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。