亚马逊云科技数据库大佬G2：AI Agent正在倒逼数据库“进化”，重构不是唯一选择

当AI Agent从“聊天机器人”进化为能独立规划、执行并交付业务结果的“数字员工”，底层数据库的逻辑正被彻底改写。

企业大量部署AI Agent时，数据库到底需要发生怎样的变化？这才是眼下最值得深挖的问题。

“我们坚信，数据才是客户利用这些先进技术、为业务创造新价值的最终差异化来源。”在2026年亚马逊云科技中国峰会上，数据库服务副总裁Ganapathy “G2” Krishnamoorthy面对媒体时反复强调这一观点。在他看来，AI Agent的爆发不仅是一个技术热点，更是一场倒逼数据基础设施全面升级的浪潮。

亚马逊云科技数据库服务副总裁Ganapathy “G2” Krishnamoorthy

G2是一位在数据库领域深耕超过20年的资深专家。他目前带领团队负责亚马逊云科技的数据库服务，包括Amazon Aurora、Amazon DynamoDB、Amazon DocumentDB、Amazon ElastiCache、Amazon DMS、Amazon Neptune、Amazon RDS 及 Amazon Timestream。他的履历也相当亮眼：曾在微软构建SQL Server数据库、Azure Analytics及Azure ML的多个组成部分，也曾在Facebook/Meta构建并运营数据、分析与机器学习平台。

数据库的新角色是Agent的“记忆海绵”

G2指出，AI Agent与传统程序最根本的区别在于它拥有“上下文”和“记忆”。

传统程序每次运行都是独立的“失忆症患者”，而AI Agent需要记住历史交互、理解长期目标，并在多步骤任务中保持连贯性。这意味着，数据库的角色正在从被动的存储工具，演变为Agent的“记忆海绵”——不仅要存数据，还要懂语义、做推理。

为了适应这一变化，亚马逊云科技的策略是让所有数据库都支持MCP（模型上下文协议）。无论是开源的PostgreSQL、MySQL，还是商业授权的SQL Server和Oracle，亦或是自研的Amazon DynamoDB，都能通过MCP服务器被Agentic框架顺畅访问。

但仅能访问远远不够。G2强调，数据库必须具备向量功能和混合搜索能力，才能支撑Agent的记忆管理。为此，亚马逊云科技在多个数据库产品中植入了向量检索能力：PostgreSQL可使用pgvector插件，内存数据库Valkey和Amazon ElastiCache新增了向量支持，图数据库Amazon Neptune也引入了向量检索。

“Agent会推动规模需求的巨大跃升。”G2特别指出，Serverless（无服务器）和弹性扩展能力成为关键差异优势。当爆款应用出现时，数据库必须能向上扩容至千万级并发；当应用无人使用时，则能向下缩容到零，仅在实际产生价值时计费。这正是Amazon DynamoDB和Amazon DSQL等Serverless产品的核心价值所在。

重构还是渐进？

面对当前行业出现的两条技术路线——是在现有数据库上叠加向量插件，还是彻底重建AI原生数据底座——G2给出了非常务实的建议。

“选择在当下最能为你的业务和客户创造价值的路径。”他明确表示，这并非一道非此即彼的选择题。

对于新项目，他强烈建议直接基于现代化的开放式数据底座构建。关系型数据库选用MySQL或PostgreSQL，数据湖采用Apache Iceberg格式。“开源底座能赋予企业面向未来的极高灵活性，并在成本上具备压倒性优势。”

对于已有传统数据库如SQL Server或Oracle的客户，他建议优先推进现代化改造，迁移至MySQL或PostgreSQL以优化长期架构姿态。“迁移需要时间，但借助Amazon Transform服务，这个过程正在提速。”

而对于运行着ERP或供应链管理等封装应用的客户，G2的忠告是：不必急于推翻重构。“当下首要的是协助你直接从现有数据中创造价值，当你准备就绪，亚马逊云科技随时在此提供帮助。”

总结而言，亚马逊云科技的策略是“两条腿走路”：新项目拥抱现代开源底座，存量应用优先释放数据价值，而非把切换基础设施作为第一逻辑。

AI原生数据库应该是什么样的？

当被问及亚马逊云科技眼中的AI原生数据库应该长什么样时，G2描绘了一幅清晰的图景：

第一，便捷的数据访问是基本门槛。MCP正成为各大模型访问数据的标准化方式，AI原生数据库必须确保所有数据能通过该协议被顺畅调用。

第二，向量嵌入与混合搜索能力是标配。这是赋予应用程序存储和检索Agentic记忆的基础。

第三，数据库应具备模型调用能力。即数据库环境本身是否支持直接调用AI模型进行推理。

第四，真正的“撒手不管”。G2指出，如今借助AI工具，任何普通人都可以构建应用程序，但他们并不懂传统数据库管理。因此，数据库必须做到无需人工评估调整实例规格、无需人工日常运维，并能按需自动伸缩、自我优化。“AI生成的应用背后的开发者往往缺乏传统DBA技能，他们真正需要的是一个撒手不管的自动化数据库底座。”他举例说，即使是PostgreSQL这类传统数据库，系统也会自带AI Agent如Postgres Agent接管所有运维工作。

第五，极致的伸缩规模。向上能到千万级并发，向下能缩容到零，这是真正Serverless能力的体现。

数据是护城河，但别让基础设施成为负担

在此次峰会主题演讲中，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松提出了Agentic AI时代的“五个新思考”，其中“数据是护城河”尤为关键。数据将从静态资产变成持续驱动Agentic AI创造价值的核心战略资产，是短期无法复制的壁垒。

G2谈到的亚马逊云科技的数据库战略，可以说正是对这一判断的技术落地。他的核心逻辑可以浓缩为一句话：帮助客户解锁全部数据资产，但不要把重构基础设施作为第一优先级。

“请始终把重心放在你们想要创造的价值上，而不是切换基础设施上。”G2在采访最后强调。

在Agentic AI这个新世界里，数据库的角色正在被重新定义。它不再只是一个IT基础设施组件，而是决定AI Agent能有多“聪明”的关键变量。亚马逊云科技给出的答案是：开放、弹性、自动化，以及，给客户选择的自由。