《数据库发展研究报告（2025年）》解读

何宝宏｜中国信息通信研究院云计算与大数据研究所所长《数据库发展研究报告（2025年）》暨《中国数据库产业图谱（2025）》发布目录CONTENTS01数据库产业发展情况综述数据库关键技术发展趋势02数据库行业应用情况综述总结与展望报告编制历时7个月凝聚数据库领域百位专家智慧全景呈现数据库行业现状及趋势详细内容请阅览报告全文洞察#1从市场规模看，我国市场规模近600亿元，云上市场占比进一步扩大数据来源：CCSA

TC601，2025年6月据测算，中国数据库市场规模为83.7亿美元，约合596.16亿元人民币，占全球7.3%。预计到2027年，中国数据库市场规模将达到837.42亿元，市场年复合增长率（CAGR）为11.99%。公有云和本地部署模式市场规模分别占总市场64.4%和35.6%，较2023年增速20.0%和4.8%；预计2025年公有云市场占比将进一步扩大达到67.1%。320.15384.14452.28202.25212.02221.8640030020010002023公有云市场规模（亿元）2024

2025e本地部署市场规模（亿元）2023-2025中国公有云和本地部署数据库市场规模403.60522.40596.16674.14752.2429.4%14.1%13.1%11.6%00.050.1511.3%0.10.2837.420.357000.36000.25500900.00800.00700.00600.00500.00400.00300.00200.00100.000.0020222027e2023

2024

2025e中国数据库市场规模（亿元）2026e增长率2022-2027年中国数据库市场规模及预测洞察#2从竞争格局看，全球市场进入高质量发展阶段，我国数据库厂商数量显著收敛截止2025年6月，全球及我国的数据库企业数量均有所回落，目前共有400家数据库产品提供商，其中美国和中国数据库厂商数量依旧处于全球领先地位，分别为146家和103家/p>

875

5

5

54

4

43

3

3

3美国中国德国英国澳大利亚瑞典俄罗斯法国荷兰日本瑞士韩国加拿大以色列印度保加利亚西班牙新西兰36347251840011615016710301002003004005006002025年2022年

2023年全球数据库企业数量2024年我国数据库企业数量全球及我国数据库企业数量变化全球数据库企业分布数据来源：CCSA

TC601，2025年6月洞察#3从产品类型看，国内外分布各有侧重，向量数据库热度持续攀升228,43%73,14%52,10%46,9%41,8%22,4%19,

3%17,3%14,2%9,2%6,1%6,1%305,57%关系型数据库非关系型数据库-文档数据库非关系型数据库-时序数据库非关系型数据库-面向对象数据库非关系型数据库-向量数据库非关系型数据库-多值数据库非关系型数据库-键值数据库非关系型数据库-图数据库

非关系型数据库-全文检索非关系型数据库-列存数据库非关系型数据库-图数据库RDF存储非关系型数据库-原生XML数据库96,

58%19,12%17,10%10,6%8,5%6,4%5,3%3,2%68,

42%非关系型数据库-时序数据库非关系型数据库-向量数据库关系型数据库非关系型数据库-键值数据库非关系型数据库-全文检索非关系型数据库-图数据库

非关系型数据库-列存数据库非关系型数据库-文档数据库111112222233333444445555566666777778888899999101010101011111111112022年2023年2024年2025年时序数据库列存数据库原生XML数据库键值数据库文档数据库面向对象数据库图数据库RDF存储图数据库

全文检索多值数据库向量数据库全球数据库产品数量整体分布呈现以非关系型及混合型数据库为主，关系型为辅的局面，键值数据库产品占比长期稳居第一。全球数据库产品类型分布

全球非关系型数据库数量占比排名变化676767671111122222333334444455555672025年键值数据库2022年时序数据库全文检索2023年图数据库文档数据库2024年列存数据库向量数据库与全球不同，我国数据库产品数量仍呈现以关系型为主，非关系型数据库为辅的局面，向量数据库产品热度逐年攀升。我国数据库产品类型分布

我国非关系型数据库数量占比排名变化全球数据库产品类型我国数据库产品类型数据来源：CCSA

TC601，2025年6月洞察#4从商业模式看，商用数据库占据主导地位，PG生态获得投资青睐200150100500美国中国德国英国澳大利亚日本俄罗斯瑞典法国荷兰瑞士以色列韩国加拿大印度保加利亚西班牙新西兰爱尔兰巴西意大利爱沙尼亚芬兰捷克克罗地亚挪威斯洛文尼亚新加坡波兰比利时开源数量10031262136632443212112221111101111商用数量111133161152253112231221000000010000250欧美等国商用数据库占比略有上升，我国商用数据库占比较大，开源数据库发展前景广阔。全球数据库产品商用开源对比PostgreSQL生态公司广受资本市场青睐，彰显其易用性、兼容性带来的强大吸引力，多云管理和“AI+”成为数据库投融资的焦点。近期全球数据库企业投融资及收购情况时间企业名称企业类型涉及金额资金用途2025年4月Tessell多云数据库平台服务6000万美金推出基于AI驱动的对话式数据库管理服务2025年4月SupabasePostgreSQL数据库云平台提供商2亿美元提升AI原生应用的开发体验和效率2025年5月NeonServerlessPostgres托管服务商10亿美元Databricks收购Neon以加强其在多云环境中数据处理能力的战略布局2025年6月Crunchy

DataPostgreSQL的商业发行版公司2.5亿美元Snowflake收购CrunchyData扩大其AI

Data

Cloud的产品版图商用数量 开源数量数据来源：CCSA

TC601，2025年6月数据来源：依据公开资料整理洞察#5从我国市场看，市场规模持续扩大，市场格局逐步明晰我国数据库市场头部效应明显，产业规模持续扩大，市场格局逐步显现。国产数据库从高速增长期进入高质量发展期，投资市场回归理性。从我国数据库产品数量看，2022年至2024年，我国数据库产业规模逐步扩大，产品数量呈现迅速增长的趋势，由2022年的175款产品增加到2024年的269款产品，复合增长率约为24.0%；2025年，我国数据库市场规模持续扩大，但数据库产品数量收敛至164款。我国数据库产品数量1752382691641501005002002503002022年2025年2023年

2024年我国数据库产品数量403.60522.40596.16674.14752.24837.4229.4%14.1%13.1%11.6%00.050.1511.3%0.10.20.250.30.35900.00800.00700.00600.00500.00400.00300.00200.00100.000.0020222027e2023

2024

2025e中国数据库市场规模（亿元）2026e增长率2022-2027年中国数据库市场规模及预测数据来源：CCSA

TC601，2025年6月洞察#6从重点行业看，头部用户运维人员投入逐年增长数据来源：CCSA

TC601，2025年6月为了更好指导业内分布式数据库系统运维管理工作，中国信通院联合多家企业研制了《分布式数据库运维管理能力成熟度模型》标准，已在多家机构落地贯标。序号企业名称产品名称1中国移动通信集团浙江有限公司浙江移动数据库运维保障体系2上交所信息网络有限公司信息公司分布式数据库运维管理能力3中国移动通信集团北京有限公司北京移动数据库运维管理能力4中国移动通信集团湖北有限公司湖北移动信创数据库运维管理能力5中国移动通信集团陕西有限公司陕西移动数据库运维管理能力6中国移动通信集团江苏有限公司江苏移动数据库运维管理能力7中国移动通信集团上海有限公司上海移动数据库运维管理能力分布式数据库运维管理能力成熟度模型贯标情况2432393235413933.124296.612396.64756.89947.62855.574500.004000.003500.003000.002500.002000.001500.001000.00500.000.0045403530252015105020222024投入金额/万元投入人员数量/人研发人员运维人员研发投入金额2023年份运维投入金额线性(研发人员)线性(运维人员)从重点行业看，头部用户运维人员投入逐年增长。根据“星河”数据库案例的统计，

金融、电信、能源等行业的头部用户广泛应用了分布式系统，运维工作面临诸多挑战，人员投入逐年增长。“星河（Galaxy）”案例2022-2024年研发/运维人员数量和投入资金变化洞察#7从学术创新看，多模融合成为研究重点，我国科研实力稳步增强

28.01%

28.65%

65.43%30.51%43.59%65.36%48.90%37.30%76.08%0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%VLDBICDEVLDBICDEVLDBICDESIGMOD2022SIGMOD2023SIGMOD20242023SIGMOD2022

VLDB2023ICDE2022SIGMOD2024

VLDB2022ICDE2024SIGMOD2023

VLDB2024ICDE中国高校及企业贡献论文数占比数据来源：CCSA

TC601，2025年6月我国在全球三大数据库领域学术会议的影响力进一步提升。三大会议每年贡献占比平均为40.70%、46.35%和54.09%，数量呈逐年上升趋势。企业与高校不断重视数据库理论创新与应用实践相结合，有效助力我国数据库技术发展，学术影响力不断扩大。从三个数据库领域权威的学术会议研究方向看，当前非关系型数据库相关研究论文数量连续多年超过关系型数据库。“多模数据处理”成为关注热点。向量数据库、云原生数据库、图神经网络、“AI+数据库”等的热度也在持续增高。2024年VLDB、ICDE

和SIGMOD

论文情况3.79%12.32%4.31%13.54%2.15%11.48%83.89%82.15%86.37%20.00%0.00%40.00%60.00%80.00%100.00%120.00%VLDB

SIGMOD

ICDE非关系型数据库 关系型数据库 其他云原生数据库稳定性全密态数据库多模数据库AI原生数据库HTAP数据库防篡改数据库搜索型数据库云原生数据库能力成熟度

模型关系型安全分布式分析型分布式分析型分析型数据库分布式事务型分布式事务型分析型一体化事务型一体化事务型数据库分析型大规模关系云数据库分析型数据库大规模规划设计服务能力运维运营服务能力实施部署服务能力数据库应用迁移数据库运维管理能力成熟度模型时空数据库时序数据库图

数据库内存数据库时序数据库时序数据库图

数据库文档数据库向量数据库数据库灾备系统SQL质量管理平台数据库管理平台AI大模型赋能的数据库开发管理工具数据库管理平台数据库迁移工具数据库一体机数据库智能化数据库运维智能体洞察#8从标准体系看，我国标准体系日益完善，引领产业高质量发展2025上半年新增5个标准（上述图中标红显示）面向数据库服务商

应用侧

面向数据库应用机构稳定性专项供给侧面向数据库技术产品安全专项

性能专项

基础能力专项数据库生态工具非关系型数据库 前沿数据库关系型数据库产品能力方面，面向关系型数据库、非关系型数据库、前沿数据库和数据库生态工具，构建基础能力、性能、稳定性等技术标准。中国通信标准化协会大数据技术标准推进委员会(CCSATC601)紧跟国家战略，围绕数据库领域标准化工作，设立数据库与存储工作组（WG4）。自2015年起共推出40项标准，逐步构建以数据库产品、服务和应用为目标的标准体系。服务能力方面，围绕规划设计、实施部署和运维运营，推出国内首个数据库交付标准《数据库服务能力成熟度模型》，围绕数据库应用迁移、SQL质量管理平台、数据库灾备恢复系统，推出能力分级标准。行业应用方面，面向数据库应用方内部运维管理团队，推出《数据库运维管理能力成熟度模型》。CCSATC601见证了我国数据库标准化工作有序有力进行，成为国家在数据库领域最重要的支撑单位，和数据库产业标准化发展的风向标。键值数据库向量数据库全球数据库产业洞察洞察#1

从市场规模看，我国市场规模近600亿元，云上市场占比进一步扩大洞察#2

从竞争格局看，全球市场进入高质量发展阶段，我国数据库厂商数量显著收敛洞察#3

从产品类型看，国内外分布各有侧重，向量数据库热度持续攀升洞察#4

从商业模式看，商用数据库占据主导地位，PG生态获得投资青睐洞察#5

从我国市场看，市场规模持续扩大，市场格局逐步明晰洞察#6

从重点行业看，头部用户运维人员投入逐年增长洞察#7

从学术创新看，多模融合成为研究重点，我国科研实力稳步增强洞察#8

从标准体系看，我国标准体系日益完善，引领产业高质量发展数据库技术架构持续革新迈入AI原生时代架构持续革新1从分而治之到交易分析一体化从本地部署到云上运行数据库迈入

AI原生时代2人工智能拓宽数据库应用场景数据库支撑人工智能高效建模机器学习优化数据库应用效能RAG/Graph

RAG提升数据库查询准确性Text

to

SQL/Textto

GQL降低数据库交互门槛向量数据库提升大模型检索效率多模数据库赋能大模型多样化数据AI原生数据库解锁场景新可能数据库智能体提供数据交互新模式洞察#1技术架构持续革新-从分而治之到交易分析一体化OLAP

多模态数据处理新一代OLAPOLTP新型硬件（AI芯片、RDMA等）新一代OLTPHTAPOLAP数据库擅长数据分析，OLTP数据库专注于事务处理。随着数智时代的到来，在事务处理的基础上，企业对于实时数据的分析需求提升，OLAP和大数据技术栈分化也给企业运维管理多套系统带来挑战。HTAP（Hybrid

Transactional and

Analytical

Processing）架构应运而生，通过将事务处理与分析处理融合在一个系统中，消除了OLAP与OLTP之间的壁垒。主行存与内存型列存分布式行存与列存副本单机磁盘型行存与分布式列存列存与增量型行存t

k

v

op

ts§4§5图分析请求图分析处理线程OLAP节点图存储动态图存储图拓扑结构图属性存储关系-图映射OLTP节点关系型存储事务日志日志队列事务请求事务处理线程日志重放器GART系统的总体架构1Galaxybase架构图2缓存磁盘WAL存储OLTP开始双向&交互式事务2PC-提交W

W

ROLAP开始R事务免锁机制提交R

ROLAPOLTP存储OLTPOLAP存储OLAPOLTP存储集群用户负载均衡器分页分区分片存储图HTAP数据库Shen,

S.,

Yao,

Z.,

Shi,

L.,

Wang,

L.,

Lai,

L.,

Tao,

Q.,

Su,

L.,

Chen,

R.,

Yu,

W.,

Chen,

H.,

&

Zang,

B.

(2023).

Bridging

the

Gap

between

Relational

OLTP

andGraph-based

OLAP.

In

2023

USENIX

Annual

Technical

Conference

(USENIX

ATC

'23)

(pp.1-16).Bing

Tong,

Yan

Zhou,

Chen

Zhang,

JianhengTang,

Jing

Tang,

Leihong

Yang,

Qiye

Li,

Manwu

Lin,

Zhongxin

Bao,

Jia

Li,

and

Lei

Chen.

Galaxybase:A

High

Performance

Native

DistributedGraph

Database

for

HTAP.

PVLDB,17(12):

3893

-

3905,

2024.洞察#2技术架构持续革新-从本地部署到云上运行近年来各组织上云进程不断加速，传统数据库逐渐从私有部署转为云上部署。传统数据库为了保障系统高性能，基本采用紧耦合设计，而云计算架构的理念则是通过计算、存储的高度解耦来实现各个层次资源的高效利用和弹性扩展。为了更好适应云环境，云原生数据库成为重要发展趋势。云原生数据库实现高效资源管理诸多企业采用的存算分离架构以及应用其他相关技术使得产品在云环境中能力得到提升。例如：采用LSM-Tree和列式存储等新型结构提升存储引擎专业化，采用资源动态调整和主动资源分配使得资源实现精细化管理，采用软件结合硬件实现软硬件协同创新加速。运行时+数据层缓冲池+表空间层传统数据库引擎SQL编译器与优化器传统表空间容器传统数据库存储数据库写前日志分层LSM存储本地缓存层LSM写前日志永久对象存储页面读取/写入预写式日志块存储本地存储对象存储对象获取/写入节点级资源管理器分布式集群管理器DBMS

1

DBMS

2 DBMS

N...远程存储服务1001Node服务层控制平面与网关客户端RegionSQL

SQLSQL≈节点2…集群2集群1节点1节点MSQLSQLSQLSQLSQLSQLSQLSQLDb2

LSM

架构图1

AzureSQL数据库架构概览2David

Kalmuk,

Christian

Garcia-Arellano

et

al.

2024.

Native

Cloud

Object

Storage

in

Db2

Warehouse:

Implementing

a

Fast

and

Cost-Efficient

Storage

Architecture.Olga

Poppe,

Pankaj

Arora,

Sakshi

Sharma,

Jie

Chen

et

al.

2024.

Proactive

Resume

and

Pause

of

Resourcesfor

Microsoft

Azure

SQL

Database

Serverless.

In

Companion

of

the

2024

International

Conference

on

Management

of

Data

.云原生数据库能力成熟度模型标准框架为更好指导企业对于云原生数据库研发及应用，规范云原生数据库标准化建设，信通院开展《云原生数据库能力成熟度模型》标准编制工作，将能力分为初始级、发展级、成熟级及领先级四个能力等级。运维管理智能监控定期巡检连接高可用安全管理身份验证权限控制数据加密智能化管理机器学习及

AI能力智能化程度弹性管理CPU弹性扩展内存

弹性扩展存储

弹性扩展负载均衡部署管理容器化封装一云多芯多环境适配配置代码化可插拔式部署能力资源管理资源解耦资源归一化资源调度动态调整能力资源隔离数据扩缩容数据管理数据分布数据复制与同步数据备份数据恢复高性能与存储数据资源优化压缩及归档多模

混合负载洞察#3数据库技术迈入AI原生时代-人工智能拓宽数据库应用场景（AI

for

DB）人工智能迅猛发展影响着千行百业，数据库作为数据存储和管理的主要载体，与人工智能的融合发展正深刻地改变着数智应用的格局。数据库领域在查询优化、自然语言交互和智能资源管理等方面迎来了新的突破。机器学习优化数据库应用效能

Text

to

SQL/Text

toGQL降低数据库交互门槛

RAG/Graph

RAG提升数据库查询准确性随着人工智能和自然语言处理技术的进步，Text-to-SQL技术应用而生，研究者开始利用深度学习模型对文本数据进行训练，使得系统能够更准确地理解用户意图从而降低数据库使用门槛。RAG（Retrieval-AugmentedGeneration）通过整合外部数据库的知识，有效解决LLMs在特定领域或知识密集型任务中面临的幻觉、知识过时和推理过程不透明等挑战。Text-to-SQL发展历程RAG三种范式对比1ML

for

DB基于规则的方法深度神经网络大语言模型预训练语言模型任务解决能力20242015统计方法概率估计辅助特定任务2019静态词表示

神经上下文建模解决典型NLP任务2021上下文感知表示预训练+微调解决各种NLP任务2023扩展语言模型基于提示的补全解决各种实际任务解析树语法规则用户查询文档文档检索前查询路由查询重写查询扩展索引检索提示

固定

LLM输出原生RAG模块化RAG索引检索输出高级RAG提示

固定

LLM检索后重排

摘要

融合搜索路由展示存储融合预测重写重排检索读取RAG重写展示检索检索检索重排搜索读取检索读取读取预测读取原生RAG高级RAGDSP迭代检索生成模块模式用户查询查询计划随着机器学习技术不断发展，其在数据库管理系统中的应用逐渐增多，涵盖数据库的索引、调度器、查询优化器等数据库核心组件，以及性能预测、参数调优等数据库顾问的各个方面。替代范式

预训练模型机器学习增强范式SQL框架

编码器-解码器预训练模式链接上下文学习微调ML

for

DB领域仍面临诸多挑战模型效率有限数据处理及负载动态变化

基础模型有效性依赖特定场景训练数据集成本高且质量难以保证1

Gao,

Yunfan,

Yun

Xiong,

Xinyu

Gao,

Kangxiang

Jia,

Jinliu

Pan,

Yuxi

Bi,

Yi

Dai,

Jiawei

Sun,

Meng

Wang,

and

Haofen

Wang.

2024.

"Retrieval-Augmented

Generation

for

Large

Language

Models:

A

Survey.".洞察#4数据库技术迈入AI原生时代-数据库技术支撑人工智能高效建模（DB

for

AI）数据库技术也在不断赋能人工智能发展，正在多方位满足人工智能对数据存储、检索和处理的要求，数据库领域不断创新也为人工智能发展提供强有力支撑。向量数据库提升大模型检索效率LLMs在实际应用中存在训练数据更新不及时、数据种类不足等原因导致的幻觉问题，向量数据库（VDBMS）作为一种专为高维向量数据设计的存储与检索系统，有效管理和检索向量数据，为解决向量检索难题、LLMs幻觉问题及知识库更新挑战提供了新路径。多模数据库赋能大模型多样化数据非结构化和半结构化数据在人工智能应用中扮演着越来越重要的角色，如文本、图像、音频和视频等。多模数据库能够在单一系统中同时支持多种数据模型，在保证性能和一致性的同时，实现了对异构数据的原生支持，提升了开发效率与数据处理能力。统一抽象层表达异构数据结构示意图2使用向量数据库的GPT的语义缓存概览1U查询U建模/推理模式类别U

分解数据源加载逻辑模式转换Neo4jMongoPostgresSELECT{?o

customer

?c

;…}查询查询转换order:

{

customer:

1,oid:

2023001,…}查询结果嵌入模型text-embedding-3-smalltext-embedding-3-large自然语言查询（Q）GPT

缓存向量搜索查询ID生成的答案（A）生成缓存是否缓存命中问答数据大型语言模型向量存储（如DynamoDB）Jing,

Zhi,

Yongye

Su,

Yikun

Han,

et

al.

2024.

"When

Large

Language

Models

Meet

Vector

Databases:

A

Survey."Jáchym

Bártík.

AI-PoweredOrchestration

ofMulti-Model

Data.

VLDB

2024

Workshop:

VLDB

Ph.D.Workshop.1李国良,周煊赫.轩辕:AI原生数据库系统[J].软件学报,2020,31(3):831−844.洞察#5数据库技术迈入AI原生时代-AI原生数据库解锁场景新可能AI原生数据库将AI技术深度融入数据库设计与功能中，实现数据处理的智能化、自动化，显著提升数据管理与分析的效率和价值。AI

as

UDFAI

as

Vlew问题无关AI全自动AI图模型关系模型张量模型X86ARM异构计算框架时间序列模型GPU

NPUFPGASQL重写索引推荐分区推荐基数估计查询优化器RBO代价估计CBO

学习型优化器列式执行引擎向量化执行引擎SQL优化行式执行引擎行存数据存储列存基于内存数据存储软件错误数据隐藏自动审计访问控制不可篡改可追溯透明加密数据类型基本能力多模态数据支持事务处理数据版本控制负载均衡兼容标准

SQL兼容能力多云/混合云适配主流编程语言兼容硬件兼容操作系统兼容多模态数据检索多模态解析和对齐AI数据存储与检索多模态数据存储混合搜索元数据自动管理冷热分层存储数据压缩混合存储引擎向量检索数据索引智能索引推荐AI数据库服务能力数据分析与可视化性能监测

性能优化用户用量统计生成式AI应用开发自然语言交互流式分析能力统一查询接口AI辅助低代码开发工具AI算法底座模型算法集成内置AI引擎自动化模型选择自动推理检查数据预处理到模型训练推理自定义AI模型增量训练异构计算架构智能索引管理自诊断与自愈自动化调优动态负载管理智能部署智能化自治能力故障预测

自动化巡检监控告警自动弹性扩缩容数据生命周期租户级隔离学习型索引安全护栏安全能力细粒度访问控制持续漏洞修复智能访问控制数据加密与脱敏安全域内数据库内循环管理日志审计基于AI技术的安全审计高可用能力跨地域多活架构与数据冗余数据备份和恢复在线升级与补丁容灾能力数据一致性故障自动切换零数据丢失保护扩展能力水平扩展

垂直扩展弹性扩展插件化架构AI原生数据库技术要求标准框架为更好指导企业对于AI原生数据库研发及应用，规范标准化建设，中国信通院开展《AI原生数据库技术要求》标准编制工作，标准共有9大能力域、69个能力项。AI原生数据库的五个阶段1AI原生数据库依据智能程度依次分为五个阶段，AI建议型数据库、

AI辅助型数据库、AI强化型数据库、AI自组装型数据库以及AI自

设计型数据库。AI原生数据库的架构1将AI结合到数据库处理、运维和组装过程中使得数据库实现

自监控、自配置、自优化、自诊断、自愈、自安全和自组装的能力，并为人工智能和数据库服务提供了统一的调用接口。统一的SQL接口AI自设计型数据库生命周期AI自组装型数据库异构处理架构AI强化型数据库统一的AI、DB引擎AI辅助型数据库提供基于数据库的AI引擎AI建议型数据库提供插件形式的AI引擎自优化SQL优化视图推荐自安全自组装AI框架模型无关AI自监控数据统计信息系统统计信息负载统计信息自诊断硬件错误自愈错误恢复实时迁移自配置负载建模负载调度负载预测配置调优软件补丁软件更新洞察#6数据库技术迈入AI原生时代-数据库智能体提供数据交互新模式数据库智能体整合了自然语言处理、机器学习、知识图谱和多模态数据处理等多种技术，能够理解用户意图并高效地与数据库进行交互，为用户提供智能化、个性化的数据服务。2025年7月，腾讯云数据分析智能体TCDataAgent在“NL2SQL全球最难榜单”BIRD-Bench中获得全球第三、国内第一的优异成绩，展现了我国企业在Agent领域的强大创新能力。LLMs图（a）大语言模型增强图算法（c）大语言模型构建图文本LLM编码增强属性图学习模型LLM预测（b）大语言模型预测图任务图

分析直接预测：结合解释进行预测：被预测为A根据其一阶邻

居……因此，更可能是A。大语言模型增强图学习文本生成图LLM图增强大语言模型能力任务LLM（d1）大语言模型推理整体流程推理输出（d2）输入-输出无推理（d3）思维链（D/M）步骤2步骤1步骤3…步骤1步骤1…（d4）思维树提示（U/M）（d5）思维图提示（U/E）基于思维树…规划器工作节点节点异构性聚合与组合图间交互路径间交互（e）大语言模型多智能体系统产品经理系统架构师程序员QA工程师项目经理数据库运维智能体技术要求标准框架为更好指导企业对于数据库运维智能体研发及应用，规范数据库运维智能体标准化建设，信通院开展《数据库运维智能体技术要求》编制工作，标准包括5大能力域、74个能力项。大语言模型（LLMs）与图技术相互增强的总体框架随着分布式、多模态等数据库技术的不断发展和人工智能技术的崛起，数据库正朝着智能化方向迈进。数据库智能体技术主要基于自然语言处理与数据库交互、机器学习优化数据库应用，以及多模态数据处理技术。知识管理知识来源知识分类与标注知识库维护知识检索知识关系提取知识评价反馈容量管理基本信息监测容量预测对象容量操作预测

可用天数容量变化异常容量优化建议容量规划建议自动执行性能优化对象优化SQL优化拓扑架构优化数据库整体优化优化操作自动执行故障管理故障发现自定义报告自动生成报告告警策略自定义故障分类、分级、升级恢复处理建议报告分发

故障定位

故障自动与共享

与诊断

修复故障报告编辑日常巡检基本信息监测自定义报告报告分发与共享自定义监控指标SQL监测巡检报告编辑关联分析自动发现异常日志指标预测预警参数优化建议日志查看检索健康评分慢查询识别事务监测阻塞监测巡检报告对比参数变更关联分析系统配额监测慢查询预识别联合分析服务日志分析TOP

SQL分析健康趋势分析慢查询分析指标阈值优化建议巡检结果汇总展示参数变化审计动态感知业务慢查询分类慢查询优化03

我国数据库应用创新场景不断丰富，应用规模不断扩大01040203国产数据库在电信行业得到广泛应用从集中式向分布式演进，满足高并发与多中心部署需求从单一数