数据库走向 AI 原生

数据库这门技术相当古老。它的理论框架是 70 年代 IBM 实验室搭起来的，半个世纪没怎么动过。

过去这五十年，应用形态怎么变、查询量怎么涨、并发请求怎么飙，数据库的“用户”一直是个没人讨论过的默认角色：程序员、数据分析师、BI 工具。

这个默认设定影响了数据库的演化路径，没人挑明过。

到了 2026 年，几家中国主流数据库厂商几乎同时开始重新定义这个问题。

1 月，阿里云在 PolarDB 开发者大会上喊“AI 原生数据库是技术演进的必然方向”；

4 月达梦在北京发布 DM9，把“边界”作为关键词：AI 可以辅助，但不能影响 TP 稳定性。

5 月 29 日，腾讯云给出第三种答案。它直接把数据库面向 Agent 重新设计一遍，并把这次转向称为数据库行业的“AI 原生 3.0 时代”。

一、新的“用户”：当数据库面向 Agent

竞争的重心开始偏移。

腾讯云数据库副总经理罗云在发布会后的群访中讲得很直白：过去数据库的用户是程序员、BI 分析师，是面向人做确定性查询；未来数据库要面向 Agent，让数据被成百上千个 Agent 使用。

背后是 Agent 时代下三个新需求：

第一是Branch。

AI 编程场景里，Agent 频繁创建测试数据库、运行后回滚。腾讯云 TDSQL-C 的 Branch 能力让 1TB 数据库从过去小时级复制压缩到秒级“分叉”，每个 Agent 都能拿到一套与线上一致、彼此隔离的环境。

第二是版本管理。

Agent 任务常常“用完即逝”，但长任务出现分支、合并、回滚需求时，数据库要能快速回到某个历史时刻。这种类似 Git 的“时间机器”能力，过去并不在数据库的职责范围里。

第三是权限分层。

多 Agent 协作时，主 Agent 能不能给 Sub Agent 授权是高频需求。罗云的类比很直观：“就像一个公司里你是头号负责人，如果你请假了，得有另一个人来上班。”

这些需求加在一起，数据库的竞争核心正在从卷性能转向卷对 Agent 的友好度。

二、“团队记忆”：Agent 时代数据库的新底层能力

用户对象变了只是表象。真正卡住 Agent 的是长期记忆问题。

Agent 的长任务成功率一直被一个隐形的瓶颈拖累：上下文窗口有限，跨会话的状态会丢失。腾讯云这次新发的 Agent Memory 试图正面解决这个问题，把数据库从无状态计算的后台拉到了有状态记忆的基座上。

Agent Memory 的设计分三层：短期记忆压缩负责单次会话内的上下文管理；长期记忆沉淀让 Agent 跨会话保留关键信息；团队记忆组织化面向多 Agent 协作场景，把记忆在团队维度上结构化共享。

官方公布的数据是长任务成功率提升 30%，Token 成本最高节省 60%；在公开的 PersonaMem 评测集上，长期记忆得分从 48% 提到 76%。开源版本上线一周 GitHub Stars 突破 4000。

罗云在群访中拆解了背后的工程实现。记忆被组织为 L0 到 L3 四层文件：L0 记录每次会话的原始信息，L1 拆解为原子化的事实片段，L2 异步聚合成场景 block（比如某人的运动状态、饮食习惯），L3 沉淀为个性化特征（人设、偏好）。L0 和 L1 通过向量加 BM25 检索召回，L2 通过渐进式披露按需加载，L3 作为 session prompt 的一部分强注入。

这套设计的微妙之处在于，它同时面向人和 Agent 设计。文件形式方便人阅读，向量索引和渐进式披露方便 Agent 调度。这正是腾讯云这次团队记忆概念的工程落点。Agent 开始像组织一样工作，数据库也必须跟上。

三、AI 不只是外挂：数据库内核本身被改写

过去两年大多数数据库的 AI 能力是“加外挂”，外面接一个向量库，外面跑一个大模型，外面的工具做点 RAG。腾讯云这次的不同是把 AI 能力向数据库内核推了一推，结果是三个具体变化：

慢 SQL 顽疾被混元大模型接手。腾讯云把混元引入数据库优化器，把慢 SQL 的平均时延砍掉 60% 以上，CPU 和内存占用同步下降。

弹性扩容开始带预测能力。基于 Transformer 的预测式弹性，能对周期性流量做时序预测，在高峰来临前亚秒级生效，全程零抖动。

DBA 的经验开始 Skill 化。腾讯云基于 OpenClaw 框架推出 DatabaseClaw，把 10 万级 DBA 工单沉淀的真实排障 SOP 沉淀为可复用 Skill。一个 Agent 即可统一覆盖 14 款数据库产品与 1600+ OpenAPI。

DBA 这个角色不会消失，但能力载体发生了迁移，从个人经验到可调用的 Skill 库。数据库自治从概念走到了工程。

四、走向 AI 原生：数据库的第三个时代

腾讯云副总裁王义成把数据库行业的历史划成三段。

1.0 是互联网时代，把线下数据库搬到云上。这个过程从 AWS 算起已有 20 年，但云原生数据库占比至今仍未过半壁江山。2.0 是国产替代时代，市场驱动，本质没改变数据库的技术内核，关键词是稳和性价比。3.0 是 AI 原生时代，应用范式变了，底层架构不得不变。

三家中国主流数据库厂商的差异，在这个三段论里被放大：

达梦讲边界，AI 辅助运维，但不能影响 TP 稳定性。核心动作是 DM9、PAI V2.0、启云 V4.0，关键词是稳健。

阿里云讲路径，先 AI 就绪，再 AI 原生，“现在没有人做到了真正的 AI 原生”。核心动作是 PolarDB 加 Lakebase 加模型算子化，关键词是折中。

腾讯云讲用户，用户对象变了，所有产品要按 Agent 重新设计。核心动作是 Agent Memory 加 DatabaseClaw，关键词是激进。

这三种路径在争夺的不只是技术叙事，还有 AI 原生这个产业概念的定义权。

3.0 不是 2.0 的延伸，而是一次范式转移。在这场转移里，谁能率先让 Agent 真正用得起数据库、谁能让数据库的成本结构跟得上 Token 化的算力经济，谁就拿到了下一个十年的入场券。

算力账是一个不遥远的参照。腾讯云在采访中透露，3B 参数量的小模型在大量 Agent 场景下够用，随着注意力机制和推理加速的进步，Token 成本在三到五年内会持续下降。

这意味着数据库厂商必须同时回答两个问题：能不能支撑更大规模的 Agent 负载，以及 Token 化的算力账能不能算得过来。

数据库竞争的核心，正在从卷性能切换到卷对 Agent 友好度、卷对记忆与组织的支持、卷对算力经济账的适应力。

当 Branch、团队记忆、DBA Skill 化这些新维度被列入产品清单时，AI 原生就不再是营销话术，而是一项项可验证的工程能力。