2026 年 SelectDB AI 产品发布会圆满举行。本次发布会聚焦 Agent 时代下数据分析基础设施的全新变化，围绕极速分析、多模数据统一管理、Agent Native、Agent Observability 以及 Serverless 弹性架构等方向，系统展示了 SelectDB 面向 AI 与 Agent 场景的最新产品演进。
发布会吸引了 3 万余名开发者、架构师及企业用户在线观看，共同探讨 Agent 浪潮下数据基础设施的发展方向。
在开场演讲中，飞轮科技首席执行官马如悦提出：“只有解决好极速、统一、Agent Native 与 Cloud 弹性四个挑战，才能成为 Agent 时代最好的分析引擎。”
这一观点也成为贯穿整场发布会的主线。而纵观整场发布会，其释放出的核心信号可以归纳为以下几点：
- Agent 成为新的数据消费者，分析引擎需要帮助 Agent 更高效地理解与使用企业数据，这也是实时分析、Agentic Analytics、MCP Server、语义层以及 CLI/Skill 等能力演进的核心目标；
- Agent 本身正在成为新的数据生产者。随着 Prompt、Tool Call、Trace、Token 等运行数据爆发式增长，并呈现海量、Free Schema、文本和大字段占比高等特征，Agent 审计、观测、评测与优化正成为企业刚需，Litefuse 的发布及阶跃星辰等大模型客户实践正是对此的回应。
- 随着向量、文本、JSON 等数据形态快速增长，企业需要的不再是单一的向量数据库，而是统一管理结构化与非结构化数据的 AI 数据基础设施。这一趋势下，SelectDB 强化多模管理、混合检索等能力，构建统一的 AI 数据基础设施。
围绕上述趋势，SelectDB 从极速、统一、Agent Native、Agent Observability 与 Cloud 弹性五个维度，展示了其面向 Agent 时代的数据基础设施能力布局。
一、极速：亚秒级响应不是优化，是底线
Agent 时代，性能的重要性被进一步放大。
传统 BI 场景下，一次业务分析往往对应一条 SQL；而在 Agent 场景下，一个问题背后可能触发数十次查询，查询延迟被放大 10 倍甚至 50 倍。因此，查询性能不再只是体验优化，而成为 Agent 能否高效完成推理的重要基础。
对此，马如悦在演讲中提出：“亚秒级响应不再是一种优化，而是一种底线”。
SelectDB/Apache Doris 一直以实时极速分析能力见长。在 ClickBench 、SSB、TPC-H、TPC-DS 等多项权威测试中，SelectDB 展现出领先的查询性能（详见下图）。这些性能优势，使 SelectDB 能够更好地承载 Agent 推理链路中高吞吐、低延迟的查询需求。
二、统一：打破内外边界，融合多模数据
过去，统一更多指向数据源层面的统一；进入 Agent 时代，仅仅实现数据源统一已经不够。
在企业数据形态不断丰富下，Agent 需要处理的不只是结构化数据，还包括 JSON 半结构化数据、Text 全文数据以及 Vector 向量数据。与此同时，专用向量数据库带来的高内存成本、多系统协同以及数据治理复杂度，也成为企业构建 AI 应用的新挑战。
对此，马如悦认为，未来的数据分析引擎不仅要支持跨源查询，更要实现多模数据的统一分析。
SelectDB 将统一能力划分为两个层面：
- 内外数据源统一，实现跨 Lakehouse、关系数据库与对象存储的数据访问；
- 多模数据统一，实现结构化数据、全文数据、向量数据与半结构化数据的统一分析。
飞轮科技技术副总裁衣国垒在发布会上正式介绍了 SelectDB 的多模数据管理能力，并提出：“企业不缺向量数据库，而是缺统一的 AI 数据基础设施。”
针对这一趋势，SelectDB 将结构化、半结构化、全文和向量数据统一纳入同一分析引擎，通过原生向量检索、全文检索和多模分析能力，在一套平台上同时支撑 BI 分析、实时分析、RAG 和 Agent 应用，推动企业从多套系统并行走向“One Engine, All Data”的统一数据架构。
三、Agent Native：让 Agent 理解数据、使用数据
Agent Native 是发布会中最值得关注的亮点之一。Agent Native 并不只是让 Agent 能够连接数据库，而是让整个分析引擎以及其中存储的数据，都对 Agent 友好。
01 语义层定义业务，MCP 连接一切 Agent
马如悦表示：“Agent 时代最大的挑战并非生成 SQL，而是理解企业业务语义。”而当前 Text-to-SQL 应用普遍面临的难题正是如此。
为了解决这一问题，本次发布会上，SelectDB 正式发布 MCP Server 与语义层能力。
通过内置 MCP Server，Claude Code、Codex、Cursor 等主流 Agent 可以直接接入 SelectDB；通过语义层能力，企业能够统一定义指标、维度和业务逻辑，让 Agent 优先理解业务语义，再完成分析与查询。
现场演示中，Agent 通过自然语言即可完成指标发现、维度查询和数据分析任务，展示了从业务问题到分析结果的完整闭环。
02 CLI 与 Skill 协作，让 DBA 工作智能化
除了数据分析能力之外，发布会还展示了 Agent 在数据库设计与运维领域的探索。
飞轮科技技术副总裁表示：“把专家的判断转化成可复用、可验证的能力，是智能运维真正落地的关键。”
为此，SelectDB 发布了面向 Agent 的 CLI 与 Skill 体系，将容量规划、表设计校验、慢查询诊断以及云上运维等最佳实践沉淀为可执行工作流。
通过 Skill 与对应 CLI 工具协同，Agent 不仅能够理解数据库架构规则，还能够在安全边界内参与诊断、优化与运维工作，实现智能化运维（AIOps）及企业效能的提升。
四、Agent Observability：效果可观测、可评估
随着 Agent 应用逐步进入生产环境，企业开始面临新的可观测性挑战。
哪些环节产生了幻觉？Token 消耗发生在哪里？为什么 Agent 选择了错误的工具或执行路径？这些问题正在催生 Agent Observability 的新需求。
本次发布会上，SelectDB 正式发布面向 Agent 场景的可观测平台Litefuse**，同时也在阿里云 SelectDB 提供服务。Litefuse 将 Agent Trace 的采集、存储、分析、评估与数据集管理能力进行一体化整合，帮助开发者以更低成本、更低运维复杂度构建 Agent 可观测与评估体系。
飞轮科技副总裁肖康在演讲中介绍，相比 Langfuse，Litefuse 可实现最高 88% 的存储空间节省；文本检索可实现秒级响应，性能较传统 LIKE 查询提升 5～10 倍。同时，Litefuse 兼容 Langfuse SDK，并保留对 OpenAI SDK、Anthropic SDK、LangChain、Dify 等 100 余个 AI 生态组件的支持。
值得关注的是，发布会现场还正式宣布Litefuse 开源。随着 Agent 应用加速从实验阶段走向生产环境，可观测与评估能力正逐渐成为 AI 基础设施的重要组成部分。Litefuse 的开源不仅降低了企业构建 Agent Observability 平台的门槛，也将推动 Agent 可观测能力从单点实践走向更广泛的生态共建。
作为国内头部大模型厂商，阶跃星辰也分享了其 Agent Trace 实践。阶跃星辰技术专家 Rick 指出，Agent 时代的可观测性已经从“监控系统运行状态”演进为“理解 Agent 决策过程”。围绕 Prompt、Tool Call、多轮会话和 Token 成本等核心数据，阶跃星辰基于 SelectDB 构建 Agent Trace 平台，实现从运行观测到效果评估的数据闭环，为 Agent 持续优化提供支撑。
五、Cloud 弹性：解决 Agent 时代负载的不可预测
此外，Agent 时代还带来了新的资源挑战。与传统 BI 场景相对稳定的访问规律不同，Agent 请求天然具备随机性和突发性。一轮复杂推理可能触发数十次查询，资源需求难以提前预测。
因此，Serverless 与自动弹性正在成为 Agent 时代分析平台的重要能力。
SelectDB 通过存算分离架构，让计算和存储能够独立伸缩；通过秒级弹性能力，在低峰自动缩容，在高峰自动扩容；通过按量计费，让用户只为实际查询消耗付费。
发布会上，阿里云产品专家凤豪宣布，阿里云数据库 SelectDB Serverless 版已于 2026 年 3 月正式商业化。该版本支持秒级弹性扩缩容，使 Agent 分析资源成本从固定预留转向按需付费。
这不仅降低了资源成本，也进一步降低了数据平台运维复杂度，让团队能够将更多精力投入到 Agent 应用和智能分析场景建设中。
六、从分析数据库走向 Agent 实时分析引擎
纵观整场发布会，无论是 MCP Server、语义层、多模数据管理、CLI/Skill、Litefuse，还是 Serverless 架构，其核心目标都指向同一个方向：让数据库演进为面向 Agent 的数据基础设施。
围绕极速、统一、Agent Native、Agent Observability 与 Cloud 弹性五大维度，SelectDB 给出了自己的答案。而这或许也是数据基础设施迈向 Agent 原生时代的重要一步。
最后，感谢每一位参会者的热情参与，感谢演讲嘉宾的精彩呈现，也感谢所有合作伙伴、合作社区与合作媒体的鼎力支持。我们下次发布会再见！
