过去，企业建设数据平台时，最关注的是一个问题：

如何让数据分析更快、更稳定、更便宜。

进入 AI 时代后，这个问题正在升级。

数据平台不再只是支撑报表、BI 和交互式分析的系统，而是逐渐成为智能应用的运行底座。模型需要从数据中获取上下文，Agent 需要实时访问业务状态，应用系统需要在毫秒级或秒级完成检索、分析和反馈。

这意味着，企业数据基础设施正在从“分析型平台”走向“智能型平台”。

SelectDB 面向这一趋势的产品演进，可以概括为一个方向：

让企业在统一的数据底座上，完成实时分析、混合检索、AI 可观测、多模态处理与 Agent 访问。

一、AI 正在改变数据平台的核心负载

传统数据平台的主要使用者是人。

分析师写 SQL，业务人员查看看板，数据工程师建设数仓模型。系统优化的重点，通常是查询性能、导入效率、存储成本和并发能力。

但 AI 应用普及后，数据平台的使用方式变得更加复杂。

一方面，数据消费者从人扩展到模型、Agent 和在线应用。它们访问数据的频率更高，对响应速度更敏感，也更依赖实时上下文。

另一方面，数据形态也在快速变化。除了结构化表数据，企业正在产生大量 JSON 日志、事件数据、文本内容、向量数据以及图片、音频、视频等多模态数据。

这使得企业不能再用多套割裂系统分别解决问题：

这种架构在早期可以快速满足单点需求，但在 AI 场景下会逐渐暴露出链路复杂、数据重复、实时性不足、治理困难和运维成本高等问题。

AI 时代的数据平台，需要更统一。

SelectDB 的产品方向，正是围绕这一变化展开：用一套统一架构承载多种负载，让企业能够在同一份数据上完成分析、检索、治理和智能应用构建。

二、半结构化数据成为 AI 应用的关键资产

AI 应用会产生大量过程性数据。

例如，Agent 的任务规划、工具调用、模型输入输出、用户反馈、推理链路、异常行为、上下文检索记录等，通常都以 JSON 或类似半结构化形式存在。

这些数据价值很高，但处理难度也很高。

它们的字段经常变化，结构可能深度嵌套，不同业务、不同模型、不同 Agent 产生的数据格式也不完全一致。如果仍然采用传统强 schema 建模方式，企业往往需要投入大量人力做字段拆解、宽表建设和链路维护。

SelectDB 在这一方向的重点，是让半结构化数据既保持灵活性，又具备接近结构化数据的分析效率。

面向 AI 场景，SelectDB 将持续增强：

这类能力背后的产品价值，是帮助企业把 AI 应用运行过程中的复杂数据沉淀下来，变成可分析、可追踪、可优化的资产。

在未来，AI 可观测性会成为企业建设智能应用的基础能力。企业不仅要知道系统有没有报错，还要理解 Agent 为什么做出某个决策，模型调用链路是否合理，工具使用是否异常，以及哪些行为模式可能带来安全风险。

SelectDB 希望成为这类 AI 可观测数据的统一分析底座。

AI 应用对“查数据”的理解，已经不同于传统 BI 场景。

过去，查询更多是基于明确条件的过滤与聚合。例如查询某个时间段的订单量、某个用户群体的留存率、某个业务指标的变化趋势。

但在智能应用中，系统经常需要回答更复杂的问题：

它可能既要精确匹配关键词，又要理解语义相似性；既要从文本中召回相关内容，又要结合结构化字段做过滤、排序和聚合；既要检索向量数据，又要回到业务表中分析结果。

这让全文检索、向量检索和结构化分析之间的边界逐渐模糊。

如果企业继续分别建设搜索引擎、向量数据库和分析数据库，就需要在多个系统之间同步数据、拼接结果、处理一致性和权限问题。随着 AI 应用规模扩大，这种复杂度会迅速上升。

SelectDB 的思路，是让混合检索与实时分析在同一平台内完成。

企业可以在统一 SQL 体系下，将结构化过滤、全文检索、向量召回、语义打分、TopN 排序和聚合分析组合起来，减少系统拆分带来的成本。

例如，在知识库问答、智能客服、风控分析、内容推荐、日志排障等场景中，企业往往既需要语义召回，也需要业务条件过滤和结果分析。统一平台可以让数据链路更短，结果更实时，治理也更一致。

面向更大规模场景，SelectDB 将继续提升向量索引、检索性能、索引更新、向量压缩、TopN 查询优化和湖上检索能力，让企业在统一数据平台上承载更复杂的 AI 检索负载。

四、多模态数据处理会成为新的基础能力

随着 AI 应用深入业务，企业需要处理的数据不再只是表格和文本。

文档、图片、音频、视频、网页、截图、工单附件、会议记录等，都可能成为模型和 Agent 的输入。它们需要被解析、切分、向量化，并与结构化业务数据关联起来。

这意味着，数据平台需要具备更完整的数据处理链路，而不是只负责存储查询最终结果。

SelectDB 面向多模态场景的演进重点，是降低企业构建 AI 数据链路的复杂度。

未来，企业可以基于 SelectDB 完成：

这样一来，SelectDB 不只是最终分析结果的查询引擎，也可以成为 AI 应用数据准备和检索增强链路中的核心平台。

对于企业而言，这意味着更少的数据搬迁、更短的处理链路，以及更统一的权限、治理和运维体系。

五、Agent 需要一个可理解、可治理的数据层

AI Agent 的出现，对数据库提出了新的要求。

过去，数据库默认服务于懂业务、懂表结构、懂 SQL 的人。但 Agent 在访问数据时，需要系统提供更多上下文。

如果缺少这些语义信息，Agent 很容易生成不准确的 SQL，或者在错误的数据上下文中做出判断。

因此，面向 Agent 的数据平台，不能只提供查询接口，还需要提供语义层、元数据、权限边界和业务定义。

SelectDB 将围绕这一方向持续增强：

长期来看，数据库会从“被动执行 SQL 的系统”，逐渐演变为“能够被 Agent 理解和调用的数据服务层”。

SelectDB 希望帮助企业构建这样一层可靠、统一、可治理的数据基础设施。

六、云原生与湖仓一体仍然是企业级落地的基础

AI 负载带来的不仅是新能力需求，也会放大底层系统能力的重要性。

当数据规模变大、并发请求增多、负载类型混合之后，平台是否稳定、是否弹性、是否容易扩展，仍然决定了 AI 应用能否真正进入生产环境。

SelectDB 会继续在三个基础方向上演进。

面向复杂 SQL、半结构化分析、混合检索和大规模任务，系统需要持续提升性能、兼容性、资源管理和查询可观测性。企业不仅要跑得快，也要在高并发和资源受限情况下跑得稳。

面对超宽表、大规模 Tablet、冷热数据分层和云上弹性资源，SelectDB 会持续优化缓存策略、数据布局、元数据管理和存算分离架构下的读写效率，帮助企业在成本和性能之间取得更好平衡。

越来越多企业将 Iceberg、Paimon 等开放湖格式作为统一数据湖底座。SelectDB 将继续增强湖上查询、湖表管理、开放 Catalog、权限治理和生态集成能力，让企业在不迁移数据的情况下，也能获得高性能分析与统一治理体验。

这些底层能力看似不如 AI 能力显眼，但它们决定了智能应用是否能够大规模、低成本、稳定地运行。

结语：AI 时代需要统一的数据基础设施

AI 正在让企业重新思考数据平台的边界。

过去，数据平台主要回答“发生了什么”。

现在，它还要支撑“为什么发生”“接下来可能发生什么”“系统应该如何行动”。

这要求数据基础设施同时具备分析能力、检索能力、实时能力、半结构化处理能力、多模态处理能力以及面向 Agent 的语义服务能力。

SelectDB 的产品演进方向，正是围绕这些变化展开：在统一架构下承载企业 AI 时代的复合数据负载，帮助企业减少系统割裂，降低数据链路复杂度，并更快地从数据中获得洞察。

SelectDB 希望成为这一新阶段中，企业构建智能数据平台的重要底座。

过去，企业建设数据平台时，最关注的是一个问题：如何让数据分析更快、更稳定、更便宜。

Agent 时代，数据底座应当如何演进？

大数据

数据库

云计算

AI时代数据平台正从分析型向智能型演进，SelectDB以统一架构承载实时分析、混合检索、半结构化及多模态处理，支持Agent访问与AI可观测性，帮助企业降低链路复杂度，构建高效智能数据底座。

向量数据库

结构化数据

数据管理

数据治理

数据处理

数据分析

云原生

数据湖

Agent

JSON

2026上云采购 | AI焕新·智启新局

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

Agent 时代，数据底座应当如何演进？

Agent 时代，数据底座应当如何演进？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐