Agent时代的数据库全栈升级与实践指南

AI原生·重构数据库新范式

CONTENTS

腾讯云副总裁

•高并发读写、弹性扩缩容、海量连接

PB级数据量、单节点百万QPS、支撑几十亿用户

•低延迟响应、高可用容灾（99.99%+）

单日50亿次查询、下单延迟仅0.0037秒

支撑亿级用户高并发弹幕与视频流

•自主可控、国产化替代读性能提升35%、写性能提升80%、日交易峰值

•金融级数据一致性、计算存储分离、极致弹性19.6亿笔

核心系统国产化替代、金融级数据一致性

42万核vCPU规模全国第一、粤省事1.8亿用户、

14万QPS

1

任务Task个人Personal团队Team

PrivateSharedAligned[S]Skill[R]Rule[M]Memory[So]Soul

completesourcefile

persona/privateteamSOP/sharedcompanystandard

completeroutefile

completetestfile

preference/privateexperience/sharedreusablepractice

completecommandlog

inheritedguardteamguardscopecontrolled

个性化记忆程序化记忆

长任务成功率Token节省

PersonaMem自动生成

大模型在线服务的实时上下文供给层

•会话状态+知识库+多媒体语义召回

•多数据形态统一存储，免多套异构系统

•海量存储·高压缩·弹性伸缩

•统一SQL入口，开发复杂度大幅降低

•内建Embedding，开箱即用

数据准备与特征工程，跨源抽取与生态对接

•数据散落多源，需统一收纳

•训练框架需开放格式直通

•开放数据目录，接入生态引擎协力计算分支管理行存列存-Parquet多模/向量/全文-Lance

•训推层无缝衔接，Pipeline一致

•COS多级存储，对象直接纳管访问

Agent高速迭代，即开即用按需弹性

•数据库实例创建和测试数据准备慢

•负载不可预测，空闲不应有固定成本

•Serverless按需伸缩

•数据库分支：秒级Fork，零干扰

•从开发规格到数千核投产高可靠规格一肩挑

数据联邦向量搜索1LLM调用

改造Agent实时汇聚全文检索Embedding

智能底座升级

模态转换图计算Reranking

标量分析

Agent数据新鲜度

匹配AI"长尾稀疏+突发峰⾕"负载——即开即用、闲即归零。

Genie·WorkBuddy·美团NoCodeCursor·Dify·FastGPT·CodeBuddyVibeCoding/NoCode一句话生成应用，百万级长尾，环境即开即•开库耗时：分钟级→

用，闲置不烧钱。Agent突发问答/活动/任务，峰值翻百倍，需要•闲置成本：固定⽉费→

毫秒弹起。•弹性伸缩：

为AI实验与回滚⽽生——秒级分叉、零拷贝克隆、毫秒级回滚。

Agent多步骤任务中间存档，任意步骤可回滚，需要多版本和PITR。•1TB克隆：⼩时级→

AI-Driven开发流中Agent自动跑流⽔线，每次要求隔离沙箱，主库•时间点回放：备份恢复→

零干扰。•主库干扰：停机窗口→

为企业级RAG、长期记忆与实时洞察⽽生——亿级向量零损失召回，海量数据毫秒级分析。

从数十亿级向量的带过滤召回、用户隔离记忆，到海量数据的列存实•带过滤召回：

时洞察，Agent的检索与分析需求一库直达、免ETL同源完成•实时分析：

•内存：，按存储扩展

GenieWorkBuddy元宝混元NoCode新一代极致性价比、超高稳定性的存储底座

三副本强同步

•计算存储分离，秒级加RO节点

•挂载云盘，主从各自独⽴存储•共享分布式存储，3副本强同步RW周期用户每qos支出成本较全网同类产品下降

•计算与存储绑定，扩展能力弱•checkpoint刷脏数据页

✓✓

Ultra-lowLatency：Multi-AZHA：3AZ

IO零抖动，全链路强同步RPO=0，金融

无损变更级容灾

AI时序预测·提前扩容·弹性过程0抖动执行时延反馈·全计划空间训练·跨实例复用

电商大促、游戏开服等周期性流量波峰，AI引擎提前感知趋势并自动扩容，全程零感知。复杂混合负载下慢SQL频发，混元大模型自动探索最优执行计划，持续进化、跨实例复用。

✓

₀

SFT·RL指令/强化微调

₁

专家Know-How知识沉淀

自主诊断，快速响应

跨产品跨实例批量管理，全局掌控

一个Agent管理所有产品

秒级COW分支自动弹性伸缩秒级创建

开发流程整合Scale-To-Zero适配测开应用

跨模型语义检索AIAgent的持久记忆开箱即用的ML服务基于对象存储低成本存储

内建Embedding支持记忆检索开放生态兼容开放格式供生态平台访问

数据库智能体根据自身运行数据训练以自然语言进行交互

感知|分折|决策|执行基于负载特征自适应数据查询|图表生成

关系型数据库云原生数据库分布式数据库多模数据存储

沙利文执行董事

•从“被动存储”到“主动智能”的能力演进

•金融、泛互、出海等行业的共性趋势与差异化诉求

CONTENTS

•游戏行业成为AI原生数据库价值最集中的应用场景之一

•MongoDB细分赛道格局与腾讯云领跑实践

·用户偏好与历史交互·任务状态与环境感知

·长期记忆存储与召回·实时上下文窗口管理

·跨会话状态持久化·多轮对话连续追踪

·企业知识与业务规则·执行过程

·外部信息RAG检索·工具调用

·语义召回与知识更新·协作状态追踪

结构化/文档/日志/向量统一接入

自动查询优化，识别最优执行路径

与管理

多模统一向量+全文

知识库语义检索，成为模型外部知识

性能异常主动检测，费用和容量预测

来源

长期持久化低延迟读写

Agent跨会话状态持久化，支撑连续

性能调优/自动扩缩容/智能冗灭

运行

任务上下文与环境信息的实时读写数据库自我管理，运维负担大幅降低自治自愈合规可信

01DatabaseasStorage02DatabaseasCloudDataPlatform03DatabaseasAI-nativeDataInfrastructure

•结构化数据•跨地域部署

•文档数据•多可用区容灾

•日志/时序数据•弹性扩缩容

•图关系数据•低延迟访问、高并发负载

•向量/非结构化数据

•全文检索/向量检索•智能运维

•语义召回•自动调优、异常诊断

•上下文窗口管理•权限控制

•长期记忆调用•合规审计、数据安全治理

结构化→文本/图像/向量/知识库离线分析→实时检索、决策、持续记忆IT资源→AI应用/Agent运行底座

FINANCEINTERNETGLOBAL

•强一致性、低延迟、高安全•海量内容·用户行为实时处理•多地域低延迟·数据驻留

•完整审计追溯、合规治理•社交关系·推荐系统高并发•跨区域容灾·本地合规

•实时风控、智能客服•实时画像·内容召回•全球一致体验·跨区容灾

•投研辅助、合规审计•语义检索·个性化推荐•本地合规数据交付

•知识检索•AIGC内容数据管理•统一运维·多云部署

•移动互联网普及，玩家规模快速扩张•玩家规模持续扩大

•亚太成为全球最大游戏用户市场•中日韩市场从流量竞争转向精品化

•中国、日韩厂商加快区域化发行和

•增长来自新增用户和移动游戏渗透出海

•高基数玩家活跃

•基础账号与角色数据沉淀

•增长重心转向留存、付费转化、

•存档、支付、道具数据增长

LiveOps、AI/UGC和实时服务

•行为日志与运营数据较轻量

•东南亚、印度等市场贡献关键增量

•长线运营数据激增•单玩家数据密度提升

•活动、版本、跨服数据增加•用户画像、推荐、反作弊扩展

•出海带动多区域数据同步•非结构化数据增长

•用户行为分析深化•数据从记录沉淀转向智能调用

亚太游戏行业数据库基础设施升级的本质，是游戏数据从后台记录资产转向运营资产和增长资产，推动数据库从基

础存储系统升级为支撑持续运营、全球发行、智能互动和商业增长的核心数据底座。

、•数据库开始同时承载在线、

业务与实时数据应用

•核心诉求是保障核心业务

•典型场景包括实时运营、

数据安全可靠

•随着版本迭代和运营活动用户画像、推荐、反作弊

•典型场景包括账号、支付、加快，数据库需要更加灵和AINPC

角色和存档活

•升级方向是实时分析、检

•能力重点在高可用、备份•要支持开服合服、弹性扩索、向量化能力和多模型

恢复和权限控制容和数据模型快速调整协同

•向自动化运维与成本弹性

升级、

AINPC、动态剧情和对话式交AIGC与UGC场景带来文本、图推荐、匹配、用户画像、流失预智能客服、内容审核、账号安全

互推动游戏数据从静态配置扩展片、音频、视频特征、内容标签、测和反作弊等场景需要持续读取和版权风控等场景需要将规则、

至剧情文本、玩家上下文、角色版权线索和版本数据的持续增长，玩家行为、消费路径、社交关系工单、玩家问题、社区内容和风

记忆和实时反馈数据，要求数据推动数据库从素材管理工具升级和活动反馈数据，推动数据库向控策略沉淀为可检索、可追溯、

库具备语义检索、上下文召回和为支撑内容生成、审核和治理的实时分析、特征更新和智能决策可更新的知识资产。

大模型可调用的知识组织能力。数据平台。中枢演进。

AI内嵌数据库管理链路，数据库作为AI应用数据底座，

提升运维、查询与优化效率支撑上下文供给、检索与生成

亚太地区游戏行业数据库市场规模将从2025年的35.1亿元增长至2030年的80.8亿元，保持年复合增长率约18%的

较快增长态势，逐步进入由云化部署、精细化运营和多类型数据负载共同驱动的加速发展阶段。

单位：亿元

以MongoDB为代表的文档型数据库是

2025年亚太游戏数据库市场中占比第二、

增长最快的细分赛道，主要受益于游戏数

据结构复杂化、内容形态多元化和敏捷运

营需求提升。

中国大陆仍是当前亚太游戏行业数据库的

最大市场，但随着游戏出海、本地发行生

态和云化部署需求提升，海外亚太市场增

速预计更快，其中东南亚将成为继中国大

陆、日韩之后最重要的新增量市场。

202120222023202420252026E2027E2028E2029E2030E

•亚太地区游戏行业发展阶段与现状

•游戏数据核心特征驱动基础设施升级

•核心需求矩阵解析

•主流数据库类型与游戏场景适配图谱

•游戏行业数据库选型决策框架与价值洞察

•AI原生化推动数据库升级

•全球化发行驱动架构跨地域协同

•数据库治理能力平台化

•亚太地区游戏行业数据库产业生态格局

•亚太地区游戏行业数据库市场规模

•亚太地区游戏行业数据库市场结构

•细分赛道深度剖析：亚太游戏行业MongoDB市场格局

•其他细分赛道市场格局概览

市占率约20.6%

2025年增速约50.8%

核心优势：中国大陆及亚太核心游戏市场的深度覆盖、丰富的游戏行业场景

实践、卓越的性能与扩展表现、智能化运维与本地合规适配能力

2026年亚太地区游戏行业MongoDB数据库市场的

开发兼容性能与数据运维能力安全与

技术评估维度

与迁移能力扩展能力可靠性与可观测性合规能力技术表现呈现“国内云厂商强化本地合规与游戏场景

适配，国际厂商突出原生能力、全球基础设施”的竞

争格局。国内厂商整体以中国大陆及亚太本地合规、

VendorA本地交付服务、游戏客户实践和云生态协同为核心

优势；海外厂商更强调全球化基础设施、全球区域

VendorB覆盖、原生或平台级能力体系、跨区域部署能力和

国际合规，但在中国大陆数据驻留、跨境合规和本

VendorC地化服务上存在一定限制。

综合来看，腾讯云MongoDB稳居第一梯队并持续

VendorD

领跑——各项能力发展均衡，核心优势集中体现在四

个方面：中国大陆及亚太核心游戏市场的深度覆盖、

VendorE

丰富的游戏行业场景实践、卓越的性能与扩展表现，

以及智能化运维与本地合规适配能力

较高较低

腾讯云数据库副总经理

权限随⻛险递增，审批随级别收紧Agent实例运行在客户专属VPC内对⻬CAM体系，权限严格一致

Select/Show/Explain无密码连接，凭证限时生效，防⽌滥用与越权

Agent运行环境业务数据源

诊断/巡检/问答实例权限与⼦账号CAM1:1映射，AI不超出用户授权

•

DML/KillSession/参数更新DMC云API执行SQL，敏感数据自动脱敏不明文展示

•

•

DDL/TRUNCATE/DROP/

完整记录Agent每一步决策与执行轨迹，可审计可追溯

大范围DML

真实工单经验沉淀OpenAPI接口可调用覆盖腾讯云数据库全线产品Skill供给：官方/SkillHub/自建

覆盖核心高频场景，所有预置Skill经过腾讯内部海量真实工单连接官方与社区能力市场，一键装配最新扩展Skill，持续丰富低代码/无代码工具，把企业内部SOP与最佳实践快速封装为

严格校验与打磨。诊断与运维场景。专属Skill。

跨产品排障、实例运维不再需要打开多个控制台

只看SQL本身，外部干扰类根因不懂DBA经验沉淀，一键定位+修复方案

✕

···14款腾讯云数据库产品全线接入

自动学习历史案例与处理路径，团队不再重复踩坑资深DBA注入SOP与最佳实践，把个人能力转为平台能力

记操作习惯、常用配置、审批流程偏好把高频操作、SOP封装为可复用Skill

理解业务数据模型、访问模式、性能基线结合业务知识，创造未覆盖的新场景

响应策略与⻛险偏好契合企业文化优秀Skill贡献至SkillHub，惠及更多用户

对话/工具调用/…Memory抽取分层SOP自动封装

更准更稳的Agent下一次任务更高成功率越用越聪明

CPU诊断耗时效率提升深夜值班自动自愈运维降级率，跨团队协作成本下降

任务Task个人Personal团队Team

SkillWikiMemoryPersonalTeamCompany

completesourcefileSkillWikiMemory

completeroutefile

SkillWiki

completetestfile

completecommandlog

Wiki

个性化记忆程序化记忆

长任务成功率Token节省

PersonaMem自动生成

垂类能力不足，Memory任务完成度不高

从对话、任务轨迹、将原始信息逐层提炼通过符号化表达与地把高频流程、团队经

工具调用、文件引用为原⼦事实、场景模址引用减少上下文占验和专家操作自动沉SOTA模型调用费用高，规模化不经济

和运行结果中识别有式和核心洞察用，保留可恢复的任淀为SOP/Skill

价值的信息务现场延迟难以降低，同步路径无法接受

基座模型

PersonaMemSWE-bench

模型通过率耗时模型压缩率耗时

用户访谈驱动数据构建，贴近真实场景·10w条高质量标注数据监督微调(fullcontext)

SOTA大模型基于召回的记忆执行可验证的任务，如数据题解答、代码编程、办公工具调用等

设计需记忆才能完成的RLVR任务，基于SOTA模型的任务真实完成情况，获得探针打分

间接奖励自研模型对Memory存储介质的处理能力，存储密度与质量直接决定记忆好坏，记忆准确度决定

能否正确完成任务

准确率提升Token节约推理加速

•多AgentHarness适配

•私有化部署友好

•社区共建，透明可审计

偏好、习惯、上下文，让沉淀任务模式与最佳实践，学习项目资料与知识库，

Agent越用越懂你。跨Agent直接调用。沉淀为可被LLM直接使用

的业务画像。

•开箱即用，零运维

•多租户隔离与权限治理

•SLA保障，弹性扩展

腾讯云分布式数据库研发负责人

•下一代存储底座的命题：当数据生产者变为AGENT

•TDSQL-B:AI时代的企业级多模态数据存储底座

CONTENTS

•TDSQL-B多模态技术全景&演进规划

下一代存储底座的命题：当数据生产者变为Agent

AI应用爆发正在重塑数据格局—产生数据、消费数据的主体正从真实用户演变为AIAgent，多模态数据增长成为主旋律

Forecast

中国日均Token：2024年初1000亿→2026.3⽉140万亿

30万T全球每周Token：2026Q1三个⽉内从6.4T增至22.7T

年增340%(MorganStanley)

20万T

较2025年增长40倍，日执行2170亿次操作

10万TG2000企业Agent用量增长10倍，API调用增1000倍

5万T

0以49.3%CAGR增长，是结构化数据增速的3倍

24Q124Q425Q225Q426Q180%企业知识锁在PDF/图片/视频等非结构化数据中

TDSQL-B:AI时代的企业级多模态数据存储底座

→无须分库分表，计算存储可独⽴弹性扩缩

→多主可写无单点瓶颈，高压缩分布式存储

复制组1（主）复制组2复制组1（从）

复制组3复制组1（从）

→一个产品入口，Zero-ETL的多引擎能力

→容器化弹性调度，容量&热点自适应均衡

Serverless

MySQLHBaseDuckDB向量/全文

计算层……

OLTPKVOLAP混合检索

按需弹性

行存列存元数据服务

可被Spark/Flink/Parquet/Lance…

DuckDB直接读取

CBS/SSDCache·热数据缓存/预取/并发读

本地热缓存

COS·S3·MinIO（对象存储为主存储）

对象存储

AI多模数据天然规模大、冷热分明、增长快；传统数据库集群存储成本高。以对象存储作为主存储，可显著降低长期数据留存和多模数据沉淀成本

不把生态完全绑定在数据库内生体系

Iceberg/Parquet/

Lance

不把多模数据沉到专有多引擎体系

读Iceberg/Parquet原始语料·图片·embedding不仅存向量，也管理结构化/开放表

chunk·向量·全文索引全文·向量·标量过滤

站在湖仓、AI、BI、对象存储和开源格式生态之上

统一catalog·schema·权限·血缘

在线查询/RAG批量embedding/索引构建

结构化/过滤/聚合ANN·TopK·索引加载

BM25·倒排索引向量/全文/空间构建

白天高峰：RAG/搜索请求夜间批量：embedding/索引构建导入·chunk·embeddingrewrite·rerank·模型

突发：新文档导入时计算暴涨长尾：企业知识库长期低频

•在线查询与索引构建隔离•高峰自动扩展

•空闲自动缩容•低频知识库不占集群

买实例·买节点·买规格存储+查询+索引+请求+缓存

•大任务不挤占在线查询•多租户资源隔离

对用户呈现为一个产品、一个入口、一套管理体系底层资源按负载类型拆分，避免互相影响

SQL/Search/Vector/Hybrid/控制台表/文件/索引/权限/血缘

查询/索引/导入/embeddingWorker管理/任务生命周期

对象存储/表/索引元数据打通控制台/监控/运维/计费一体

TDSQL-B多模态技术全景&演进规划

DBA经验沉淀Supabase+DMS托管Gambit对弈式演练

Agent可稳定调用快速拥有完整前后端全链路混沌验证

⼩红书数据库DevOps专家

•规模上升+链路复杂，让人肉经验不可持续

•SOP、脚本、平台、权限分散在不同系统

•要把DBA判断路径沉淀成Agent可稳定调用的Skill

•AICoding需求爆发，非研发岗位也要做E2E原型验证

•Agent不只生成页面，还需要数据模型、接口、鉴权、部署

•Supabase+DMS托管，让业务快速拥有可用后端