教授解读：Agentic时代下数据库技术范式跃迁之路

本文摘录于2026华为云INSPIRE创想者大会数据库“拥抱Agent-Native数据库新范式”专题论坛演讲内容。

众所周知，近些年AI产业进入快速发展阶段，已经完成从“以模型为中心”向“以数据为中心”的转变。而相关研究表明，数据问题依然是人工智能工程师当下的主要工作内容，占其日常工作量的80%。可以说，数据库作为数据管理的核心工具，是支撑整个AI体系稳定运行的重要基础设施。

为什么说数据库正在发生范式跃迁？在过去，传统数据库的核心目标是快，技术研发和优化围绕SQL语句、表结构、查询性能、吞吐与延迟等基础能力展开。当下，RAG、Agent、向量、文本、KV cache等成为新的焦点，行业目标转向成本、效果、可信。而在可见的未来，数据库还将形成统一的数据平面，实现推理调度、治理闭环，让数据可审计、可回放、可弹性。

学界已经先于市场探明发展路径，“LLM原生数据系统”、“向量数据库”、“内核/硬件协同”等成为新的研究热点，这些方向正在逐步落地，也勾勒出数据库技术发展的新趋势。

数据库的智能化正在从面向系统内部优化的AI4DB，扩展到以大模型为交互入口和能力编排核心的数据管理新范式。

AI4DB以大量AI技术解决了数据库难题，将数据库优化、设计、监控、安全与数据治理、模型训练、模型推理等变为数据库与AI的双向议题。

举例而言——其一：基于机器学习的知识图谱双存储结构。AI领域的新学习模型需要混合存储结构来进行知识图谱查询，而AI也会反向赋能数据库结合机器学习知识来设计混合存储结构。其二：用于查询代价估计的高效特征工程。查询代价估计既是数据库优化策略的基础，也为AI模型提供了典型的应用场景。如何为查询代价估计设计高效的特征工程，也成为AI4DB双向赋能中的一个新挑战。

从AI4DB到LLM4DM，则意味着大语言模型开始驱动数据管理（如SIGMOD 2025中收录的《λ-tune: Harnessing large language models for automated database system tuning. 》）。

当然，大语言模型目前的使用还存在一些问题，例如可信程度的提升，不过，大语言模型在包括数据库的诸多领域做出贡献是毋庸置疑的事实，这是不可阻挡的趋势。

结构化数据、非结构化文本与向量表示正在走向统一数据平面，实现能力的共享与复用。

所谓数据平面，意味着表格、向量、文本、图等将被统一地索引、路由、过滤，并实现统一的权限控制、元数据管理与审计。在AI系统架构之下，这些都将形成一整套完备的数据平台能力，而不再局限于管理其中某一类或两类数据。

过去，数据库主要围绕buffer pool、磁盘布局和join计划等传统问题展开，而在如今的RAG与大模型服务场景下，chunk cache、prefix cache、KV cache、attention复⽤、query routing已成为新的关键资源。

针对时效性强、访问模式复杂的时间序列下存储调度的局限性问题，ICDE 2025的相关研究成果提出一种温度感知的时间序列存储调度方法TempSched，可以通过识别冷热时间序列和预测数据温度，提前完成存储调度工作。

向量检索已不仅作为一个单独的产品出现，而是被深度融合到传统数据库当中，成为现代数据系统的重要能力之一，支撑大规模语义搜索与企业级RAG全栈应用。

学术界对此也有一些探索，如：基于双层索引的向量相似性搜索索引技术，能够解决传统磁盘相似性搜索索引中依赖分段摘要进行过滤而导致初始剪枝率较低的问题。

纯向量已经成为很多数据库的原生架构，接下来，行业将面向混合检索进行更多探索，如向量语义检索、关键词检索、图检索等的多路径混合查询，这些将成为企业级RAG与智能搜索落地的核心工程能力。

当前，多类数据模型形态长期共存、各司其职，行业正在通过统一元数据、统一运行时与统一治理底座实现能力合流，而非趋向单一数据库模型归一。其中，GaussDB的分布式关系模型中搭载了内核级原生向量检索、AI-Native、全密态等多维的融合扩展能力。

此外，哈尔滨工业大学海量数据计算研究中心编撰的《数据库系统原理与GaussDB实现》教程已进入高校教学中，希望让更多学生真正了解到最新的数据库技术，为下一代培养更多可用型人才。

从湖仓组件到传统关系型、分布式云数据库，全品类产品都在纷纷加强治理与可观测能力。原生架构治理能力、成熟的运维体系，正在成为下一代数据库选型不可或缺的核心考量。

数据库从处理静态正确性，开始迈向同时处理“实时、乱序、缺失、冲突、陈旧、修复可证”，包括支持乱序更新的动态图库、从噪声数据中⾃动合成完整性约束等。

迈入Agentic时代，数据成为核心资产，数据库必须完整管控数据的源头、流转路径、使用主体、应用历史等全生命周期信息。纵观行业前沿研究，2022年，SIGMOD将数据库安全隐私列为主流基础研究方向；2025年，SIGMOD发布B2Mark表格数据盲水印方案，充分印证了AI趋势下数据安全的重要性。 

当前，传统基准测试已无法适配当下多样化的数据库应用场景，单一吞吐、性价比指标不再具备全面参考价值，随着数据库的范式演进，面向AI、向量检索等新型负载，行业同样需要建立全新的评估框架和基准。基准测试不再仅是服务于业界，同样也服务于学界。

END