为Agent重构数据底座：腾讯云数据库打出湖库一体关键“王牌”

当8000万个智能体活跃在2026年，预计23亿个智能体将在2030年涌向生产环境，数据库厂商手里 “这把牌”该怎么“打”？什么样的数据库才配得上Agent时代？

在腾讯全球数字生态大会-AI原生数据库专场上，腾讯云副总裁王义成给出的判断是：Agent 正在成为数据库最大的新“用户”！用户变了，一切都得跟着变。所以满足未来需求的数据库，不是一次版本升级，而是一次从底座到接口的重构。

腾讯云副总裁王义成

在王义成看来，Agent 正在从实验室走向生产，但真正卡住落地的，往往不是模型能力，而是数据底座。面向 Agent 的负载特征，比如：高频读写、长会话状态、多租户隔离、弹性伸缩等，传统数据库架构显然能力不足。围绕“为 Agent 重构数据底座”这一时代命题，腾讯云数据库做出了新的战略选择，其中 TDSQL Nexa Lakebase被视为开启Agent新未来的一张关键“王牌”。

真实痛点逼出Lakebase “一体化”这条路

Lakebase“湖库一体”概念最早由Databricks提出。它并非新型数据湖，也不是将传统数据库横向打通后做新的扩展，而是着眼于将Agent推向生产，重新思考企业数据应如何被存储、计算、接入和管理。

正如腾讯云数据库副总经理梁辰所言，数据库只有演进出真正AI原生的能力，才能跟上业务发展的新模式，支撑好企业的AI转型。传统数据库只需存得稳、查得快；如今则要变得更加AI friendly或Agent friendly，才能满足业务需求。

从AI 落地的两大主流方向来看，不外乎两大场景：

第一，泛AI 训练场景。在模型算法差异化越来越小的现状下，训练数据飞轮成了模型公司的核心竞争力。但现实情况是：多模态数据价值挖掘难、元数据/标签/语义向量/合规信息分散在多个系统、智驾场景每天流入对象存储的数据达百 TB、特征样本的圈选与发现难。

第二，企业RAG 与智能服务场景。企业多年积累的业务数据、文档、邮件、会议录屏等，数据散落各处，缺乏统一语义体系，同一个概念在不同系统里叫法不同。当企业开始做AI提效时，这些问题就凸显了出来。Agent 和人不同，它没有多年的经验与记忆，容错能力也弱，想让它正确执行业务，首先得让它准确理解业务。

这两个痛点指向同一个病灶：系统太多、数据太散、语义太乱。传统做法是每个模态建一套系统，再靠同步链路缝合，维护成本高，时间周期长，同时融合计算还得在业务层自己做，加大了整个数据链路的复杂性。

TDSQL Nexa Lakebase在架构上的革新是，把Agent的所有需求收进一个体系：底层用对象存储汇聚结构化、半结构化和非结构化数据，以 Iceberg/Lance 等开放表格式承载海量原始数据和加工产物；中间用“可插拔”的多种异构引擎（宽表、搜索、分析、AI 计算）各建各的索引；再用 NTS 实时同步引擎和智能编排路由层，对外提供“逻辑表”的统一抽象。

在存储层，Nexa Lakebase以对象存储为统一底座，汇聚所有类型的业务数据。同时，通过GooseFS分布式缓存做针对性加速，尤其针对Lance格式强索引、细粒度召回的访问模式做了深度优化，缓存利用率大幅提升，读取性能直接提升一个数量级。

在计算层‌，采用“可插拔”的异构引擎设计，不同引擎既可以独立对外提供服务，也可以内部打通组合使用。宽表引擎支撑海量训练数据的特征存储，搜索引擎提供全类型索引与量化算法组合，支持大规模混合检索并随负载弹性扩展；分析引擎基于MPP分布式计算框架和向量化执行模式，压榨计算资源实现海量数据的实时分析。

‌得一提的是，NTS实时同步引擎‌，是整个架构的核心枢纽，既可以将外部各类业务数据源同步到Nexa内部的对象存储中，也可以将内部宽表引擎的数据实时同步到分析或搜索引擎，实现同一份数据面向不同查询模式的自动适配。同时，它还支持联邦纳管能力，不需要将数据迁入Nexa存储，就可以直接挂载外部数据源，完成统一查询处理。

‌而更上层的AI计算引擎‌，是在开源Ray框架的基础上构建，大幅提升了弹性、容错、可观测与可运维能力，支撑各类AI算子的高效执行与多模态数据的加工处理，让业务团队不需要投入精力维护底层算力集群，只专注于算法本身的优化。

‌接入层，也就是智能编排路由层‌，作为用户与Agent感知的统一入口，将底层多引擎、多源数据抽象为统一的逻辑表。用户只需要通过DDL即可完成表结构定义，后续使用过程中完全不需要感知数据的多源分布，系统会通过自研的多模态感知分布式优化框架，自动决策数据的读取与执行路径，大幅降低使用心智，让Agent专注于业务逻辑本身。对外兼容SQL、HTTP、MCP等标准协议，无缝适配各类应用生态。

‌顶层企业数据智能服务，是面向业务的SaaS层，其中Knowledge模块提供语义构建与理解能力，Studio、Trace、Catalog分别覆盖开发调试、观测诊断、血缘追踪与权限管理，贯穿整个数据栈的开发、运行与治理全流程。

整体来看，腾讯云数据库给出的湖库一体架构，最值得深思的部分是“可插拔”和“逻辑表”这两个设计方向。它从侧面反应了一个事实——没有一个引擎能解决所有问题，关系型就该建B+树索引，向量检索就该建向量索引，但它同时用统一入口把这层复杂性给藏了起来，让 Agent 只感知一张表、一条 SQL，最终做到“管得住、找得到、算得动、能协同。”

Boundless让 Agent “接得住、退得出”

如果说TDSQL Nexa Lakebase做到了让 Agent“管得住、找得到、算得动、能协同”，那么TDSQL Boundless则从底座层面解决了各种负载问题，真正做到“降得下，弹得起”。

腾讯云数据库研发总经理潘安群，分享了两个重要变化：一个是，数据形态急剧分化。随着AI的快速发展，企业的业务形态和数据体系正在急剧分化，彻底打破了过去以分析型数据库为绝对主导的时代格局。之前，类似于图片这种非结构化数据的处理仅局限于专业场景、由特定人员完成；现在，直接在Agent内上传图片、截图交由AI应用自动处理，已经成为普遍的操作习惯。这意味着，数据形态的边界被彻底打开，多模态数据处理彻底脱离传统关系型数据库、简单问答式单一框架。另外一个是，膨胀的数据规模。当前PB级数据库产品单日可生成2万个实例，其中绝大多数实例的日访问量仅为数百次，这对数据库底座提出了全新的核心要求：既要在低负载场景下极致压缩资源成本、降低用户付费门槛，又要在流量爆发时实现秒级弹性扩缩容，适配突发的业务增长。

Boundless作为统一数据存储底座，可以纳管五大核心引擎：第一，宽表引擎。在今年推出，基于动态列架构进行设计，支持上万列超宽表。第二，语义检索引擎。构建多类专属索引，分布式架构支撑超大规模文档。第三，列存分析引擎。完全云原生，数据存放在COS，基于Iceberg开放标准，上层跑自研计算引擎，兼容Spark等主流框架。第四，事务引擎。ACID全局事务，支持多组并发写入场景，单行操作完全原子化。第五，向量引擎。基于HNSW索引实现混合召回，通过精细的量化策略在不损失召回率的前提下，大幅降低超大规模向量场景的内存占用。

Boundless的核心原则是：1）所有形态数据都是一等公民，六种多模态数据，共用一套事务与元数据；2）一体化不是简单拼装引擎，而是统一元数据管理、不搬迁数据，支持混合召回与联合分析，在同一个内核里完成；3）不仅要存得下，更要低成本，热数据在本地、冷数据在对象存储，成本约为本地盘的 1/8。让AI业务早期低成本试错，爆发时弹性扩容承接增长。

让Agent走向生产，让数据库走向全球

王义成在开场分享中给出的“Agent进入生产环境”三条标准，这也是这场数据底座重构征程中真正的“验收线”。

首先，要接得住。峰值来临数据库不崩，RTO 有保证，脉冲流量下数据一致性守得住；其次，要管得住。从人变成 Agent 后，每次读写可审计、可追溯，越权可即时封禁；其三，要退得出。出错能马上回滚，数据可隔离，故障分钟级恢复。

把腾讯云数据库的最新动态串起来看，这一年的动作可以浓缩为两件事：第一，把数据库重构成Agent需要的数据底座；第二，把这套能力逐渐铺向全球。

从王义成的这段总结来看，虽然腾讯云数据库的底座重构之路，没有“颠覆”，也没有“开启新纪元”这样的字眼，但从笔者的了解来看，这种“平实”话语背后恰恰藏着大招。

第一个判断是：如果一家公司用“两件事”来概括它一整年的努力，说明这两件事都不好干。尤其是第一件：把数据库重构成Agent需要的数据底座。关键词不是“重构”，是“Agent需要”。数据库干了五十年，服务对象一直是人。人写SQL，人调接口，人看结果。现在突然要伺候一个不会写SQL、不懂业务黑话、还动不动就脉冲式爆发几万个实例的“新用户”，其难度可想而知。

说白了，这活儿，不是轻易攒个“箩筐”就能承载的。国产替代那几年，数据库行业的主线很清晰，兼容、迁移、进核心系统，大家朝着同一个方向跑。但Agent这件事，方向还没人“画出来”。你问十家厂商，十家都说自己在做AI原生数据库，但你追问一句“Agent到底怎么用你的库”，能说清楚的不多。腾讯云这次等于把话说到了点子上：接得住、管得住、退得出。

更让人感到意外的是，腾讯云数据库在出海这条路上，也已经硕果累累。出海数据上，28个全球可用区，业务覆盖12个国家和地区，近5000家出海和本地客户……这组数字说明，客户用腾讯云数据库是放心的。国产数据库出海比的不是价格，是合规和信任。

至此，我们不难发现：腾讯云的“王牌”其实不止一张。Nexa Lakebase管“看得懂”，Boundless管“用得起”，TDSQL-C管“开发环境即开即用”，TencentDB Agent Memory管“上下文与记忆”，像是Agent的智能中枢，而TencentDB Agent则提供一个智能运维环境，让Agent看得见问题、够得着根因，“答得准、接得住、用得放心”。

但牌多，不代表能赢。Agent走进生产这件事，腾讯云把时间表压得很紧，至于这个判断对不对，看看有多少企业的Agent真跑在他们的库上，就知道了。腾讯云披露：过去一年，Agent 创建的腾讯云数据库（TDSQL-C）实例日均超过2万个，增速超过80倍，活跃实例突破100万个。