这是一篇由 IDC 研究主管 Devin Pratt 撰写的客座博客文章。
如今，当我向 IT 领导者介绍情况时，对话的焦点彻底转变了。过去的问题在于该使用哪种模型。而现在的问题是，他们的数据平台能否跟上自主运行软件的步伐。生成式人工智能回答问题。Agentic AI 则执行操作，而这一转变彻底改变了数据平台所需要做的一切。
这不是一个可以留到以后再解决的问题。根据 IDC 2026 年 4 月的《全球数据管理调查》(Worldwide Data Management Survey)，n = 715，30% 的组织已经在生产环境中运行智能体式 AI，另有 50% 已经在进行相关投资，并制定了明确的支出计划。五分之四的企业已经不再纠结于是否应将智能体引入运营，而是在研究如何安全地运行这些智能体。
图 1. Agentic AI 已进入生产环境。
问：以下哪项最能描述贵组织目前对智能体式 AI 的评估或使用情况？
n = 715，来源：IDC 全球数据管理调查，2026 年 4 月
这正是我一再关注的转变。用于分析历史数据的平台，与支持实时决策和行动的平台，本质上并不相同。当智能体实时读取数据、做出决策并执行操作时，数据库便不再只是一个被动的记录存储库。它成为了一个控制点，在智能体执行操作的准确时刻提供实时上下文、检索正确信息并强制执行策略。一旦出现差错，单次错误读取就会以机器速度演变成错误操作，并不断重复。
实时现在已成为基准，而非特例。 在同一项调查中，64.6% 的企业数据使用案例已要求实时或近实时交付；对于流媒体场景，91.2% 需要 200ms 以内的端到端延迟。 面向批处理的架构正日益落后于这一趋势。
那么，IT 领导者真正需要寻找什么呢？当我与团队共同探讨这一问题时，每次都会出现四个要求。
- 适合AI数据形态的实时操作基础：AI 数据是非结构化的、快速变化的且数量巨大。 该基础必须与该形式相匹配并快速提供服务。这就是为什么 IDC 预测非模式和数据湖系统的增长将超过整个数据库市场，即使关系型仍是最大的细分市场。
针对不可预测的代理驱动需求实现弹性扩展：代理流量具有突发性，且难以预测。团队希望在一个基础上发展，而无需硬扩展上限所强制进行的破坏性重建。这就是整合到核心平台的逻辑，公有云目前占数据库收入的 64.6%。
准确、始终最新的检索：代理的能力取决于其能够检索的上下文。 买家深知这一点。约 75% 更青睐集成矢量数据库而非独立运行的实例，47% 认为一致的语义层对于安全且值得信赖的 AI 至关重要。
用于在生产环境中运行智能体的受治理运行时：持久化记忆、与身份绑定的策略以及可观测性，让治理团队能够放心地让智能体采取实际行动。到 2027 年，IDC 预计 80% 的智能体式 AI 用例将需要实时的上下文数据访问，推动企业从把关式访问转向采用集中治理的联邦式访问。
了解需求是很简单的事情。在实际工作中，有三件事会减慢团队的速度，值得一一列举：
锁定担忧：大约 95% 的组织报告了数据主权需求，90% 的组织运行开源数据库，因此企业希望跨云和在自己的基础设施上运行，而不必在同一个堆栈上开展业务。
自主操作管理：当软件能够自主运行时，可控且可审计的访问便成为强制要求。 在您能够证明这一点之前，代理将停滞在试点阶段。
失控的成本：依赖大量检索的智能体会产生突发的用量高峰，而每一步都重新解释上下文，则会在不知不觉中消耗大量词元。成本应该与实际使用量挂钩，而不是与未使用的容量挂钩。
令人鼓舞的是，这些问题是可以解答的。一个使检索保持在数据附近、部署在任何地方并默认管理代理的平台，可以直接解决这三个问题。
前方的道路
该模式已可见。IDC 预测，到 2029 年，60% 的企业数据平台将通过混合处理架构统一事务型和分析型工作负载，为智能体式 AI 提供支持。数据库不再只是等待数据的地方。它已经成为智能体采取行动的地方。以这种方式利用数据库的企业，将更有条件从试点迈向生产环境。否则，差距只会继续扩大。
如果您正在规划自己的路径，上述要求是一个很好的起点：实时基础、弹性扩展、准确检索和受控运行时，以及在任何地方运行的自由。
继续阅读
如需查看完整分析，包括支撑这四项要求的市场数据，请参阅 IDC Spotlight 报告《智能数据平台时代：为智能体式 AI 做好企业准备》 (The Intelligent Data Platform Era: Preparing Enterprises for Agentic AI)（IDC #US54925526，2026 年 9 月），该报告由 MongoDB 赞助。