Agent 成为数据库新用户：OceanBase 发布湖库一体 AI 数据库，剑指实时决策底座

过去三年，AI 行业围绕模型参数、推理能力、多模态等指标不断刷新纪录，但当企业真正将 AI 嵌入业务流程时，一个矛盾逐渐凸显：模型能力越来越强，算力投入越来越大，AI 的业务价值却未能同步兑现。OceanBase 认为，答案不在模型本身，而在数据。要让 AI 从“懂很多”变成“懂这家企业”，关键在于能否持续、实时、准确地将业务上下文供给 AI。这直接推动了数据库角色的历史性转变——从记录事实走向参与决策。

6 月 29 日，OceanBase 正式发布面向 AI 时代的湖库一体 AI 数据库，核心思路是将数据湖的开放存储能力与数据库的事务处理、强一致、实时分析能力整合到一套统一底座上，帮助 Agent（智能体）一次获取完整业务上下文。围绕这一能力，OceanBase 同步推出 Lakebase、DataStudio、DataPilot 三款产品，并已在蚂蚁阿福、灵光等 AI 场景完成业务验证。

Gartner 在 2025 年 6 月发布的预测中指出，到 2028 年，至少 15% 的日常工作决策将由 Agentic AI 自主完成，33% 的企业软件应用将内置 Agentic AI，而 2024 年这一比例还不到 1%。路透社在报道该预测时同时指出，尽管超过 40% 的 Agentic AI 项目可能因成本或商业价值不清在 2027 年底前被取消，但 Agent 进入企业软件和业务决策链条已是明确趋势。

这意味着数据库迎来了一位全新的使用者——Agent。过去，数据库的主要用户是人和应用系统：工程师写 SQL，业务人员看报表，应用程序按预设逻辑读写数据。数据库的核心任务是准确记录订单、账户、交易、库存等事实，再按需被查询、分析和归档。而 Agent 不再只是聊天入口，它需要持续调用系统、读取数据、生成判断并执行动作，成为持续运行的“硅基用户”。这对数据库提出了三类新要求：上下文完整性、规模弹性和进化支持。

上下文方面，Agent 的一次回答本质上是“上下文加模型调用”的结果。真实业务上下文从来不是单一表格里的几行字段——一笔订单可能关联客服录音、物流轨迹、合同文本、发票图片、用户画像和历史投诉。Agent 要理解的是完整业务事实，而非割裂的数据片段。OceanBase 在采访中举例：医疗问答场景中，用户 10 点上传一张照片，系统给出初步判断；10 点 01 分用户又补充另一张图片和新描述。如果图片、时间、用户记忆、判断结果分散在不同系统，Agent 难以保证信息一致且实时。类似问题也存在于营销、客服、风控和内容安全场景中。

规模方面，AI 正在降低应用生成成本，“一个应用一个库”的逻辑正在变成“一句话生成一个应用”。OceanBase 透露，灵光已承载 3000 万个闪应用，企业内部也出现了上万个轻量应用。这些应用单个数据量不大，平均仅百余行，但数量极多且大量处于沉睡状态，只有被调用时才需迅速唤醒并秒级响应。这意味着 AI 时代的“海量”不只是单库数据量变大，而是数据库实例、轻应用、智能体环境的数量爆发，数据库需支持高密度共存、资源隔离、按需启用和低成本闲置。

进化方面，Agent 并非一次开发完成后长期不变的软件。复杂智能体需不断试错、评测、回滚和迭代，一次功能改动可能影响最终行为，因此需要端到端评测环境，能将真实业务数据克隆出来做测试，又不影响主干数据。数据库不仅要支撑 Agent 读写数据，还要支撑其实验、分支、隔离、回滚和持续演进。

当数据库中的数据直接进入 Agent 的决策链条，尤其是在风控审核、内容安全、营销触达、客服响应等场景中，Agent 的判断可能直接影响用户体验和业务结果，数据库的底线变得更重要。一致性过去是核心交易系统的高标准，在 AI 决策链路中可能变成生死线——一旦 Agent 基于错误、过期或不一致的数据行动，风险将演变为错误拦截、错误推荐、错误回复甚至错误业务操作。实时性也从“体验优化”变成“决策前提”，Agent 不能依赖隔夜跑批或异步同步，需在线数据、实时分析、语义检索和模型调用之间形成更短链路。

这正是传统数据架构承压之处。过去常见的企业数据架构由交易库、数仓、数据湖、搜索引擎、向量库、对象存储等多套系统拼装而成，结构化数据放在数据库里，文档、图片、音视频放在对象存储或数据湖里，向量检索又放在另一套系统中。这种架构在传统 BI 和离线分析时代可行，但到了 Agent 时代，数据被反复复制，权限和元数据分散，链路变长，一致性难以保证，实时性也容易被牺牲。

OceanBase 给出的答案是湖库一体。所谓湖库一体，不是概念拼接，而是把“库”的事务、一致性、实时处理能力，与“湖”的开放、海量存储、多样化计算能力统一到一个底座上。数据库负责强一致、在线服务和核心交易能力，数据湖负责开放格式、海量数据和多计算引擎协同。OceanBase 的路径是从数据库内核出发，将过去在核心交易场景中积累的事务一致性、高可用、实时处理和弹性扩展能力延伸到湖、非结构化数据和多模态数据之上。OceanBase 表示，这一路线更偏在线，相比偏离线、大规模训练或分析的路线，它更关注 Agent 实时决策场景中的一致性和实时性。

具体到产品层面，OceanBase AI 数据库包括三个层次：Lakebase、DataStudio 和 DataPilot。Lakebase 是湖库一体的核心引擎，统一管理结构化、半结构化和非结构化数据，支持事务、分析、检索等多种负载。DataStudio 是数据治理与开发平台，帮助用户管理元数据、数据质量和数据生命周期。DataPilot 是面向业务人员的智能数据入口，支持自然语言交互，让 Agent 能更方便地调用数据。

OceanBase 强调，AI 数据库不是在传统数据库旁边加一个向量检索插件，也不是简单把对象存储和数据库拉一条线连起来。它需要重新回答一个问题：在 AI 驱动的世界里，结构化、半结构化和非结构化数据，如何在同一个底座上被组织、治理、理解和调用？湖库一体是 OceanBase 给出的答案，也是其与一些从湖、仓或搜索路线出发的方案之间的主要差异。