应“Agent”的需求？
陈宗志进一步分析，数据库将面临三重“不可预测性”：数据类型不可预测，一次推理可能同时涉及结构化表、向量召回、JSON文档、关系图和全文检索；访问量不可预测，多步推理可能瞬间拉高并发，出现几十倍的尖峰；访问模式不可预测，探索式查询、分支中间数据、多步递归回溯等特征，传统事务模型已无法描述。
为应对这些挑战，阿里云数据库提出“Agentic DB”概念，并设定了阶段性目标：未来50%的数据库访问流量由Agent驱动，50%的数据库实例由Agent创建与维护。要实现这一目标，数据库需具备四大核心能力：多模数据处理能力，支持结构化、向量、JSON、图与全文检索的统一引擎；Serverless弹性能力，实现秒级冷启动、按调用计费，并跟随Agent任务自动扩缩；数据库分支能力，像Git一样支持隔离探索、fork、对比和回滚；自然语言接口能力，通过标准化MCP、Tool和Skill，让Agent能用自然语言直连数据。
目前，阿里云瑶池数据库的全线产品，包括PolarDB、RDS、AnalyticDB、Lindorm和Tair等，均已向Agentic DB形态加速演进。阿里云还推出了AI原生数据库服务（AIDBS），这是一个企业级Data-Centric Agent的一站式开发与服务平台。AIDBS内置三层Agent能力：管控面Agent负责实例创建、扩容、备份和升级；DevOps Agent负责变更审核、SQL优化和数据迁移；应用开发Agent负责元数据编辑、数据分析，甚至能通过自然语言一键生成Web应用。这些功能使原本需要人工在控制台操作的任务，现在通过自然语言即可让Agent直接完成。
在实践层面，阿里云数据库的Agentic DB形态已在多个场景落地。小红书基于RDS ContextDB搭建了自进化的Agent大脑，通过记忆与知识分层和记忆晋升机制，解决了多Agent记忆隔离、经验难复用的问题，实现了业务规则更新时所有部门Agent的同步学习。秒悟轻应用平台则基于RDS Supabase构建了“一句话轻应用平台”，将对话输入、Code Agent、MCP/OpenAPI和部署运行整合到一套Agent可直接调用的数据底座，目前已承接9万多个AI轻应用，任意状态实例3秒内拉起，综合资源成本降低90%。
在研发协同场景，某头部新能源车企利用PolarDB Agent Squad构建了多Agent协同的AI Coding平台，将研发方法论固化为可执行的Playbook、角色、门禁与证据链，实现了按角色接力而非靠人串联的流程。另一家头部模型公司则基于PolarDB LakeBase架构的Agent数据平台，将休眠Agent的数据沉降到分层存储中，需要时再快速激活，支撑了流量提升10倍以上，同时提供金融级数据隔离，并将整体成本降低70%。
据介绍，目前已有超过1000家企业客户正在使用瑶池数据库Agent系列产品，开启AI Native数据底座升级。随着Agent从“能对话”走向“能做事”，数据库的角色也在从简单的存取工具转变为“让Agent理解世界、积累经验并提供业务价值”的记忆中枢与数据底座。阿里云数据库将持续向Agentic Database方向演进，基于LakeBase、多模记忆、全链路可观测等前沿技术，打造面向智能体时代的数据平台，支撑AI应用的规模化落地。
