Daily Technical Tracking

每周科技追踪 · 10月第4周

2026年10月第4周 · 技术 / 产品 / 公司

每日追踪
← 返回首页

Agent 建了八成新数据库实例

阿里云 RDS PostgreSQL 过去一年的新增实例数量同比增长超过 400%,其中约 80% 由 Agent 创建;按阿里云数据库整体口径,这一比例约为 60%,Agent 发起的交互流量正接近「50% 来自 Agent」的目标。9 月 22 日云栖大会上,Agent Context 与 ApsaraLakebase 两项新品发布,AI 原生数据库服务 AIDBS 同步升级,三层架构补齐。

人用数据库与 Agent 用数据库不是同一件事。人讲究 schema、约束条件与事务边界;Agent 以自然语言提出模糊需求,一次任务可能连续发起数十次查询,还会 spawn 出十个 Agent、每个后面挂一个库,试错不成便整体释放。模型公司那边常部署 10 万到 100 万个 Agent,其中活跃的只有约 10%,阿里云的做法是不活跃即休眠、释放计算节点与沙箱、数据落到对象存储,再次使用时快速拉起。

架构分三层。AIDBS 是「数据库的 Agent」,让 Agent 通过自然语言与 MCP 自主取数、开发与运维;中间层 Agentic DB 与 Agent Context 把记忆、上下文、多模数据与安全权限放进内核,机制是 Context Growth Loop——记录、组织、召回与组合、执行沉淀、评估演进,个人经验先沉淀为私有记忆,经审核晋升为团队共享知识;底层 ApsaraLakebase 以对象存储为单一事实数据源,用 Copy-on-Write 数据分支给每个 Agent 独立视图,支持 Lance、Iceberg、Paimon 等开放格式。

生产侧的数据已经能对上:古茗接入 AIDBS 后,自助分析的上线周期从天级压到 2 至 4 小时;奇瑞 NEXTAI 研究院已有 5000 余名员工使用,核心业务语义覆盖率 100%,数据需求响应从天级缩到分钟级;小红书用 Agent Context 做统一上下文底座,支撑 3000 多名员工的子 Agent 在同一业务知识域里协同。与 Databricks 把 Serverless PostgreSQL 与对象存储做接口拼接的思路不同,这条路线强调统一引擎的湖库一体,数据只存一份,事务与分析在同一份数据上运行。