日前，在2026世界人工智能大会（WAIC）阿里云“Agentic Cloud”论坛上，阿里云数据库产品事业部负责人杨辛军发表《从服务人，到服务Agent：打造智能体时代的数据平台》主题演讲。他表示，过去企业做AI，大部分精力集中在大模型；随着AI落地深入，数据正成为Agentic时代的关键分界点，企业AI应用的引力中心正在回到数据平台。
杨辛军指出，Agent已成为企业级AI应用的主力载体。随着Agent的规模化落地，由Agent驱动的Token消耗和成本也在同步指数级增长。Agent要真正完成任务，不仅需要模型推理能力，更需要可弹性创建、可持续记忆、可回溯、可治理的数据平台。
1、Agent正在成为数据平台的新操作者
当模型逐渐成为底层能力，真正走向竞争前台的是围绕Agent建立起来的基础设施、工具链和协同能力。一个正在发生的变化是，云的主要用户，开始从人变成Agent。
这一变化已经在数据库侧显现，据杨辛军透露，过去5年，阿里云PostgreSQL数据库累计创建约4万个实例。而最近短短几个月，仅由Agent自主创建的数据库实例便达到12万，环比增长约300%。越来越多的数据库，不再由程序员创建，而是由智能体自主完成。
过去，人和DBA创建数据库实例，更多围绕稳定业务系统展开；现在，Agent会在开发、测试、分支试错、沙箱运行等场景中高频创建和销毁数据库。数据库平台必须从服务人，走向服务大规模、自动化、高并发的Agent。
2、智能体时代的数据平台，需要六大核心能力
面向Agentic Cloud，阿里云瑶池数据库提出智能体时代数据平台的6大核心能力：资源弹性、上下文组织、分支试错、多模搜索、成本观测和权限安全。
在资源弹性和分支试错方面，Agent创建数据库的速度远高于人工操作，并会快速创建、销毁大量Sandbox。若每个Agent都独占数据库，持有成本将快速上升。因此，阿里云瑶池数据库通过统一底座和多层存储，让多个Agent共享底层存储，并将大量临时数据、休眠数据放在低成本OSS等存储介质上，全面降低Agent使用成本。
上下文记忆/组织和多模搜索方面，Agent需要把结构化数据、图片、视频、文档、向量、图关系等信息纳入统一记忆系统。过去，不同类型数据往往由不同数据库承载；在Agentic时代，一份存储、一份数据，需要支持多模检索和联合搜索，瑶池数据库帮助Agent基于历史上下文减少重复计算，并在交互中实时更新记忆。
在可观测和安全方面，Agent每一次调用、每一次文件修改、每一次数据访问都需要被记录、标识和审计。阿里云瑶池数据库已支持10万次/秒的数据存储快照记录，可对Agent操作进行快照、回溯和回滚。同时，通过访问控制、数据加密、租户隔离、数据扫描和Agent操作追踪等能力，构建Agent时代的数据安全防线。
3、从智能座舱到大模型公司，Agent数据平台加速落地
在 MiniMax 的情感陪伴类应用中，记忆不是一个附加功能，而是每次交互的基础。用户过去说过什么、留下过哪些偏好，甚至图片、视频等非结构化内容，都会影响 Agent 下一次如何回应。基于阿里云瑶池数据库旗下的PolarDB云原生数据库，MiniMax 将这些结构化与非结构化数据统一存储和检索，在千亿级对话表上实现读写性能提升 3 倍，并支持日均数亿条消息的毫秒级实时检索。依托秒级无感扩缩容和冷热数据自动分层归档，计算资源成本降低 50%，存储成本降低 75%。
在理想汽车日常的智能座舱场景下。用户在车内与屏幕交互时，系统需要理解用户习惯、当前上下文和实时生成的界面内容，并快速给出反馈。理想汽车将屏幕交互系统构建在阿里云数据库平台之上，基于Agent-Native Lakebase，通过一体化数据服务把用户习惯、交互上下文和生成结果统一管理。在这一架构下，智能座舱实现推理加速 30%，一体化数据服务提效 2 倍，并在 Vibe Coding 场景中将开发效率提升 10 倍。
另一家头部模型公司，其网页端同时在线的 Agent 可以达到近20万个，但更多 Agent 长时间处于休眠状态。如果为每个 Agent 单独保留完整计算和存储资源，成本会很快失控。基于PolarDB LakeBase 架构的 Agent 数据平台，可以将休眠 Agent 的数据沉降到分层存储中，在需要时再快速激活。最终，该方案支撑客户承载流量提升 10 倍以上，同时提供金融级数据隔离，并将整体成本降低 70%。
杨辛军表示，智能体正在缩短从创意到产品、从数据到价值的链路。未来，阿里云瑶池数据库将持续向「Agentic Database」方向演进，基于LakeBase、多模记忆、全链路可观测等前沿技术，打造面向智能体时代的数据平台，支撑AI应用规模化落地。
