AI Agent（智能体）正在驱动软件形态的变革，而数据库不仅是承载数据的重要载体，而且能帮助大模型避免“幻觉”、数据更新不及时等问题，有望成为AI时代的“必需品”。

同时，AI正在赋能数据库自身升级，在智能运维等方面发挥重要作用，推动数据库行业加速发展。

国泰海通、民生证券均在近期研报中认为，AI有望重塑数据库业务，数据库业务未来可能被AI Agent重新定义，迎来增长新阶段。

当前，甲骨文等国外厂商正积极推动生成式AI技术融入其业务中，国内华为、蚂蚁等厂商同样在积极拥抱AI。此外，存算分离正成为数据库发展的趋势，提高系统性能和可靠性。

AI改变数据库的交互模式

不久前，蚂蚁集团旗下数据库厂商OceanBaseCEO杨冰发布全员信，宣布OceanBase全面进入Al时代，并任命CTO杨传辉担任AI战略一号位，同时成立了AI平台与应用部、AI引擎组等新部门。

而在去年，甲骨文的核心数据库产品已从云时代进入AI时代。

华为金融数据库军团解决方案营销运作总监龚涛告诉《科创板日报》记者，AI和数据库的融合趋势可分为AI for Database和Database for AI两大方向。

“在AI for Database领域，我们正见证一些探索和突破，比如AI协助数据库管理员进行数据库的管理优化，当数据库管理员不在时，Agent智能体帮助人类进行决策，优化数据库。”他表示。

“早期的小模型泛化能力有限，但当进入大模型时代后，其强推理能力和Agent模式让AI的学习能力变得更强，可以实现自我管理，并不断循环。未来，智能体的技术会对于存储以及数据库运维，带来翻天覆地的变化。”华为闪存存储领域总裁谢黎明提到。

在谢黎明看来，过去很复杂的人工任务，如今可以由AI来完成。“比如海量的日志更新，靠人工来分析性能问题是很难的。大模型则能够完成，还可结合业务情况、负载情况进行非常复杂的配置。”

深圳计算科学研究院首席架构师沈刚表示，其开发的崖山数据库正在开展相关AI探索。

“数据库需要大量的管理员队伍，有了AI技术后，有望让数据库像驾驶汽车一样自动管理。比如，AI根据系统情况自动设置最适合的参数，并且随着数据库的运行，不断地自主学习并进行调整，智能判断系统的情况，进行数据备份等操作。当遇到大规模高并发时，数据库可以自动完成空间的回收，并结合运行过程中收集到的信息，提升运行效率。”

Database for AI领域同样进展迅速。龚涛透露，华为相关业务发展较快，业务占比变大。“比如通过新型数据库来支撑RAG增强检索，增强大模型推理的效率等。”

谢黎明则直指Database for AI的本质——要把数据“吐”出去。

“未来AI时代，会发生几大变化。一是人机交付方式从以前的SQL变成自然语言，查询数据不需要再写复杂的SQL语句，而通过人类自然语言进行对话。二是机器与机器的交互也会改变。当所有事物都通过智能体接入，数据的决策和消费方式将发生变化。数据库需要在模式上改变，才能更好地使能AI。”

江南农村商业银行数据库总监王浩向《科创板日报》介绍，该行已在探索AI赋能数据库运维。“我们希望人工智能来自动判断问题，定位问题，同时解决问题。比如半夜故障收到告警，如果人工处理，会有一定的时长间隔。所以我们在探索，用AI来自动判断一些常规性的问题，主动处理。”

从“存算一体”走向“存算分离”

除了AI大模型带来的变革，存算分离亦成为数据库发展的一大趋势。存算一体架构可满足业务初期对快速和敏捷交付的需求，但随着业务的增长和基础设施规模的扩大，存算一体架构在可靠性和扩展性方面的局限性逐渐显现。

“比如集群规模变大后，资源利用率可能变得不到5%。存储一旦出现故障，会引发数据库频繁的切换，甚至导致数据要重新共建，这影响了整个系统的可用性。”谢黎明称。

王浩表示，江南农村商业银行选择存算分离架构，主要是出于可靠性、灵活性、经济性三个方面的考量。

“硬盘的损坏率一直居高不下。如果大规模部署本地硬盘，随着时间的推移之后，硬盘的故障率会非常高，就会对我们的运维成本带来极大的挑战。在存算一体的架构下，更换硬盘一定会对上层的数据库产生影响。存算分离通过共享存储，利用高可用性隔离硬盘故障对数据库的影响。”王浩说。

在存算分离的架构下，江南农村商业银行把计算节点从原来的物理机改造成了虚拟机，并进行大规模应用，提高了系统的可靠性。

“以前一台物理机出现硬件故障，比如CPU内存损坏了，即使有备件立马更换，起码要花一个小时、半小时。在存算分离的架构下，我们把计算节点改成虚拟机后，业务故障能更快速地恢复，保证了业务连续性。而且这降低了服务器成本。对中小行而言，‘物理机+本地盘’的方式，采购设备、机房建设等成本是挺大的挑战。”王浩称。