MariaDB推統(tǒng)一云數(shù)據(jù)庫平臺，適配AI Agents開發(fā)

企業(yè)應(yīng)用程序的未來是代理的。人工智能代理需要大規(guī)模實時、實時地進行探測、分析和交易。與此同時，代理需要以企業(yè)數(shù)據(jù)中包含的見解為基礎(chǔ)，這些數(shù)據(jù)目前被困在分散的孤島中。

數(shù)據(jù)庫管理系統(tǒng)提供商 MariaDB plc 宣布，將推出一個統(tǒng)一的云平臺MariaDB Enterprise Platform 2026，將事務(wù)、分析和與 AI 相關(guān)的矢量數(shù)據(jù)庫引擎統(tǒng)一到一個安全的數(shù)據(jù)源中，消除了構(gòu)建 AI 應(yīng)用程序的復(fù)雜性，旨在幫助下一代人工智能應(yīng)用程序的快速開發(fā)。

此外，MariaDB 內(nèi)置了本機檢索增強生成或 RAG（一種允許大型語言模型根據(jù)上下文檢索新信息的技術(shù)），并嵌入了預(yù)配置的 AI 助手——AI copilots ，可在數(shù)據(jù)庫級別提供對代理 AI 的訪問。

RAG和 AI 助手

為了支持人工智能的數(shù)據(jù)檢索，MariaDB 的新企業(yè)平臺采用了該公司所謂的“RAG-in-a-box”。通常，開發(fā)人員必須創(chuàng)建自己的上下文檢索管道才能訪問大型語言模型的準(zhǔn)確知識。將此功能直接集成到數(shù)據(jù)庫平臺中將節(jié)省開發(fā)人員的時間和精力。這還可以加快在幕后檢索數(shù)據(jù)的過程。

MariaDB 的嵌入式 RAG 解決方案消除了嵌入（為 AI 矢量存儲準(zhǔn)備數(shù)據(jù)所需的過程）以及維護矢量數(shù)據(jù)庫和專門的數(shù)據(jù)檢索管道的需要。底層系統(tǒng)自動、一致地處理所有內(nèi)容，并針對速度和準(zhǔn)確性進行優(yōu)化。

AI 助手的加入使 AI 代理能夠使用自然語言與存儲的數(shù)據(jù)進行交互。這些允許其他智能代理直接與數(shù)據(jù)連接，而無需額外的層，并為開發(fā)人員提供了一個系統(tǒng)，可以與數(shù)據(jù)“聊天”以獲得見解和管理。

現(xiàn)已在 MariaDB Cloud 中推出，預(yù)配置的代理包括開發(fā)人員和 DBA AI 副駕駛。開發(fā)人員助手提供文本到 SQL 功能，允許開發(fā)人員編寫文本查詢，以返回對數(shù)據(jù)庫中存儲的數(shù)據(jù)的見解。DBA Copilot 提供數(shù)據(jù)庫管理功能，例如性能調(diào)整和錯誤調(diào)試，以提高管理員的工作效率。

除了這些更新之外，該公司還表示，其Enterprise Server 11.8（ Enterprise Platform 2026 的核心組件）與 250 版本相比，性能提高了 11.6%。此外，開發(fā)人員和工程師將獲得一種新的企業(yè)管理工具，該工具為 MariaDB 數(shù)據(jù)庫提供全面的可觀察性，以及增強的監(jiān)控和可視化工具。

Exa：統(tǒng)一的高性能分析引擎

為了加倍致力于大規(guī)模數(shù)據(jù)能力，MariaDB 還宣布與高性能分析引擎提供商Exasol AG 建立戰(zhàn)略合作伙伴關(guān)系，將公司的數(shù)據(jù)分析服務(wù)與新的統(tǒng)一人工智能企業(yè)平臺集成。

Exasol首席執(zhí)行官Joerg Tewes表示：“MariaDB客戶現(xiàn)在可以部署真正的融合數(shù)據(jù)庫解決方案，該解決方案支持GenAI、實時儀表板和復(fù)雜數(shù)據(jù)科學(xué)的性能要求，同時保持?jǐn)?shù)據(jù)治理和嚴(yán)格的成本控制。

聯(lián)合解決方案 MariaDB Exa 結(jié)合了兩家公司的能力，創(chuàng)建了一項服務(wù)，為開發(fā)人員和數(shù)據(jù)工程師提供對數(shù) TB 和 PB 級數(shù)據(jù)集的極大、復(fù)雜的查詢功能。

Tewes 稱贊 Exasol 分析引擎（Exa 的核心功能）的高性能和成本效益，并指出獨立基準(zhǔn)測試顯示它比其他云公司快 20 倍。

MariaDB 表示，新解決方案提供的速度比傳統(tǒng)的在線事務(wù)處理解決方案快 1,000 倍以上，傳統(tǒng)在線事務(wù)處理解決方案用于管理大量小事務(wù)。網(wǎng)上銀行、ATM 和電子商務(wù)訂單輸入系統(tǒng)等行業(yè)通常需要跟蹤和更新大量小額交易，因此實時處理成為必要。

國際科技巨頭：全棧能力驅(qū)動的生態(tài)級平臺

除 MariaDB 外，全球科技巨頭與創(chuàng)新廠商已紛紛布局統(tǒng)一云數(shù)據(jù)庫平臺，這類平臺普遍具備多引擎兼容、云原生架構(gòu)、一體化數(shù)據(jù)管理等核心特征，可適配從傳統(tǒng)業(yè)務(wù)到 AI Agents 開發(fā)的多元需求。以下是代表性廠商及產(chǎn)品實例：

·微軟（Microsoft）：Azure Cosmos DB

作為全球分布式多模型數(shù)據(jù)庫，Azure Cosmos DB 以 “統(tǒng)一后端、多模型適配” 為核心優(yōu)勢，支持 NoSQL 文檔、鍵值、圖數(shù)據(jù)庫等多種數(shù)據(jù)模型，且最新集成了高級矢量搜索功能。其獨特價值在于允許傳統(tǒng)無模式數(shù)據(jù)與高維矢量數(shù)據(jù)存儲于同一文檔，通過余弦距離、歐幾里得距離等算法實現(xiàn)高效相似性查詢，既能支撐常規(guī)業(yè)務(wù)的數(shù)據(jù)一致性需求，又能滿足 AI 應(yīng)用的高維數(shù)據(jù)處理場景，無需在多系統(tǒng)間切換數(shù)據(jù)鏈路。同時，其全球分布式架構(gòu)可實現(xiàn)毫秒級延遲訪問，適配跨地域企業(yè)的統(tǒng)一數(shù)據(jù)管理需求。

·Snowflake：數(shù)據(jù)云原生的統(tǒng)一分析平臺

Snowflake 的統(tǒng)一云數(shù)據(jù)庫平臺并非基于傳統(tǒng)數(shù)據(jù)庫技術(shù)重構(gòu)，而是采用 “存儲 - 計算 - 云服務(wù)” 三層分離的創(chuàng)新架構(gòu)。該平臺可統(tǒng)一管理結(jié)構(gòu)化、半結(jié)構(gòu)化及非結(jié)構(gòu)化數(shù)據(jù)，通過列存儲優(yōu)化與 MPP（大規(guī)模并行處理）引擎，同時支撐 OLTP（在線事務(wù)處理）與 OLAP（在線分析處理）任務(wù)。作為全托管服務(wù)，它無需用戶管理硬件與軟件，自動完成維護、升級與性能調(diào)優(yōu)，且能與 AWS、Azure、GCP 等主流云基礎(chǔ)設(shè)施無縫集成，幫助企業(yè)打破數(shù)據(jù)孤島，尤其適合需要大規(guī)模數(shù)據(jù)聚合分析的場景。

·亞馬遜（Amazon）：AWS 數(shù)據(jù)庫服務(wù)矩陣

亞馬遜通過 “核心引擎 + 服務(wù)集成” 構(gòu)建統(tǒng)一云數(shù)據(jù)庫能力，以 Amazon Aurora 為核心，兼容 MySQL、PostgreSQL 語法，同時整合 Amazon DynamoDB（NoSQL）、Amazon Neptune（圖數(shù)據(jù)庫）、Amazon OpenSearch Service（搜索型數(shù)據(jù)庫）等多種引擎。用戶可在 AWS 控制臺統(tǒng)一管理各類數(shù)據(jù)庫實例，實現(xiàn)數(shù)據(jù)的跨引擎流轉(zhuǎn)與聯(lián)動分析，例如通過 Aurora 存儲事務(wù)數(shù)據(jù)，同步至 DynamoDB 支撐高并發(fā)讀寫，再借助 Neptune 挖掘數(shù)據(jù)關(guān)聯(lián)關(guān)系，形成覆蓋全業(yè)務(wù)場景的統(tǒng)一數(shù)據(jù)底座。

國內(nèi)廠商：信創(chuàng)適配與場景化創(chuàng)新并行

·云軸科技（ZStack）：ZStack RDS

作為云原生架構(gòu)的數(shù)據(jù)庫管理平臺，ZStack RDS 以 “資源池化 + 全信創(chuàng)兼容” 為特色，在同一平臺內(nèi)整合了 MySQL、Oracle、PostgreSQL 等通用數(shù)據(jù)庫，同時適配達夢、金倉、openGauss 等 5 種以上國產(chǎn)數(shù)據(jù)庫。其核心優(yōu)勢在于深度兼容鯤鵬、飛騰等國產(chǎn)芯片及銀河麒麟、統(tǒng)信等操作系統(tǒng)，可幫助政企客戶構(gòu)建全棧自主可控的統(tǒng)一數(shù)據(jù)庫服務(wù)，同時通過 DBaaS（數(shù)據(jù)庫即服務(wù)）模式實現(xiàn)資源的彈性伸縮與自動化運維，降低多數(shù)據(jù)庫環(huán)境的管理復(fù)雜度。

·DCloud：uniCloud 云數(shù)據(jù)庫

uniCloud 聚焦開發(fā)者友好的統(tǒng)一數(shù)據(jù)管理，提供兼容 MongoDB 語法的 JSON 文檔型云數(shù)據(jù)庫，覆蓋阿里云、騰訊云、支付寶云等多公有云環(huán)境。其創(chuàng)新點在于簡化數(shù)據(jù)庫操作門檻，支持類似 SQL 的 JQL 語法與 clientDB 技術(shù)，同時推出 “擴展數(shù)據(jù)庫” 版本，在性能上限、容災(zāi)能力上升級，適配企業(yè)級高并發(fā)場景。對于中小型開發(fā)團隊，可通過 uniCloud 快速搭建跨端應(yīng)用的統(tǒng)一數(shù)據(jù)后端，無需關(guān)注底層云資源差異。

核心共性與差異化方向

這些統(tǒng)一云數(shù)據(jù)庫平臺均突破了傳統(tǒng) “單一引擎對應(yīng)單一場景” 的局限，核心共性包括：多模型 / 多引擎兼容（同時支撐關(guān)系型、NoSQL、矢量等數(shù)據(jù)類型）、云原生架構(gòu)（存儲計算分離、彈性擴展）、全托管運維（降低基礎(chǔ)設(shè)施管理成本）。

而差異化主要體現(xiàn)在場景側(cè)重：微軟 Azure Cosmos DB 與 Snowflake 更偏向全球化企業(yè)的復(fù)雜數(shù)據(jù)處理與 AI 適配；ZStack RDS 聚焦信創(chuàng)領(lǐng)域的國產(chǎn)化替代需求；uniCloud 則瞄準(zhǔn)輕量化開發(fā)場景的效率提升。

隨著 AI Agents、多模態(tài)應(yīng)用的普及，這類平臺正進一步強化 “矢量存儲 + 跨引擎聯(lián)動” 能力，成為連接傳統(tǒng)業(yè)務(wù)數(shù)據(jù)與智能應(yīng)用的關(guān)鍵樞紐。