國產數據庫跑出AI新能力！OceanBase登頂國際Data Agent榜單

OceanBase團隊提交的Data Agent方案登頂國際數據智能體基準Data Agent Benchmark 近日， OceanBase團隊提交的Data Agent方案登頂國際數據智能體基準Data Agent Benchmark（簡稱DAB），以90.62%的準確率位列第一，成為該榜單首個準確率突破90%的參評方案。值得關注的是，這一成績由國產數據庫OceanBase基於國產大模型GLM-5.2構建，超過多項基於GPT、Claude Opus、Claude Fable等海外模型構建的Data Agent方案。

本次參評方案內部代號為Scout，相關能力將融入OceanBase DataPilot。（圖說：OceanBase登頂國際Data Agent榜單，成為首個準確率突破90%的參評方案） DAB由UC Berkeley EPIC Data Lab與Hasura PromptQL合作推出，評測覆蓋互聯網/本地生活、金融股票、生物醫學、知識產權、企業運營、政務/公共管理、媒體/文娛等多個領域，並涉及PostgreSQL、MongoDB、SQLite、DuckDB等多種數據庫。

與傳統Text-to-SQL主要考察AI能否將自然語言轉換成SQL不同，DAB更關注AI進入真實數據環境後，能否從複雜、分散、形態各異的數據中找到正確答案。一個完整任務中，Data Agent需要理解數據、選擇數據、規劃分析路徑、完成查詢計算，並對結果進行驗證，考驗的是從“理解數據”到“拿到答案”的完整能力。也正因此，DAB考驗的不只是底層模型，而是“模型+Agent+數據系統”的綜合能力。模型負責理解和推理，Agent負責規劃和執行，數據系統則要支撐數據發現、關聯計算和結果校驗。三者能否協同，直接影響AI能不能真正把企業數據用起來。OceanBase此次參評方案，正是圍繞這一能力構建。

系統通過DataLens構建數據畫像，識別字段和數據關係；再根據任務複雜程度規劃執行路徑，完成數據選擇、篩選、關聯和計算；得到結果後，還會通過證據追蹤和答案校驗檢查計算過程和結果，發現問題時調整方案並重新驗證，形成“數據理解—規劃執行—驗證修復”的閉環。這也解釋了此次90.62%成績的含金量：它不是單純證明國產模型能夠完成數據查詢，而是驗證了國產數據庫與國產模型結合後，能夠共同支撐複雜的數據分析任務。在底層模型採用GLM-5.2的情況下，OceanBase方案最終超過了多項採用GPT、Claude Opus、Claude Fable等海外模型構建的Data Agent方案。

對OceanBase而言，這也是其AI能力的一次新驗證。過去，數據庫主要負責存儲、查詢和處理數據。隨著AI Agent成為新的數據使用者，數據庫需要解決的問題也在變化：AI不僅要拿到數據，還要理解數據、關聯數據、分析數據，並驗證結果是否可靠。AI時代的數據底座，也因此開始從“把數據交給AI”，走向“幫助AI把數據用起來”。這正是OceanBase從數據庫向AI數據平臺演進的方向。OceanBase DataPilot是面向AI數據分析場景的產品方向。

本次DAB評測以內部代號Scout的方案提交，相關技術能力後續將沉澱到DataPilot產品中，進一步承接數據理解、任務規劃、分析執行和結果驗證等能力，讓AI從“調用數據”走向“用數據完成任務”。從數據庫到AI數據平臺，變化的不只是產品形態，更是數據庫與AI的關係：過去數據庫負責把數據存好、算好、取出來，如今還要幫助AI理解數據、組織數據並完成分析。此次登頂DAB，是OceanBase將數據庫能力進一步延伸到AI數據分析環節的一次驗證，也意味著數據庫正在從AI的數據底座，走向AI的數據工作引擎。