过去几十年，从最早的 OLTP 数据库，到 OLAP 从其中分离出来成为数据仓库，再到大数据系统。数据库的设计前提始终是“使用者为人类”——人写 SQL、人建表、人选索引、人做运维。但这个前提，正在被推翻。
先看几个数据。
Databricks 在 2025 年 5 月以约 10 亿美元收购了 Serverless PostgreSQL 公司 Neon，并在今年 2 月将其改造为 Lakebase 正式 GA——定位是"AI 时代的事务数据库"。紧接着在 6 月的 Data + AI Summit 上，Databricks 又提出了 LTAP（Lake Transactional/Analytical Processing）概念，主张让OLTP、OLAP、AI 应用和 Agent 都建立在湖中同一份受治理的数据之上。
Snowflake 的动作同样激进。它把战略从 AI Data Cloud 升级为 Agentic Enterprise，产品线也在重新梳理：Cortex Code 更名为 CoCo，Snowflake Intelligence 更名为 CoWork，并推出 Agent Identity 体系，给智能体发身份、配最小权限，让企业能够安全地管控第一方和第三方的 AI Agent。
另一个数字来自阿里云在今年7月WAIC大会上分享的数据：过去五年PostgreSQL 累计创建约 4 万个实例，而上半年仅几个月，Agent 自主创建的实例数已达到约 12 万个，环比增长约 300%。越来越多的数据库，不再由程序员创建，而是由智能体自主完成。
也正是基于这一变化，数据库厂商们也在全面向 Agent-native 转型。
8 月的 DTCC 中国数据库技术大会上，腾讯云正式发布 TDSQL Nexa，明确提出数据库面向 AI 时代需要具备多模统一承载、Agent 原生架构、语义与记忆、治理与自治四类核心能力。火山引擎则在 FORCE 原动力大会上把数据库战略整体升级为"Agentic Data Management and Services"，同步 GA 了面向 Agent 的 ContextSearch 检索能力。OceanBase 推出了湖库一体的 AI 数据库，围绕多模表和 Fork Database 能力构建面向 Agent 的统一数据底座。华为云的 TaurusDB 也明确拥抱 Agent-Native 方向。
中国信通院 7 月发布的《数据库发展研究报告（2026 年）》显示，2025 年全球数据库市场规模达到 1316 亿美元，中国市场 94.9 亿美元，预计 2028 年国内市场总规模将达 979.74 亿元，年复合增长率 13.06%。 IDC 数据则显示，AI 数据基础设施在 2025-2030 年的复合增速将达到 37.7%。这意味着 AI 相关的数据基础设施，正在成为整个数据库市场增长最快的板块，而承载它的形态，正在被 Agent 重新定义。
一边是头部厂商密集的产品动作，一边是陡峭上扬的市场曲线。2026 年，数据库的主导权正从人转向 Agent。
为什么会发生这样的转变？相比计算、网络和存储，数据库一直是变化最慢的基础软件之一。过去半个世纪里，数据库一直扮演着数字世界“仓库”的角色，负责记录、存储和调用数据。在此期间，技术和市场格局的变化很小。
1970 年，IBM 发布关系模型，数据库从此有了"结构化"的基石，Oracle、DB2、SQL Server相继登场，核心命题是 ACID 事务和 SQL 标准化，服务的是企业 IT 部门的开发者。到了 2000 年，互联网浪潮催生了分布式数据库和 NoSQL 运动，核心命题变成了扩展性和灵活性，服务对象从企业内部IT扩展到互联网应用开发者。
2008 年前后，双十一的流量洪峰让传统数据库第一次直面海量并发的极限场景，存算分离、云原生架构成熟，PolarDB、OceanBase、TDSQL 这批国产数据库开始站上舞台。用户从传统开发者变成了互联网工程师。
2020 年之后，Serverless 浪潮袭来。按需付费、秒级弹性、Scale-to-Zero，应用开发者甚至不需要知道数据库在哪里、有几台、什么时候扩容。他们只管写业务逻辑，剩下的交给云。数据库变得越来越透明，越来越好用，但用户依然是人类。
今天，Agent 正在成为新的用户。AI Agent 不再只是读取数据、回答问题，而是开始调用工具、生成代码、执行任务、修改状态，甚至参与业务流程。
于是，也由此带来三大不可预测性：
数据类型不可预测：结构化+向量+ JSON +图+全文检索混合，传统行式/列式引擎没法统一处理。
访问量不可预测：闲时静默、忙时几十倍尖峰，Agent 的负载特征与传统稳态负载不同。
访问模式不可预测：Agent 自主决定查什么数据、以什么方式访问、需要哪些上下文，路径是动态的、不可预知的。
因此，AI 数据库不是传统数据库增加几个 AI 函数，也不是向量数据库补上 SQL 能力。它要解决的是AI进入生产系统后的数据基础设施问题。多模态数据需要在统一底座上被管理，在线服务和离线计算需要融合，Agent 需要获得实时、可信、连续的上下文，读写、试错、回滚和治理中保持数据库级一致性与可靠性。这也是 Agent-native 数据库必须回答的问题。
于是，一个行业共识是数据库需要重做。由此在落地路径上也分化出了不同的流派，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；而阿里云瑶池数据库的核心思路，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。
阿里云数据库这一年而这其中，阿里云的动作最为系统，也最具代表性。回看阿里云过去一年的动作，其在Agent-native 方向上的布局节奏清晰可见。
1 月，PolarDB 开发者大会发布 AI 数据湖库 Lakebase，首次系统阐释"AI 就绪"数据库的四大支柱；
5 月 20 日阿里云峰会，首发 AIDBS（AI 原生数据库服务），正式提出 Agentic-Native Database；
6 月底 Agentic DB Day 深圳站，抛出"双 50%"标尺；
7 月 WAIC，阿里云数据库明确喊出"从服务人到服务 Agent"，并发布六大能力；
到了 8 月，ApsaraLakebase 首次亮相——一份数据、百万级 Agent 工作空间、3.6 秒建分支。
从产品矩阵层面看，阿里云也围绕 Agentic-Native 构建了一套完整的产品家族。
AIDBS（AI 原生数据库服务）：定位为"企业级 Data-Centric Agent 的一站式开发与服务平台"。涵盖 Agent 数据网关、AI 资产与企业知识服务、AI 数据准备、企业级数据库 Agent 开发平台、Data Agent 产品系列五大核心模块；
Agent Context：一款能从日常工作中持续学习，让 Agent 越用越懂业务的企业级上下文数据库服务，能够让 Agent 的经验与进度升级为组织可复用、可管理、可治理的上下文资产。
PolarDB从Cloud-Native迈向Agentic-Native，目标是成为Agent应用的" AgenticDataInfra"。Agent 全生命周期涉及记忆、原始语料、领域知识、业务数据四大数据域，PolarDB 用一套产品矩阵全部承接。
值得一提的是，在开源层面，阿里云瑶池数据库同步推进了 PolarDB 开源数据库生态建设和瑶池 MCP Server 开源，将数据库能力以标准化协议开放给 Agent 框架调用。
在落地方面，已经可以看到多个行业的 Agent-Native 数据库实战落地案例。古茗作为新茶饮行业的代表企业，通过 AIDBS（AI 原生数据库服务）实现了门店运营数据的智能化分析与决策辅助。目前已有超过 1000 家企业客户在使用瑶池 Agent 系列产品。
可以看到，阿里云的这一系列动作似乎都在传递的一个信号是，数据库的竞争已经不再是单纯的技术参数比拼，而是进入了为智能体重塑数据底座的深水区。当 Agent 开始承担核心业务决策时，数据底座的能力边界，决定智能体的能力上限。这也正是瑶池数据库提出“为 Agent 重做数据库”这一命题的底层逻辑。
云栖大会上，阿里云要回答什么？9 月 22 日- 24 日，一年一度的云栖大会将在杭州举行，本届大会将以 Agentic AI 为核心锚点，串起芯片、云基础设施、模型能力与模型服务、Agentic 应用的完整链路，直抵生产方式深层变革。
当 Agent 成为数据库的第一用户，数据库该长什么样？这将是阿里云数据库在本次大会上要回答的核心命题。与以往不同，这次的答案不是散落在各个分论坛的议程里，而是有一条清晰的主线。
9 月 23 日上午的技术主论坛上，杨辛军（Jimmy）将带来数据库方向的核心分享。为Agent 重做数据库，从内核到数据层再到软硬底座的底层逻辑是什么。这相当于阿里云数据库面向 Agentic 时代的总纲领。
在主论坛定调之后，三场数据库分论坛，则是对这套总纲领的详细拆解：
云栖大会｜阿里云瑶池数据库参会指南，来了
“为 Agent 重构数据库”分论坛聚焦内核层，从设计哲学到工程实践，系统解答 Agentic Database 的架构抉择；
“为 Agent 重塑 Data Agent”分论坛直指落地痛点，从 AIDBS 到Agent Context，探讨当上下文成为数据库的新角色时，记忆如何沉淀、晋升与演化，让 Context 真正成为可持续生长的数据资产；
“为 Agent 重做数据层”分论坛则直面成本与架构的硬骨头，给出“一份拷贝、多模统一、百万级 Agent 工作空间”的工程解法。
从让数据库走向“可托付”的AgentContext、AIDBS工具链的落地，到AgenticDB内核的重构，再到 ApsaraLakebase 数据层的重做与软硬底座的成本重构，阿里云正在拼接「为 Agent 重做数据库」的完整版图。
