AI技术正以超乎想象的速度重塑一切，而企业数据管理，正站在这一轮变革的最前沿。

NineData创始人&CEO 叶正盛

近期，在第17届中国数据库技术大会(DTCC2026)上，我们采访了NineData创始人&CEO 叶正盛，他分享了AI时代数据管理面临的挑战，以及NineData如何助力构建面向人和Agent的安全、稳定、高效的数据使用体系。

AI时代新挑战：企业数据管理迎来变革

影响企业AI落地成效的关键因素是数据，然而大多数企业还没有实现数据的AI就绪。

叶正盛观察到，近些年，包括AI在内的多种技术浪潮叠加，使得企业IT建设模式、数据环境越来越复杂。

不同企业在IT系统建设方面具有不同的技术重点和治理要求，大致可以分为三类：

第一类是国企、制造业、医疗等行业和大型组织，更强调严谨规范、国产化、合规与安全，往往部署多种数据库，这类企业通常以外部采购为主、内部研发为辅，IT系统建设既要满足自主可控和安全审计要求，同时也有很多创新需求，央国企的信息化建设最为复杂。

第二类是互联网及互联网化企业，更看重敏捷交付和在线服务能力，往往采用自研、开源与外部采购结合的方式，并广泛使用公有云、私有云、混合云等基础设施。对这类企业而言，快速迭代和持续交付是业务竞争力的重要来源。

第三类是快速发展的AI Native企业。它们更多采用Agent自研、开源和自主工程的方式推进研发，软件生成、测试、修复和发布的节奏都在加快，人的参与逐渐从直接执行转向定义目标、边界和规则。

整体来看，企业IT系统建设拥有以下几个共同趋势：国产化升级进入深水区，企业加快全球化和多云布局，随着AI加速落地，海量Agent正在成为新的数据消费端。

上述IT演进趋势让数据环境呈现“两多一新”态势，“两多”是指多源数据和多云环境，数据库架构由单一数据库逐步转向多种数据库组合，数据则需要在不同云厂商、不同地域和不同类型的数据平台之间持续流动。企业面对的已经不是“如何管理一套数据库”的问题，而是如何在复杂数据环境中统一管理数据库、数据链路和数据访问行为。

“一新”是指海量Agent成为新的数据消费端，这给数据管理带来了全方位变革，比如，软件版本迭代节奏显著加快，从传统按月、季、年的低频更新变为单日多次频繁变更;数据库表结构也更加动态，不再依靠DBA与研发审慎评审优化，而是随业务实验与迭代持续生成变动;同时数据库访问边界变得难以预判，AI可动态推理生成SQL，容易引发越权访问、高危操作等未知风险;且面对AI每日产出的海量代码与SQL，传统人工审核模式逐渐失效，倒逼SQL规范、性能及变更安全管控必须全面前置为自动化流程。

“大型的企业或者AI Native公司，走到更大规模的时候，一定会遇到效率、安全、规范之间如何平衡的问题。前面Agent埋下的坑，后面都得去填。”叶正盛强调，海量Agent进入企业生产环境后，数据平台需要同时解决效率、安全和规范三个问题。只强调效率，会放大数据安全和生产稳定性风险，只依赖人工审批，又会成为AI Native研发模式中的新瓶颈。

此外，AI时代，一个反直觉的现象是，AI写代码已经非常强，可一进入企业落地就处处碰壁。叶正盛给出了解释，代码本身就是一套完整、封闭的业务逻辑载体，逻辑都在里面、都能被读到，AI把代码读懂，就知道它要干什么、有没有缺陷、离需求差多远，不需要再去别处对接。

企业里的数据散落在各个系统里，语义规则在财务部、销售部等不同部门往往各有各的字段口径，AI既不知道数据在哪，也不清楚语义规则是什么，导致AI没法懂业务。想要让AI在企业落地产生成效，需要构建好语义层，让AI能够更懂业务，深入业务流程，这是实现数据的AI就绪最大的挑战。

数据管理新范式：让Agent在规则内奔跑

面对不同企业在AI时代差异化需求和挑战，NineData持续打造覆盖“数据统一管理 + 数据流动”的全链路能力，将数据库DevOps、数据复制和数据库AI Agent纳入统一的云原生智能数据管理平台，通过统一入口、细粒度权限、规范检查、审批机制、数据脱敏、全链路审计、变更备份、数据校验和自动化运维能力，构建面向人和Agent的安全、稳定、高效的数据使用体系。

其中，NineData数据库DevOps提供一站式数据库设计、开发、变更与治理平台，覆盖开发、测试和生产的完整流程。平台将SQL开发规范、审批流程、版本管理和CI/CD集成纳入协同层，同时提供数据库设计、查询更新、导入导出、测试数据生成、变更发布、数据归档、数据追踪以及性能诊断优化等能力。在安全层面，平台提供细粒度权限管控、安全规范约束、敏感数据保护和操作审计。

比如在变更场景，传统数据变更依靠人工操作、遵循标准规范流程，而AI Native模式追求变更全流程无人参与，NineData将各类规范与审核机制固化到系统中，通过Skill接口、API供Agent自动调用执行变更，并由系统自动完成安全校验、风险拦截，对高危操作、违规数据访问直接拒绝，依靠预设规则规避Agent带来的安全风险。

叶正盛指出，面向海量Agent带来的挑战，NineData的思路是将AI Agent视为一种新的数据使用角色，与人一样纳入统一的平台治理，通过独立身份、独立权限和自动化规则实现全流程控制。

不少客户看中NineData数据管理能力，并利用AI技术进行前沿探索。一家AI Native企业A4X 需要管理分布在欧洲、美国、东南亚和中国大陆的数百个数据库，并希望Agent能够通过Skill安全调用数据库能力。该企业先基于NineData API自行封装Skill，随后切换到NineData提供的正式能力，迅速将数据库管理接入自身Agent工作流，实现智能数据管理。

在数据复制方面，NineData覆盖数据流通各个环节，打造数据高速公路，可实现本地与云、跨云、跨洲际的数据迁移，数据容灾备份，以及TP数据库到数仓的数据ETL同步。NineData目前支持100多种数据源，管理1000多条数据复制通道，持续打造“多云多源”的差异化竞争优势。

叶正盛强调，数据复制并不是简单“把数据传过去”，最关键的是要保障数据完整性、一致性，以及任务是否稳定，还有当出现异常时可以修复。对此，NineData提供了结构对比和数据对比能力，并支持差异定位、订正脚本和监控告警，形成从复制、校验到修复的数据质量保障闭环。

近两年，NineData在AI数据管理方面持续投入，平台将各类数据处理能力、API接口统一封装为数十种标准化Skill，打造的Agent已经在企业多项数据管理核心场景落地：一是数据库性能诊断与优化，支持对话式数据库全面巡检，可自动识别慢SQL并完成优化;二是精准数据查询与知识问答，通过录入数据语义定义，让Agent学习数据规则，大幅提升数据查询准确率;三是SQL开发代码增强，依托IDE工具，由后端Agent自主推理、实现SQL业务逻辑，帮助人工编码;四是智能化SQL审核，自动捕获代码变更，依托AI能力校验代码规范性、排查安全风险并反馈结果。

“像我们这种做数据管理平台的厂商，侧重于让Agent使用数据更加安全、更加规范，也会延展到数据语义、数据资产等方面。”叶正盛提到，面向AI时代，NineData会重点做三方面工作，一是在Agent更加安全、高效地访问数据库方面，持续做强;二是在数据语义、数据资产方面，做出产品来发布;三是紧跟技术趋势，持续丰富Skill及配套接口体系，让Agent能够调用更强大的数据管理能力。

随着Agent规模化落地，正在重构企业数据的消费与管理模式，复杂多云多源环境、自动化数据操作与全新的数据安全风险，以及数据语义层准备，已然成为企业智能化转型的共性难题，以NineData为代表的数据管理平台厂商在AI时代也将扮演越来越重要的角色。