9月22日，2026云栖大会技术主论坛上，阿里云智能集团研发副总裁、数据库产品事业部负责人杨辛军发表题为《让 Agent 更具生产力，智能体时代的数据底座全面升级》主题演讲，并宣布推出 Agent Context 与 ApsaraLakebase 两大重磅新品。面向企业级 Agent 的规模化落地，重构从多模态数据存储、实时上下文工程到 Data Agent 平台的全链路数据底座。

据悉，过去1年阿里云RDS PostgreSQL的新增实例数量，已环比增长超过400%+。其中，约 80%新增实例由 Agent 所创建，输入输出流量中约 50% 由 Agent 交互和驱动。这些变化意味着，越来越多的数据库，不再由人类创建，而是由智能体自主完成。当Agent成为数据库的主要用户，数据底座该如何重写？

杨辛军表示，让 Agent 更具生产力，Data + Agent 才是更牢固的组合。Agent的能力不止一面 —— 从推理决策到工具调用，从个性化服务到企业级落地，每一种能力最终都要落到数据上。企业的数据越来越成为Agent的Context, 不同的数据Context 决定了Agent 能力、深度和广度。

通过对数据存储服务层、数据引擎内核层以及Data Agent 生态链进行系统性升级，阿里云数据库已全面升级为“支撑 Agent 行动与进化的生产力底座”。

↑ 图：阿里云智能集团研发副总裁数据库产品事业部负责人 杨辛军

ApsaraLakebase：一份数据、多模统一，打造Agent Native的数据底座

过去，数据库主要服务于人类用户。人的操作往往谨慎而低频：建一个实例、改一条数据、跑一次分析，每一步都要确认权限、环境和影响范围。但 Agent 的使用方式完全不同，它可能在一次任务中同时拉起成百上千个实例，用不同路径试错。也可能刚写入一条数据，就立刻要求分析系统在毫秒级内给出反馈。更棘手的是"Agent规模"带来的成本，一个企业级应用背后，往往会有几十上百个 Agent 同时运行。如果每个Agent独占一个数据库实例，成本将成倍蹿升。

针对这一痛点，阿里云重磅发布 ApsaraLakebase，这是面向 Agent 规模化运行而设计的新一代多模态数据底座，为海量 Agent 提供持久化工作空间。每个 Agent 可拥有独立视图和隔离环境，底层共享存储避免成本随 Agent 数量线性膨胀；通过沙箱热池、Serverless 弹性和 Scale to Zero，Agent 可以在需要时快速唤醒，在空闲时释放计算资源。通过 Copy-on-Write 数据分支，Agent 能够基于同一份底数派生独立分支，进行探索、试错、回滚和销毁，而不污染生产数据。

ApsaraLakebase 的核心设计，是以“一份数据、多种引擎、统一治理”的架构，同时接住 Agent 的训练和推理数据。它基于云原生共享底座构建，以对象存储为单一事实数据源，数据只存一份。ApsaraLakebase 支持 Lance、Apache Iceberg、Apache Paimon 等开放数据格式，叠加缓存、引擎、语义与接口能力，让结构化数据、非结构化文件、向量索引、图关系和上下文记忆在同一套体系内流转。数据不再需要在数据库、数据湖、数据仓库和对象存储之间反复搬运，真正实现"数据不搬家，一次入湖，处处可用"。

头部基模厂商昆仑万维的Agent平台深度应用了 ApsaraLakebase，构建可快照、可共享的弹性存储底座。平台为每个 Agent 分配独立云端沙箱，自主写代码、跑应用、交付成果，一举破解了沙箱成本高、万级并发与状态恢复3大瓶颈，支撑海内外 300万+ Agent 的独立工作空间、10W 级并发连接峰值，深度睡眠后沙箱拉起挂载 P99 达秒级。

ApsaraLakebase 以 PolarDB 承载元数据管理，解锁强大的 Agent-Native 能力：毫秒级快照初始化免拷贝数据，对话粒度 Branching 让中断任务断点续跑，多级缓存优化小 IO 读写，子目录与租户级 Quota 保障多租户隔离，运行时动态挂载切换预热 ECI 支撑高并发算力池复用，海量廉价底座配合 TTL 治理承接 Agent 脉冲式负载。会话记忆统一入库、向量与全文混合检索，更让上下文跨任务高效复用。

围绕 ApsaraLakebase，阿里云数据库还进一步强化软硬协同能力。通过 CXL 内存池、自研持久化内存 AliSCM、Smart SSD 与 QLC 等软硬一体技术，数据库在内存、存储和 I/O 层持续突破资源效率边界，为 Agent 高并发、短生命周期、脉冲式任务提供更低成本、更高弹性的底层支撑。

Agent Context：让知识持续生长，让Agent越用越懂业务

如果说 ApsaraLakebase 解决的是“Agent的数据放在哪里、如何低成本运行”，那么Agent Context 回答的就是另一个关键问题：“Agent 凭什么越用越懂业务？”。会上，阿里云重磅发布 Agent Context，这是一款面向企业级 Agent 提供实时上下文与记忆底座的数据服务，也是让数据库从’可调用’，走向‘可托付’的关键一步。

在真实的业务场景中，Agent 的问题往往不是不会回答，而是记不住、接不上、复用不了。项目背景讲了多遍，换个会话就归零；客服 Agent 已经完成初排，诊断 Agent 接手后仍重复询问；资深员工踩过的坑散落在钉钉文档、代码评审、群聊记录和个人经验里，难以变成组织资产。

针对上述这些问题，Agent Context 把各类文档、业务系统、个人经验、图片和音视频等信息源统一接入，基于业务语义管理记忆、知识与 Skill，让上下文可以跨会话、跨任务、跨 Agent 复用。Agent Context 可为用户提供上下文管理、长期记忆、知识管理、智能检索、共享与治理等产品能力，让知识在工作中持续生长，让企业Agent越用越懂业务。

围绕研发协同、运维支持、技术服务、数据分析等知识密集型场景，Agent Context 对复杂知识任务的准确率可提升高达 50 个百分点，并能在单个工作空间内调度上万个智能体。

以小红书为例：小红书以 Agent Context 为数据管理智能体搭建统一上下文底座，支撑 DBA、开发、算法等 3000+ 员工的子 Agent 协同作业。区别于传统"各自为战、反复喂料"的 Agent 部署，Agent Context 以记忆与知识的分层治理和上下文按需组织与注入为核心，让整个 Agent 集群在同一业务知识域下共享同一套 Context——业务规则一次更新，所有具备权限的 Agent 在后续调用中即可获取最新上下文，无需再逐个喂料，从源头消除经验孤岛与规则失准。

这背后的核心机制是 Context Growth Loop，即“记录—组织—召回与组合—执行沉淀—评估演进”的持续自进化闭环。每次任务完成后，处理结果写入 Agent Context，个人经验先沉淀为私有记忆，经审核晋升为团队共享知识，高价值经验自动浮现、沉淀、复用。新任务到来时，相关上下文被精准取回，继续反哺 Agent 行动，业务规则与运维经验在使用中不断回流、修订和复用。通过这一闭环，Agent 不再每次从零开始，而是能够在持续工作中积累企业知识、理解业务约束，并形成可复用的任务能力。

由此，员工的子Agent不再各自为战，而是站在团队积累的知识之上协同工作，Token使用效率可提升3倍。Agent Context 帮助客户打通了从"个人交互"到"团队知识"、再到"企业能力"的转化通路，让“同一个坑，团队的 Agent 不再踩第二遍”，进而让 Agent 真正实现"越用越懂业务"的智能进化。

从 AI Ready 到 Agent Native，释放智能体生产力

在应用层，阿里云数据库也打造了数据原生的企业级Data Agent Platform——AIDBS（即AI原生数据库服务）。围绕数据发现、数据管道、分析与机器学习、预测、治理和安全运维等环节，AIDBS为用户提供了面向企业数据全生命周期的 Agent 能力。通过 OpenAPI、Skill、MCP 等开放接口，应用了AIDBS的企业能够让 Agent 更安全、更低门槛地接入数据与工具链，实现数据应用从“由人构建”到“Agent 自主构建”的跃迁。

在日前《IDC MarketScape: 中国Data Agent 2026年厂商评估》报告中，阿里云位居领导者象限的最领先位置，在产品能力和战略规划2个维度均取得最高分。作为阿里云 Data Agent 全栈布局的核心产品，AIDBS 起到了关键作用。

AIDBS的产品能力目前已在多个行业得到验证：头部茶饮品牌古茗接入AIDBS后，运维Agent根据门店流量持续优化，语义准确率大幅提升，自助分析需求上线周期从天级缩短到2—4小时。

作为汽车智能化创新平台，奇瑞汽车NEXTAI研究院基于自研汽车行业基模AutoMind构建内外协同的智能应用体系，同步引入阿里云AIDBS Data Agent，支撑研发、制造、供应链等核心业务领域的数据洞察与经营决策。

依托AIDBS，奇瑞通过OneMeta统一连接和管理多源数据，利用Data Agent for Meta将物理元数据转化为业务语义，并结合Data Agent for Analytics实现自然语言分析与报表生成。目前已有5000余名员工使用，实现核心业务语义100%覆盖，数据需求响应从天级缩短至分钟级。

Agent时代，模型决定 AI 多聪明，数据库决定 AI 能跑多远。阿里云正在将数据库从“可被调用”的工具，升级为“可被托付”的 Agentic 数据平台。数据库不再只是保存数据、响应查询，而是要成为 Agent 理解世界、积累经验和创造业务价值的数据底座，让 AI 真正进入生产流程、走向价值创造。