智能，正在从概念走向生产。

在2026移动云大会上，中国移动以“移动云 智能新空间”为主题，展示AI时代云、算力、应用与产业生态的新进展。

当AI Agent开始进入企业流程，一个底层问题随之出现：智能持续运行时，什么样的数据底座才能托住它？

在此次大会上，云和恩墨携“存算管用”全栈产品亮相特装展区。其中，面向AI时代的新一代数据库底座PhoebeDB首次在国内公开亮相。

这一次亮相，传递出的不只是一个新产品信息。它指向的是一个正在发生的变化：数据库正在从记录事实的系统，走向支撑AI Agent执行、记忆、判断和审计的认知基座。

在大会的“全栈可信 数智新生——AI原生数据库技术创新沙龙”圆桌论坛环节，云和恩墨解决方案专家江宁分享了关于AI原生时代数据库发展的观察与思考：AI原生数据库应作为持久化AI Agent的“认知基座”，提供关系型状态、向量存储、追踪数据的跨类型原子性，支持快照一致推理与因果审计。PhoebeDB正通过技术验证与场景适配，推进这一理念落地发展。

图1：江宁（右二）在移动云大会相关圆桌论坛上发言

一

AI Agent正在改变数据库的角色

 

过去，企业应用更多是在记录人的决策。

采购员录入订单，销售人员提交客户信息，财务人员确认付款，运维人员记录故障处理。人的判断通常发生在系统之外，应用负责记录结果，数据库负责保存结果。

AI Agent进入之后，边界开始变化：应用软件开始参与决策的形成。

例如，一张采购订单过去可能来自采购员根据库存、价格、交期和经验做出的判断。未来，采购Agent可能会持续读取库存状态、历史消耗、供应商交付能力、价格变化、生产计划和风险约束，自动比较多个采购方案，形成推荐决策，并触发后续流程。

这时，数据库要保存的不只是“采购订单”这个结果，还要保存决策基于哪些事实、比较过哪些方案、使用了哪些约束、中间状态如何变化、最终结果如何形成，以及出现争议时能否追踪和回放。

因此，AI时代的数据库正在从企业系统的“事实仓库”，走向AI Agent的工作记忆与证据系统。它既要支撑Agent持续读取、比较、判断和更新状态，也要让这些判断在事后能够被追踪、被审计、被回放。

这就是“认知基座”的真正含义：它让智能体在企业系统中持续运行时，拥有一个稳定、一致、可追踪的数据基础。

图2：数据库服务对象正在从“人-应用软件-数据库”，

演进为“AI Agent-数据库认知基座-多类型数据能力”

二

PhoebeDB：面向AI时代的新一代数据库底座

 

PhoebeDB不是给数据库增加一个AI标签，而是让关系状态、向量记忆和执行轨迹进入同一个可信数据底座。

PhoebeDB是云和恩墨面向AI时代推出的数据库内核级创新成果。

图3：PhoebeDB面向AI Agent时代的核心能力结构

它从底层架构出发，面向现代硬件、高并发OLTP和AI原生场景重新设计，既关注关系数据库必须具备的强一致与SQL能力，也面向向量记忆、AI事务、快照一致推理与因果审计等新需求持续演进。

PhoebeDB 技术名片
产品定位	面向AI Agent时代的新一代数据库底座
兼容方向	面向PostgreSQL生态兼容设计
核心性能	基于TPC-C模型测试，单机达到千万级tpmC，较同等资源条件下PostgreSQL 17展现约21倍性能优势
执行架构	内存中心架构、协程化执行、智能Pull式调度、MLIR/JIT编译路径
AI能力方向	关系型状态、向量记忆、执行轨迹、跨类型原子性、快照一致推理、因果审计
长期价值	支撑AI Agent持续运行中的状态管理、过程追踪与可信执行

PhoebeDB关注一个底层问题：当AI Agent持续运行时，关系状态、向量记忆和执行轨迹，能否在同一个可信数据底座中保持一致？

这也是AI事务能力的关键。

在一次Agent任务中，系统可能需要同时更新关系型业务状态、向量型长期记忆和因果审计轨迹。

例如，一个采购Agent形成订单建议时，可能同时修改采购申请状态，写入供应商评估记忆，并记录本次判断所依据的库存、价格、交期和风险约束。

如果这些数据分别落在不同系统中，就可能出现业务状态已经更新、记忆尚未同步、审计轨迹缺失的情况。

PhoebeDB希望通过关系型状态、向量记忆与执行轨迹在同一事务框架下的协同管理，让Agent执行链路中的状态、记忆和证据保持一致，从而降低推理依据漂移、过程不可追踪和结果难以回放的风险。

三

21倍性能：让AI时代的数据底座跑起来

 

PhoebeDB此次首秀中，最容易被记住的数字，是21倍！

在基于TPC-C模型的基准测试中，PhoebeDB在通用双路中端服务器环境下，单机性能达到1028万tpmC和2360万TPM的事务吞吐能力；在相同资源和关键配置条件下，性能是PostgreSQL 17约110万TPM的21倍。在特定YCSB高并发写入负载下，性能优势最高可达30倍。

图4：基于相同资源和关键配置条件下的基准测试结果，

PhoebeDB展现出相较PG 17约21倍的性能优势

这个数字背后，更重要的是数据库底座承载能力的变化。

AI Agent带来的数据调用更高频、更连续、更自动化。数据库一旦成为Agent频繁访问的基础设施，性能问题就会变成系统稳定性、资源效率和长期成本问题。

更多CPU、更大内存、更快SSD和更多服务器，确实可以缓解一部分压力。但如果数据库内部仍然存在大量线程切换、锁竞争、解释执行开销、I/O路径瓶颈和中间结果物化，硬件能力就无法被充分释放。

PhoebeDB的方向，是重排数据库执行路径，让更多硬件能力真正用于业务计算。

这也是21倍性能背后的意义：AI时代的数据底座，可以通过执行架构重构释放效率。

四

一个高性能执行闭环：内存、调度、事务与编译

 

PhoebeDB要做的，不只是让数据库跑得更快，而是重排数据库执行路径，让现代硬件能力更多用于业务计算。

PhoebeDB的性能提升，不来自单点优化，而来自一组执行架构的协同。

首先，是以内存为中心的数据管理。PhoebeDB根据数据访问频率，将数据划分为热、冷、冻三层：热数据保留在内存中以实现高速访问，冷数据存放于高速存储，冻数据进行压缩归档。

这背后的思想很朴素：让高价值访问离计算更近。

图5：PhoebeDB按数据访问温度进行分层管理，

让高价值访问更靠近计算资源

其次，是协程化执行与智能Pull式调度。

AI Agent访问数据库的方式往往更加高频、碎片化和连续。如果每一次请求都带来沉重的线程切换和锁等待，系统性能会很快被内部调度成本吞噬。协程化执行与智能Pull式调度的价值，正在于减少高并发下的无效切换和竞争，让数据库在大量Agent调用同时到来时，仍然保持更高的执行效率和资源利用率。

第三，是事务与日志机制的增强。

PhoebeDB面向PostgreSQL兼容能力设计，支持相同的事务隔离级别与锁语义，同时采用内存UNDO日志、混合并发控制、并行WAL与远程刷盘规避等技术，提升事务处理与日志吞吐能力。

在AI Agent场景下，事务与日志的意义进一步延伸。Agent形成一次决策，往往不是一个单点写入，而是一段连续执行链路：事实读取、候选方案生成、约束校验、中间状态写入、工具调用记录、最终结果提交。

UNDO日志、事务隔离和并发控制机制，可以为中间状态恢复、版本回溯和执行过程追踪提供底层支撑。

状态一致，过程可追踪，错误可回放，证据可沉淀。

五

MLIR：为未来智能负载预留架构空间

 

PhoebeDB近期进入LLVM/MLIR官方用户列表，也让外界多了一个观察其技术路线的窗口。

MLIR官方用户页面将PhoebeDB描述为面向生产AI Agent系统的PostgreSQL兼容HTAP数据库，并指出其使用自定义MLIR管线，将查询JIT编译为本地机器码，通过多个dialect逐级lowering到LLVM IR。

对产业用户来说，MLIR本身不是重点。重点是它背后的能力方向：数据库执行引擎需要更好的扩展性和演进能力。

今天，数据库要处理关系查询和高并发事务。明天，它可能还要处理向量记忆、Agent执行轨迹、推理上下文、审计证据链，以及新的AI算子和数据访问模式。

MLIR的价值，在于为这些变化提供一种更结构化的表达与转换机制。它让查询计划、执行算子、运行时逻辑和底层机器码之间，可以通过中间层逐级转换。新的算子、新的执行路径、新的后端适配，不必全部压到单一执行器里完成。

随着AI Infra继续演进，数据库未来可能面对GPU、NPU或其他专用加速器，也可能接入新的向量索引算法和AI算子。

对PhoebeDB而言，MLIR更像是一条面向未来负载演进的技术路径：让数据库执行路径更清晰、更可扩展，也更适合未来不断变化的智能负载。

六

“存算管用”：让数据能力形成端到端支撑

 

智能时代的数据能力，不可能只靠单个产品完成。数据要被存储、计算、管理和应用，还要在整个过程中保持安全、可信、可治理、可追溯。

这也是云和恩墨此次携“存算管用”全栈产品亮相的意义。

从这个视角看，PhoebeDB不是孤立的一块技术拼图，而是云和恩墨“存算管用”端到端能力中的关键底座。

数据最终要进入业务流程、智能应用和AI Agent的执行链路。PhoebeDB承担的，是其中面向AI时代的数据计算、事务处理、状态管理和可信执行能力。

当AI应用越来越多，数据调用越来越频繁，执行过程越来越复杂，数据库底座的重要性会被重新看见。

图6：云和恩墨携“存算管用”全栈产品亮相2026移动云大会

七

结语：智能越向前，数据库越要托得住

 

智能时代的浪潮正在展开。

云提供空间，算力提供能量，模型提供能力，应用提供场景。

但数据底座，决定了智能能不能真正进入生产。

没有一致的状态管理，AI执行就难以进入关键流程。没有可信的过程追踪，AI判断就难以被企业真正托付。没有高效的执行架构，智能应用规模化之后就会遭遇成本和性能瓶颈。

PhoebeDB的国内首秀，让AI时代的数据库被重新看见。

从21倍性能，到可扩展编译架构；从高并发事务，到AI事务与因果审计；从PostgreSQL生态兼容，到面向AI Agent的数据底座演进。

PhoebeDB正在回答一个朴素但关键的问题：当智能开始持续运行，企业需要什么样的数据库底座？

答案不会在一次首秀中全部完成。

但方向已经出现。

AI走得越远，数据底座越要托得住。

智能越向前，数据库越要稳。