2026年8月22日，第十七届中国数据库技术大会(DTCC2026)圆满落下帷幕。这场历时三天的盛会由IT168联合旗下ITPUB、ChinaUnix两大技术社区主办，以“融数聚智 创领未来”作为核心主题，致力于为数据从业者提供最具前瞻性的技术视野与实践参考。

本次大会设置2大主会场、16 +精品技术专场，百位行业顶尖专家坐镇分享，从数据库内核创新、云原生与分布式实践，到AI赋能数据、向量数据库与多智能体协同，再到实时数仓、行业应用与场景优化，全方位覆盖当前技术热点与产业痛点，助力企业挖掘数据价值实现AI落地。

8月22日，精彩继续。当天设置了Data+AI、大数据前沿技术实践、分布式数据库管理应用实践、NoSQL数据库技术实践、实时数仓技术与应用实践、特定场景下的数据库管理与优化、多云环境下的数据库管理、数据管理工具创新与实践八大专场。

DBA转型AI解锁第二技术赛道

狮桥融资租赁(中国)有限公司DBA总监 张文精

在本次技术大会上，狮桥融资租赁(中国)有限公司DBA总监张文精，结合自身同时管理DBA团队与AI团队的实战经历，剖析DBA群体在AI时代的职业困境、天然优势、AI转型落地路径，为数据库从业者带来职业发展参考。

传统DBA的工作特性十分特殊，平日不出故障时容易被忽视，一旦被关注，大概率是出现故障了。如今AI浪潮袭来，DBA群体普遍产生焦虑，担忧岗位会被AI替代，另一方面研发人员借助AI生成方案，不断对DBA的专业判断提出挑战，云平台也在持续侵蚀传统DBA的工作领地。但他并不建议DBA彻底转行做AI，强调转型AI的核心逻辑不是抛弃原有数据库能力从零起步，而是要利用AI放大DBA既有能力，打造个人第二技术增长曲线。

在他看来，DBA转型AI具备“有时间、有资源、有数据、有场景、有经验”五大得天独厚的优势：日常重复性工作(巡检、工单、告警处理)可通过自动化释放大量时间，让DBA把精力投向AI;企业已有的服务器、GPU和基础设施，使DBA离AI算力很近;而数据库本身沉淀着海量业务数据和运维数据，这是AI产生价值的前提;SQL优化、日志分析、故障诊断、容量规划等，都是现成的AI落地场景。更关键的是，AI会“思考”，但DBA懂“现场”——只有将通用AI能力与企业特有的运维经验相结合，才能真正解决实际问题。这种“知识×经验×AI”的复合能力，才是稀缺资产。

针对DBA的AI转型路径，张文精在分享中强调DBA不必抛弃原有积累，也不要一上来就钻研底层模型算法，应当优先立足自身日常工作，可以从慢SQL、故障日志处理、巡检告警、变更审核等熟悉的场景切入。再逐步延伸到业务侧，实现业务提效降本，从后台运维支撑人员转向价值创造岗位。完整演进路径分为五个阶段：使用AI工具、搭建AI助手、实现AI自动化、落地AI Agent，最终搭建AI平台，完成从会使用AI到让AI自主完成工作的进阶。

同时他也提示了风险，AI处理故障存在幻觉风险，企业不能直接用AI完全替代DBA，经验丰富的DBA故障决策能力依旧不可替代。

AI带来了变革，同时也带来了机遇。积极拥抱AI转型可能更适合愿意主动折腾的从业者，转型的核心要义是用AI放大DBA，而不是放弃DBA去做AI，以此拓宽职业出口，提升个人技术杠杆，应对行业变革，实现低成本弯道超车。这场演讲为众多焦虑于AI浪潮的DBA同行，提供了一份极具操作性的行动指南。

数据计算到数据智能：大数据体系的轻量化AI落地改造

某银行技术专家 陈政

某银行技术专家陈政在演讲中指出，在数字化转型不断深入的背景下，传统大数据体系逐渐暴露出诸多瓶颈，推动大数据与AI轻量化融合落地，成为企业释放数据价值的关键方向。

传统大数据体系的多重现实痛点体现在以下几个方面：一是数据烟囱、数据孤岛问题突出，难以从全局视角理解业务，导致无法进行跨域的智能决策;二是业务模式多为“报表驱动”，业务提需求，大数据平台这边出报表，整个过程被动且滞后，仅能复盘历史，无法预判未来，就像开车只依靠后视镜，难以应对市场动态变化;三是业务决策高度依赖人员经验，经验难以复制，且个人的判断总有局限性，也无法覆盖所有细节，制约业务发展;四是平台组件繁多，运维复杂度高，传统的运维方式就像救火队，故障发现慢，定位难，恢复时间长，这种被动救火式运维影响系统稳定。

针对上述问题，打造了“大数据+AI”深度融合的轻量化AI架构，轻量化强调敏捷、高效和易落地。整体分为四个层次：数据层、计算层、智能层和应用层。该架构的核心思想是“解耦与协同”，大数据平台负责提供高质量的数据，即AI的“燃料”。AI平台则负责将这些燃料转化为智能决策，成为大数据的“引擎”，不是谁替代谁，而是协同工作，共同创造价值。

具体来看，数据层以数据湖为底座，汇聚多源数据并落地统一数据治理，保障数据可信;计算层依托Flink打造流批一体引擎，兼顾实时分析与离线模型训练，简化架构、提升开发运维效率;智能层搭建完整的MLOps体系，涵盖了从特征工程、模型训练到模型部署和服务的全流程，是实现数据智能的核心;应用层承接算法能力，输出智能业务决策，完成技术向业务价值的转化。

依托“大数据+AI”深度融合的轻量化AI架构，在大数据平台落地AIOps智能运维，借助智能检测与自愈机制，大幅缩短故障发现、恢复时间;此外，打造零售智能补货平台，基于多维特征构建预测与补货模型，搭建人机协同迭代闭环，大幅提升销量预测准确率，降低缺货与商品损耗，压缩订货人力成本。

最后他总结了AI落地经验：一是业务价值驱动，采取试点先行、小步快跑的建设思路，瞄准业务痛点切入，快速产出成果获取业务信任，避免盲目建设大而全的平台;二是坚持人机协同，将AI定位为赋能增强工具而非替代人力，融合业务人员经验与AI技术能力;三是严守数据质量，把数据治理放在重要位置，从源头管控数据质量，规避垃圾进垃圾出的问题;四是搭建MLOps体系，实现AI模型工业化生产，依靠流程化、标准化保障模型迭代与稳定运行，支撑AI规模化落地。

Harness工程：Agentic AI时代的数据工程平台新范式

白鲸开源联合创始人 代立冬

白鲸开源联合创始人代立冬指出，Agentic AI时代，Snowflake与Databricks两大数据厂商都在向AI转型，数据平台正在从“存储企业数据”的基础设施，演变为“承载Agent上下文与执行能力”的核心底座，一场数据工程范式的重构已然开启。

他认为，过去十年数据平台建设的核心命题是“如何让人操作工具”，而未来十年的命题将转向“如何让Agent在正确上下文和安全边界内执行任务”。数据平台的用户发生了变化，不再只是数据工程师、数据分析师和BI用户，而是Coding Agent、Data Agent、Business Agent等各类智能体。人类用户依赖UI、文档和操作流程，而Agent用户则需要API、Skill、Context(上下文)、Policy(策略)和Feedback(反馈)，这一根本差异决定了现有数据平台架构必须重新设计。

现代数据栈(Modern Data Stack )过去十年把数据工程从一套大系统拆成了一条专业工具链，但是现代数据栈是给人设计的，不是给Agent设计的。人类在使用工具时可以自动补全上下文 —— 读文档、拼语义、处理歧义、判断风险、承担责任，而Agent面对SQL、DAG、Catalog、日志和业务规则时，无法自动完成这些补全。

他强调，Agentic AI时代真正稀缺的不是生成数据工程的能力，而是把生成的数据工程安全地交付到生产的能力，当前，数据就绪方面，Context(上下文)、Verification(验证)、Controlled Execution(受控执行)、Accountability(可追责)仍然稀缺。工程师真正焦虑的不是AI会写SQL，而是AI写完以后谁负责，AI的所作所为是否可控。

针对上述问题，他提出了Agentic Data Stack五层数据架构，包括：Execution Runtime(确定性执行平台)、Data Engineering Harness(将工具转化为受控Skill)、Semantic & Knowledge (让Agent理解企业语言)、Agentic Orchestration Control Plane(约束Agent如何规划和执行)、Business Intent(让人定义目标和边界)。

其核心理念是，Agent不应该直接调用工具，而应该在上下文和控制约束下调用Harness，是把生成能力变成交付能力，通过Intent(意图)→ Context(上下文)→ Plan(计划)→ Skill(技能)→ Execute(执行)→ Validate(验证)→ Review(评审)→ Feedback(反馈)的最小闭环，让Agent从“生成内容”升级为“交付工程”。这里面，Skill不再是简单的Prompt，变为一个受控执行单元。

这一范式变革的本质，是在模型之外搭建一套能够支撑Agent持续执行的运行体系。它不再是简单地优化提示词或扩展上下文，而是从工程层面重构数据平台与人的协作方式。

对于数据工程师的职业前景，代立冬给出了乐观判断，未来最有价值的数据工程师，不是写最多Pipeline的人，而是能够把数据工程能力组织给Agent使用的人。

在AI落地路径上，他建议从低风险高频任务开始，而非先替代整条链路。数据发现、SQL草案生成、日志诊断修复建议等适合先进入“协作式辅助”阶段，然后逐步过渡到“受控执行”和“治理放权”，而生产核心表删除、关键指标口径改写、跨域数据变更等高风险操作则不建议第一阶段就全自动放权。

代立冬在演讲最后总结指出，数据工程的未来不是无人化，而是“人定义目标，Agent执行任务，Harness约束交付”，这一新范式，或许正是Agentic AI时代数据工程平台的未来。

随着议程落下帷幕，第十七届中国数据库技术大会(DTCC 2026)圆满收官。整体来看，本届大会干货满满、议题丰富，围绕“融数聚智 创领未来”展开深度探讨，分享大量一线实战经验与产业思考。