数据库+AI专场圆桌精彩实录来了！业界大咖共话AI时代数据库破局之道！

本次圆桌由腾讯云数据库副总经理罗云、海峡银行数据库架构师朱正珊、佰晟智算CEO白鳝、宝武集团/欧冶云商数据库首席薛晓刚、英特尔市场营销集团大客户技术总监郑春阳共同参与，聚焦智能体、垂类模型、上下文工程实践等前沿议题，碰撞出众多精彩观点。

议题一：DevOps与AI，如何用智能体重构数据库开发运维范式？

朱正珊指出，过去DevOps被局限在DBA一侧，而未来智能体应该在应急处理上进行发展，能够做到应急扩容和主动干预，实现更高水平的自治运维。

白鳝认为，AI介入DevOps需谨慎。现有流程较重，数据重构风险高，建议从小处切入，逐步推动智能升级。

罗云提出“AI前置”思路，主张在开发阶段即引入AI能力，通过对用户代码的分析与治理，从根本上减少风险，显著提升数据库团队的能力天花板。

主持人余欣纬总结，在数据库DevOps场景，智能体的核心价值在于通过AI驱动的风险预警、主动干预与持续优化，构建跨越开发者与DBA认知的桥梁。

议题二：在AI加持下，企业数据分析会有哪些能力的突破？

薛晓刚强调，在结构化处理上，AI能够让业务人员用自然语言结合低代码进行一些分析，具有优势；同时AI也尤其擅长处理非结构化数据。在双重纬度上，全面提升数据赋能能力。

罗云进一步提出，未来AI应主动分析数据关联、挖掘潜在问题，直接提供超预期的洞察结论，实现从“人问数据”到“数据主动告知”的范式转变。这需要数据库团队与行业专家深度合作，以解决领域知识复用难题。

主持人余欣纬总结，在数据分析领域，AI政治在驱动企业数据分析从人找数据到数据找人的新范式演进。

议题三：既然有通用模型，为什么需要垂类数据库大模型？

郑春阳以英特尔自身应用为例，指出通用大模型在专业场景中回答质量有限，而垂类模型在准确性和专业性上表现更优，尤其适合技术支撑和复杂问题处理。

朱正珊认为，过去通用大模型很多是在供应链认知，垂直领域的大模型则是一个可执行方式，在技术深度和准确性上优势明显。

白鳝结合实践场景分析，尽管通用模型进步快，但在专业领域（如国产数据库）仍面临幻觉问题和高算力需求。垂类模型通过精准微调，能以更小参数规模实现更优效果，为企业节省大量算力成本。

薛晓刚补充，垂直模型能精准定位问题，甚至直接指出解决方案的来源，极大提升运维效率。

罗云透露，腾讯自研的C1、D1、O1三款模型在强化学习调优后，准确率提升明显。他建议企业建立数据驱动的训练管线，以便快速适配最新基座模型，持续保持技术领先。

主持人余欣纬总结，垂类大模型的出现其实并非对通用大模型的替代，而是对产业智能化深水区的必然响应。

议题四：Context AI——智能体的上下文工程该怎么做？

白鳝指出，在数据库运维领域，上下文工程的核心在于高质量数据驱动，而非单纯依赖知识。通过提供高质量数据可大幅提升模型推理准确性。此外，目前多智能体协同效果不佳，数据与上下文切分难度大，单智能体全量处理仍是更有效方案。

薛晓刚强调上下文自适应学习的重要性。通过将审核中发现的错误案例（如开发人员创建不规范临时表）不断补充到知识库中，使AI系统持续学习迭代，从而不断提升其准确性与收敛性。

罗云指出，智能体的长期记忆与上下文管理是未来重点。通过记录用户偏好与历史（如情感关怀场景），智能体可提供更精准的个性化服务。这种能力对数据库服务DBA领域同样具有重要想象空间。

主持人余欣纬总结，上下文工程是构建高效智能Agent的基础设施，上下文工程可以通过长短期记忆，为Agent提供精准上下文。

议题五：如何从基础设施层面加速AI场景的落地？

郑春阳指出，当前AI算力需求远超半导体产能，投资正转向基础设施（如云服务器、芯片及终端设备集成），同时需大力发展开源软件生态以降低使用与迁移成本，提升智能算力可及性。

罗云介绍，腾讯云正致力于打造面向Agent的基础设施，整合推理、检索等多种算力，通过软硬件协同降低开发门槛，推动AI技术更快落地。

结语

本次圆桌讨论清晰表明，AI正在深刻改变数据库技术的演进路径。从运维自治、数据分析，到模型选型与上下文工程实践，智能体与垂类模型正成为破局关键。而技术与场景的深度融合，将是推动行业走向可持续发展的核心动力。

未来，腾讯云数据库还将继续与生态伙伴共同创新，助力企业在AI时代构建更高效、更智能的数据库体系。

TencentDB