AI Infra：面向 Agent 的数据库演化路径及投资机会

数据基础设施正在从“描述世界”转向“Agent 理解世界并在其中行动”，数据库作为 Data Infra 的核心组件，也在经历从传统架构向 Agent 时代的转型。

核心不是数据形态，而是 Data → Knowledge → Context → Decisions → Actions → Feedback 的闭环。

一、整体演化：从 “面向报表” 到 “面向智能体”

阶段	传统数据仓库（DW）	数据湖（DL）	Lakehouse / 现代云数据库	Agent 数据基础设施（Data for AI）
基本诉求	报表、决策支持	低成本存储所有数据	事务+分析统一	让智能体实时感知世界、行动
数据形态	结构化、整洁表格	半结构/非结构	Parquet、Delta	文本、embedding、事件、Context Graph
计算模式	ETL 批处理	ELT、流+批	流批一体、向量/列式	检索增强、向量+图+流
元数据	静态业务字典	Schema-on-read	活跃元数据	语义元数据、知识图谱、上下文路由
AI 角色	无	辅助训练	模型训练、近实时分析	AI = 数据消费者 + 数据生成者
核心瓶颈	数据生产慢、不可自服务	混乱、难治理	成本、复杂度	数据语义化、自动质量、反馈回路

演化不是替代，而是层层叠加，同时也是从被动“pull”到主动“push”的交互：
DW → DL → Lakehouse → Agent-native Data Infra

二、核心驱动力：Data for AI 的三大需求

Agent时代的数据基础设施必须解决旧范式做不到的三件事：

2.1 实时性

模型必须对“当下”敏感：

用户状态（意图、偏好、最近行为）
环境状态（库存/价格/设备状态）
世界状态（新闻、交易、监控流）

要求：流式处理、事件存储、增量特征、Online Feature Store

2.2 语义化

AI 需要的是 meaning，不是以 SQL 出现的操作：

结构化数据 → 语义 embedding
原文档/网页 → chunk / node / graph
关系 → Knowledge Graph / Ontology
Query → 意图、任务、Agent Plan

要求：向量库 + 文档库 + 图数据库 + 元数据系统联动（一个“语义层”）

2.3 反馈回路

Agent 不只是“读数据”，还会“写数据”：

生成计划、执行工具、读写用户偏好
评估结果 → 自动改进（RLHF/RLAIF）
修正知识库、更新记忆、更新工作流节点

要求：有版本、可追溯、可回滚、可学习的数据系统（类似 Git+数据库，每一次数据“快照”都有意义）。

三、为什么旧的数据基础设施不能支撑 Agent

3.1 数据仓库的假设完全不适用于 AI

旧假设	Agent 时代现实
数据 schema 先定义好	数据语义动⽽不是表结构先行
每天跑一次 ETL 足够	agent 需要秒级更新
“事实表 + 维表”足够描述业务	agent 需要过程、状态、上下文、非结构化
主要场景是 BI	主要场景是决策、生成、计划
人看报表	AI 读+写+理解+行动

核心区别是数据的消费者变了：

数据仓库是 for humans
Agent infra 是 for machines

这一变化深刻影响着 Data Infra，催生众多工具，如面向 Agent 的浏览器等。

3.2 数据湖能满足 AI 的一半需求

数据湖的问题是“存储一切”，但不是“理解一切”。

数据非结构导致 难语义化、难检索、难治理
文档碎片化，没有 Context 路由
回答问题需要 lineage + 意图理解
无向量索引，无语义层

3.3 Lakehouse / 现代数据库不够好

以 Snowflake / BigQuery / Databricks / SingleStore / ClickHouse 为代表：

支持流批一体，避免时延
支持半结构 JSON、Parquet
支持向量索引、UDF、模型托管（如Snowflake Cortex）
更好的元数据治理和 Catalog

但仍然缺少：

语义层
Agent Memory
自动反馈回路

核心区别：

现代数据库能做的是：AI-ready
Agent 想要的是：AI-native

四、以数据库为核心的 Agent 时代数据基础设施完整组件

核心概念是从“为人提供洞察”变成“为机器提供行动能力”，是一整套工具链

4.1 Data Sources

业务数据库、事件流、文件、API、IoT、应用日志…

4.2 Data Fabric

流批一体（Kafka, Redpanda）
Change Data Capture（Debezium, StreamZero）
Embedding Pipeline（文本、视频、表格）

4.3 Data Lakehouse

存储结构化 + 半结构化：Delta、Iceberg、Hudi
用于：

真相源（source of truth）
训练数据
版本化数据

4.4 语义层（核心差异）

构成 Agent 时代的灵魂部分：

向量数据库：Milvus, Weaviate, Qdrant
知识图谱 / Graph DB：PuppyGraph, Nebula, FalkorDB
Context Graph / Context Store：Zep, Prometheus
语义 Catalog：LLM 生成的元数据、标签、质量评估

语义层建立“可被 AI 消化”的世界结构。

4.5 Agent Memory 系统

又可以细分三层：

短期记忆（STM）：上下文窗口 / RAG / Retrieval
中期记忆（working memory）：Agent Plan / 工具链执行轨迹
长期记忆（LTM）：用户档案、偏好、人物模型、长期任务

优秀代表：Zep, Prometheus

4.6 决策与规划层

LLM → Planner → Tool selector
Task Graph / Worklets
业务规则和安全策略

4.7 Feedback Loop

Agent 执行 → 评估 → 写入：

修正知识库
更新 embeddings
写入用户画像
自动生成数据质量标签
RLHF/RLAIF 训练反馈

五、与数据库架构演化并行的投资与并购

5.1 Databricks 收购 Neon

Databricks，于2025年5月14日宣布收购 PostgreSQL 生态公司 Neon，战略意图是提供一个开放、serverless 的数据库基础，专供开发人员和AI代理使用。Neon的内部数据显示，在其平台上配置的数据库中，有五分之四（超过80%）是 Agent 自动创建的。

5.2 Snowflake 的企业级AI数据云战略

5.2.1 收购 Neeva：整合生成式AI搜索能力

2023年5月以1.85亿美元收购专注于隐私的搜索初创公司 Neeva。核心价值在于将Neeva的生成式AI搜索技术引入Snowflake的数据云。

5.2.2 收购 Crunchy Data：确保企业级合规性

2025年6月以约2.5亿美元的价格收购 PostgreSQL 生态云服务提供商Crunchy Data。

5.3 EDB 收购 2ndQuadrant

EDB（EnterpriseDB），作为 PostgreSQL 的主要贡献者之一，于2020年9月30日宣布收购全球PostgreSQL解决方案公司 2ndQuadrant。

5.4 Supabase 完成1亿美元的E轮融资，公司估值达到50亿美元

2025年10月完成1亿美元的E轮融资，公司估值达到50亿美元。该轮融资由 Accel 和 Peak XV 领投。

上面的投资和并购，都是 PostgreSQL 生态的（其实还有pgEdge获得投资），是因为在海外 Postgre 生态非常健康，有大量的企业数据（作为TP使用）跑在上面。AI 为了获取这部分数据，最简单的方式就是通过扩展插件来实现分析（AP）任务和更强实时性的任务。国内略有不同，MySQL 的占比更高，因此兼容 MySQL 生态有更大价值。

5.5 OpenAI 的数据库投资

2024 年6月，OpenAI 收购了 Rockset，目的也是 Rockset 的“实时分析+向量检索＋索引”能力
OpenAI 的 CPO，Kevin Weil，作为天使投资者参与了 Supabase 最新一轮融资

六、中国国内数据库市场的投资机会

核心关注点是谁能帮助企业做到 “AI-ready”，并走向 “AI-Native”，包括两步：

传统数据库改造迁移
单一数据到多模态数据

6.1 HTAP 路线

把 MySQL、PostgreSQL、Oracle 的交易型数据，转化为分析型数据，重点考察工具链成熟度和去 ETL 能力

6.2 多模态路线

图数据库、向量数据库、时序数据库、多模态数据库厂商的故事会更难一点，考虑能在传统的数据湖仓之上，直接搭建图、向量等的技术路线

6.3 数据平台路线

具备底层技术能力的数据平台团队，通常估值很高，可以主动发起并购，合并高创新性的小团队

标签：infra, ai