当数据生产者变成 Agent，数据库底座如何重构？
当 AI 从辅助工具走向生产力基础设施，数据库面临的已不再是一次简单的能力扩展，而是一场底层逻辑的重构。
在 Agent 趋势下，
真正的变化不只是模型更强、应用更多，而是数据的生产方式、负载特征和成本结构都在被 AI，尤其是 Agent 重新定义。面向“人”设计的数据库架构，正在被“面向 Agent”运行的新范式推到临界点。
基于这一判断，腾讯云 TDSQL Boundless 对下一代数据库存储底座展开了深度思考：AI 时代究竟为数据库带来了哪些根本性变化？为何传统架构已难以承载新需求？企业级数据库又该如何进化，才能真正成为一个 AI-Ready 的多模态数据底座？
AI 时代到来，数据库
迎来三大根本变化
国家数据局今年 3 月公布的信息显示，中国日均 Token 消耗量在两年间增长已超过 1000 倍；摩根士丹利则预测，到 2027 年底这一数据还将进一步增长 5 倍。与此同时，IDC 预测到 2029 年全球将涌现超过 10 亿个活跃 Agent。
在这背后，数据世界正在发生三类根本性变化。
第一，多模态数据将成为主旋律。
今天新增的数据中，非结构化数据占比已高达 92%。文本、图片、音频、视频、Embedding、检索索引等多种数据形态会长期共存，企业的数据底座必须从一开始就具备多模态承载能力。
第二，业务负载从“可预估”转向“脉冲式”。
传统业务的数据库负载相对稳定，容量规划和资源采购可以基于周期性预估完成；但在 Agent 场景下，系统往往会在短时间内迎来突发高峰，而在空闲时流量又迅速回落。数据库不再只是支撑稳定交易，而要适应高度波动的 AI 工作负载。
第三，全球数据规模将进入指数级增长周期。
当数据生产者逐步由“人”转向“人 + Agent”，数据库系统承接的数据量、访问方式和成本压力都会出现数量级变化
这对过去围绕人类用户设计的数据库体系而言，是一次根本性的挑战与变化。
变化带来的不只是压力，也带来了一个快速扩张的新市场。
据 Gartner 数据，AI Data 已成为 AI 相关支出中增速最快的赛道之一，年复合增长率达到 155%；其增速已是基础设施投资的 5 倍以上。与此同时，超过七成的生产环境大模型已采用类似 RAG 的架构，向量数据存储与检索相关市场同比增长超过 300%。
但现实是，行业整体并没有真正准备好迎接 AI。
调研显示，目前只有不到 10% 的企业认为自己的基础设施已经达到 AI Ready 状态；超过八成的技术专家则认为，如果现有系统不经历一轮系统性优化，未来一年半内就可能被 AI 带来的新型负载压垮。正因如此，腾讯云 TDSQL Boundless 给出了一个很明确的
AI Ready 的下一代数据库架构，不能继续在旧架构上“缝缝补补”，而是要重新建设一个原生多模态、按需弹性、开放不锁定的企业级数据存储底座。
TDSQL Boundless 的基础能力，已为下一步演进打下底盘
作为腾讯云自研的企业级分布式数据库，TDSQL Boundless 已在公司内外部多个生产环境中经历了大规模、多负载场景验证，形成了四项关键架构能力：
集中式与分布式一体化架构
对应用全透明，用户无需关心分库分表及数据调度问题；
近乎无限的计算与存储横向扩展能力
多节点读写架构可支撑高并发场景，自研高压缩比存储引擎兼顾性能与成本；
原生 Zero-ETL 的 TP、AP、KV 一体能力
帮助用户在统一入口下满足多类型场景需求；
高度自适应的数据负载均衡与云原生弹性能力
降低运维复杂度，提升资源使用效率。
也正是在这样的基础上，团队进一步提出了下一阶段的目标：
将 TDSQL Boundless 进化为一个面向 AI 时代的企业级多模态数据存储底座。
腾讯云 TDSQL Boundless 对下一代产品形态的定义可以概括为：
它不是一个“更大的数据库集群”，而是一个运行在对象存储和开放格式之上的 Serverless AI 多模数据库。
围绕这一定位，团队明确了四个长期坚持的设计决策。
- 让对象存储成为多模数据的长期主存储
在传统架构下，数据往往先进入数据库集群，再逐步冷却并异步归档到对象存储。这样的路径本质上意味着，用户要长期为峰值容量和常驻集群资源付费。
但在 AI 场景下，多模数据天然规模更大、增长更快、冷热分层更明显。如果仍沿用过去的存储模式，成本很快就会成为不可承受之重。
因此，腾讯云 TDSQL Boundless 做出一个关键转变：
对象存储在 AI 时代不应只是备份介质，而应该成为主存储。
数据直接沉淀在 COS、S3 等对象存储介质上，计算引擎则按需完成读取、换算、预热与加速。这样一来，整个系统的成本模型就从“容量驱动”转向“按需计算驱动”，不仅更适合 AI 场景，也为后续开放生态提供了天然基础。 - 优先拥抱开放数据格式，连接更广阔的 AI 生态
AI 时代的数据底座不应是封闭系统，而应该建立在开放生态之上。
为此，TDSQL Boundless 将优先兼容 Parquet 等开放数据格式，并面向 AI 数据处理与消费场景兼容更多开放范式。团队希望同一份数据可以同时服务 BI 分析、AI 训练、RAG 检索、数据治理等多类场景，而不再需要为每个消费方维护一条独立的数据通道。
在团队看来，开放格式的核心价值，本质上是“生态杠杆”——你的 AI 数据能被多少工具、平台和引擎直接读取与利用，决定了这些数据真正的流动性与价值上限。 - 用 Serverless 和负载感知弹性，匹配 AI 的波动式需求
AI 时代最鲜明的业务特征之一，就是负载的不确定性。
白天可能是 RAG 查询高峰，晚上则是批量 Embedding 和索引构建任务集中触发；一些长尾 Agent 平时调用频率很低，但一旦有新文档或新数据批量导入，又会瞬间拉高算力需求。对于这样的业务形态，传统“先买实例、再做扩容规划”的方式已经越来越不适用。
因此，团队选择将计算资源完全池化，并让不同计算引擎独立运行：SQL 查询池、向量检索池、全文检索池、索引构建池各自隔离，空闲时自动缩容，高峰时自动扩展，在线查询与批处理互不干扰。
这意味着计费模型也会发生变化——从传统的“买节点、买实例、做容量规划”，转变为面向存储、查询量、索引请求等真实使用量进行计费。腾讯云 TDSQL Boundless 让 Serverless 的价值不只是“免运维”，更重要的是让 AI 用户只为真实发生的需求买单。 - 对外保持统一体验，对内实现引擎隔离与统一治理
一个企业级多模态数据底座，不能只有能力堆叠，更要具备长期稳定演进的治理体系。
在产品体验上，TDSQL Boundless 希望用户看到的是一个逻辑统一的 AI 多模数据库：统一入口、统一元数据管理、统一安全边界、统一控制台。用户提交请求后，系统自动路由到最合适的引擎，并在融合查询后返回结果。
而在系统内部，不同计算负载又必须严格隔离：SQL 查询、向量检索、全文检索、索引构建等运行在各自独立的资源池中，互不干扰；底层则通过统一的安全认证、权限管理、审计日志等机制，形成真正企业级的治理能力。
从产品设计逻辑来看，这样的体系才能既让用户感受到“统一”，又让系统内部保持“可隔离、可弹性、可治理”。
数据库的下一次进化，要真正从 AI 场景出发
目前，TDSQL Boundless 已具备较好的 SQL 兼容性，以及 TP、AP、KV 等能力。接下来，团队将沿着 AI 多模态底座的方向持续推进：
• 重点推出面向向量索引与全文索引的能力，进一步覆盖 AI 检索类应用场景；
• 重点打磨基于对象存储原生的数据能力，以及统一开放的元数据服务能力；
• 进一步增强混合检索、融合检索能力，并补齐更多 AI 生态所需的数据类型与多模态体验。
这也意味着，TDSQL Boundless 的演进目标并不是单点补齐某一项能力，而是逐步形成一个更完整、更开放、更弹性的企业级 AI 数据底座。
因为对于数据库而言，AI 不是一个可以“外挂适配”的增量能力，而是一次必须从架构层面重新回答的问题。
当多模态数据成为常态、Agent 成为主要数据生产者、存储成本与弹性能力成为关键约束，数据库的下一次进化方向已经越来越清晰：它必须是原生面向 AI 的，必须具备开放性，必须具备按需弹性，也必须具备企业级治理能力。
而这，正是腾讯云 TDSQL Boundless 正在尝试构建的“AI Ready 的下一代数据库存储底座”。
TencentDB
往期推荐