近日， OceanBase团队提交的Data Agent方案登顶国际数据智能体基准Data Agent Benchmark（简称DAB），以90.62%的准确率位列第一，成为该榜单首个准确率突破90%的参评方案。值得关注的是，这一成绩由国产数据库OceanBase基于国产大模型GLM-5.2构建，超过多项基于GPT、Claude Opus、Claude Fable等海外模型构建的Data Agent方案。本次参评方案内部代号为 Scout，相关能力将融入 OceanBase DataPilot。
（图说:OceanBase登顶国际Data Agent榜单，成为首个准确率突破90%的参评方案）
DAB由UC Berkeley EPIC Data Lab与Hasura PromptQL合作推出，评测覆盖互联网/本地生活、金融股票、生物医学、知识产权、企业运营、政务/公共管理、媒体/文娱等多个领域，并涉及PostgreSQL、MongoDB、SQLite、DuckDB等多种数据库。
与传统Text-to-SQL主要考察AI能否将自然语言转换成SQL不同，DAB更关注AI进入真实数据环境后，能否从复杂、分散、形态各异的数据中找到正确答案。一个完整任务中，Data Agent需要理解数据、选择数据、规划分析路径、完成查询计算，并对结果进行验证，考验的是从“理解数据”到“拿到答案”的完整能力。
也正因此，DAB考验的不只是底层模型，而是“模型+Agent+数据系统”的综合能力。模型负责理解和推理，Agent负责规划和执行，数据系统则要支撑数据发现、关联计算和结果校验。三者能否协同，直接影响AI能不能真正把企业数据用起来。
OceanBase此次参评方案，正是围绕这一能力构建。系统通过DataLens构建数据画像，识别字段和数据关系;再根据任务复杂程度规划执行路径，完成数据选择、筛选、关联和计算;得到结果后，还会通过证据追踪和答案校验检查计算过程和结果，发现问题时调整方案并重新验证，形成“数据理解—规划执行—验证修复”的闭环。
这也解释了此次90.62%成绩的含金量:它不是单纯证明国产模型能够完成数据查询，而是验证了国产数据库与国产模型结合后，能够共同支撑复杂的数据分析任务。在底层模型采用GLM-5.2的情况下，OceanBase方案最终超过了多项采用GPT、Claude Opus、Claude Fable等海外模型构建的Data Agent方案。
对OceanBase而言，这也是其AI能力的一次新验证。
过去，数据库主要负责存储、查询和处理数据。随着AI Agent成为新的数据使用者，数据库需要解决的问题也在变化:AI不仅要拿到数据，还要理解数据、关联数据、分析数据，并验证结果是否可靠。AI时代的数据底座，也因此开始从“把数据交给AI”，走向“帮助AI把数据用起来”。
这正是OceanBase从数据库向AI数据平台演进的方向。OceanBase DataPilot是面向AI数据分析场景的产品方向。本次DAB评测以内部代号Scout的方案提交，相关技术能力后续将沉淀到DataPilot产品中，进一步承接数据理解、任务规划、分析执行和结果验证等能力，让AI从“调用数据”走向“用数据完成任务”。
从数据库到AI数据平台，变化的不只是产品形态，更是数据库与AI的关系:过去数据库负责把数据存好、算好、取出来，如今还要帮助AI理解数据、组织数据并完成分析。此次登顶DAB，是OceanBase将数据库能力进一步延伸到AI数据分析环节的一次验证，也意味着数据库正在从AI的数据底座，走向AI的数据工作引擎。
