以云原生湖仓支撑 AI 应用落地丨Databend 亮相 2026 人工智能开放计算大会

10 月 17 日，2026 人工智能开放计算大会暨众智 FlagOS 技术大会在北京中关村国家自主创新示范区展示中心开幕。大会以“一栈贯通，智算无界”为主题，现场汇聚了全球开发者与产业伙伴，推动标准共建、成果共享、生态共荣。Databend 作为众智 FlagOS 社区生态伙伴参会，展示云原生湖仓解决方案，分享 AI 场景下的数据处理实践。

随着大语言模型、多模态模型及具身智能等领域持续发展，模型迭代对计算基础设施提出了更高要求。FlagOS 作为开源 AI 系统软件平台，致力于屏蔽底层硬件差异，实现“一次编写、多芯运行”，携手芯片厂商、云服务商、高校与开发者，共建连接芯片、系统、框架和应用的开放生态。

算力的开放与协作之外，大模型迭代和 AI 应用落地同样离不开坚实的数据基础。模型需要高质量数据进行训练与评测，应用运行产生的数据也需要及时回流，帮助团队发现问题、验证改进。大会期间，来自大模型、AI 应用及云原生基础设施领域的技术团队来到 Databend 展台，围绕 Agent Trace 分析、GIS 与向量检索等话题交流实践经验。

当 AI Agent 进入生产环境，数据需求也随之变化。Agent 需要检索业务知识与上下文，模型调用、工具执行和用户交互又会持续产生海量、结构复杂的执行轨迹。企业既要低成本保留原始数据，也要及时将新增数据转化为可查询、可评测的数据集，并在业务增长时灵活扩展处理能力。融合数据湖存储能力与数据仓库分析能力的湖仓，为这些需求提供了统一支撑。

Databend Cloud 基于对象存储构建云原生湖仓，通过存算分离，让海量数据留存与计算资源扩展各自按需进行。平台在统一 SQL 引擎中提供数据分析、向量检索和全文搜索能力，减少数据在多个系统间的复制与搬运；不同计算集群可分别承担接入、加工和查询任务，降低负载之间的干扰。

Agent Trace 解决方案是这一能力在 AI 生产场景中的具体实践。海量 Agent 与 Web App 执行轨迹经 Kafka 接入 Databend Cloud 后，平台保留嵌套 JSON 原始记录，再通过 Stream + Task 持续处理新增数据，用 SQL 完成字段抽取、清洗和分析建模。工程团队可以在同一湖仓中追踪模型调用与工具执行，分析质量、成本和延迟，并为故障排查、持续评测及后续训练准备数据，缩短从运行反馈到应用改进的路径。

目前，该方案已在一家以长文本处理与高阶推理能力著称、推出万亿级强化推理大模型的头部 AI 企业生产场景落地。Databend Cloud 持续承载其 Agent 执行轨迹和全线 App 行为数据。该客户生产环境的实测指标包括：

• 支持超过 500,000 个 Agent。

• 峰值入口吞吐达到 1.2 GB/s。

• 每小时数据写入量达到 4 TB。

• 端到端数据延迟约为 5 至 10 秒。

生产实践也推动着开源产品的持续完善。Databend 自创立之初便坚持开源，与社区开发者和用户共同打磨产品，并将企业场景中积累的技术改进回馈社区。这与本次大会倡导的开放协作理念一脉相承。

近期，Databend 社区版迎来重大升级。社区版用户可通过 COPY INTO + Stream + Task，面向事件、日志和 Trace 等追加型数据构建增量 ELT 流程。开发者用 SQL 即可定义持续运行的数据管道，减少额外组件与数据搬运，让新增数据更快用于分析和 AI 应用。欢迎访问 Databend GitHub 仓库，体验社区版并参与共建。