【天顺财经】6 月 25 日消息，当 AI Agent 从 「聊天机器人」 进化为能独立规划、执行并交付业务结果的 「数字员工」，底层数据库的逻辑正被彻底改写。
当企业大量部署 AI Agent（智能体） 时，数据库到底需要发生怎样的变化？
「我们坚信，数据才是客户利用这些先进技术、为业务创造新价值的最终差异化来源。」
在 2026 年亚马逊云科技中国峰会上，亚马逊云科技数据库服务副总裁 Ganapathy「G2」 Krishnamoorthy 面对媒体采访时，反复强调了这一观点。在他看来，AI Agent 的爆发不仅仅是一个技术热点，更是一场倒逼数据基础设施全面升级的浪潮。
亚马逊云科技数据库服务副总裁 Ganapathy 「G2」 Krishnamoorthy
G2 是一位资深数据库专家，在该领域拥有超过 20 年的深厚积累。目前他带领的团队负责亚⻢逊云科技的数据库服务，包括 Amazon Aurora、Amazon DynamoDB、Amazon DocumentDB、Amazon ElastiCache、Amazon DMS、Amazon Neptune、Amazon RDS 及 Amazon Timestream。G2 曾在微软构建 SQL Server 数据库、Azure Analytics 及 Azure ML 的多个组成部分，G2 也曾在 Facebook/Meta 构建并运营了数据、分析与机器学习平台。
数据库的新角色是 Agent 的 「记忆海绵」
G2 指出，AI Agent 与传统程序最根本的区别在于它拥有 「上下文」 和 「记忆」。
传统程序每次运行都是独立的 「失忆症患者」，而 AI Agent 需要记住历史交互、理解长期目标、并在多步骤任务中保持连贯性。这意味着，数据库的角色正在从一个被动的存储工具，演变为 Agent 的 「记忆海绵」，不仅要存数据，还要懂语义、做推理。
为了适应这一变化，G2 向天顺财经表示，亚马逊云科技的策略是让所有数据库都支持 MCP（模型上下文协议）。无论是开源的 PostgreSQL、MySQL，还是商业授权的 SQL Server 和 Oracle，亦或是自研的 Amazon DynamoDB，都能通过 MCP 服务器被 Agentic 框架顺畅访问。
但仅能访问远远不够。G2 强调，数据库必须具备向量功能和混合搜索能力，才能支撑 Agent 的记忆管理。为此，亚马逊云科技在多个数据库产品中植入了向量检索能力，PostgreSQL 可使用 pgvector 插件，内存数据库 Valkey 和 Amazon ElastiCache 新增了向量支持，图数据库 Amazon Neptune 也引入了向量检索。
「Agent 会推动规模需求的巨大跃升。」G2 特别指出，Serverless（无服务器） 和弹性扩展能力成为关键差异优势。当爆款应用出现时，数据库必须能向上扩容至千万级并发；当应用无人使用时，则能向下缩容到零，仅在实际产生价值时计费。这正是 Amazon DynamoDB 和 Amazon DSQL 等 Serverless 产品的核心价值所在。
重构还是渐进？
面对当前行业出现的两条技术路线，是在现有数据库上叠加向量插件，还是彻底重建 AI 原生数据底座，G2 给出了非常务实的建议。
「选择在当下最能为你的业务和客户创造价值的路径。」 他明确表示，这并非一道非此即彼的选择题。
对于新项目，G2 强烈建议直接基于现代化的开放式数据底座构建。 关系型数据库选用 MySQL 或 PostgreSQL，数据湖采用 Apache Iceberg 格式。「开源底座能赋予企业面向未来的极高灵活性，并在成本上具备压倒性优势。」
对于已有传统数据库如 SQL Server 或 Oracle 的客户， 他建议优先推进现代化改造，迁移至 MySQL 或 PostgreSQL 以优化长期架构姿态。「迁移需要时间，但借助 Amazon Transform 服务，这个过程正在提速。」
而对于运行着 ERP 或供应链管理等封装应用的客户， G2 的忠告是：不必急于推翻重构。「当下首要的是协助你直接从现有数据中创造价值，当你准备就绪，亚马逊云科技随时在此提供帮助。」
总结而言，亚马逊云科技的策略是 「两条腿走路」：新项目拥抱现代开源底座，存量应用优先释放数据价值，而非把切换基础设施作为第一逻辑。
AI 原生数据库应该是什么样的？
当被问及亚马逊云科技眼中的 AI 原生数据库应该长什么样时，G2 描绘了一幅清晰的图景：
第一，便捷的数据访问是基本门槛。 MCP 正成为各大模型访问数据的标准化方式，AI 原生数据库必须确保所有数据能通过该协议被顺畅调用。
第二，向量嵌入与混合搜索能力是标配。 这是赋予应用程序存储和检索 Agentic 记忆的基础。
第三，数据库应具备模型调用能力。 即数据库环境本身是否支持直接调用 AI 模型进行推理。
第四，真正的 「撒手不管」（Hands-off）。 G2 指出，如今借助 AI 工具，任何普通人都可以构建应用程序，但他们并不懂传统数据库管理。因此，数据库必须做到无需人工评估调整实例规格、无需人工日常运维，并能按需自动伸缩、自我优化。「AI 生成的应用背后的开发者往往缺乏传统 DBA 技能，他们真正需要的是一个撒手不管的自动化数据库底座。」 他举例说，即使是 PostgreSQL 这类传统数据库，系统也会自带 AI Agent 如 Postgres Agent 接管所有运维工作。
第五，极致的伸缩规模。 向上能到千万级并发，向下能缩容到零，这是真正 Serverless 能力的体现。
数据是护城河，但别让基础设施成为负担
在此次峰会主题演讲中，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松提出了 Agentic AI 时代的 「五个新思考」，其中 「数据是护城河」 尤为关键，数据将从静态资产变成持续驱动 Agentic AI 创造价值的核心战略资产，是短期无法复制的壁垒。
G2 谈到的亚马逊云科技的数据库战略，可以说正是对这一判断的技术落地。他的核心逻辑可以浓缩为一句话：帮助客户解锁全部数据资产，但不要把重构基础设施作为第一优先级。
「请始终把重心放在你们想要创造的价值上，而不是切换基础设施上。」G2 在采访最后强调。
在 Agentic AI 这个新世界里，数据库的角色正在被重新定义。它不再只是一个 IT 基础设施组件，而是决定 AI Agent 能有多 「聪明」 的关键变量。亚马逊云科技给出的答案是：开放、弹性、自动化，以及，给客户选择的自由。
【天顺财经】6 月 25 日消息，当 AI Agent 从 「聊天机器人」 进化为能独立规划、执行并交付业务结果的 「数字员工」，底层数据库的逻辑正被彻底改写。
当企业大量部署 AI Agent（智能体） 时，数据库到底需要发生怎样的变化？
「我们坚信，数据才是客户利用这些先进技术、为业务创造新价值的最终差异化来源。」
在 2026 年亚马逊云科技中国峰会上，亚马逊云科技数据库服务副总裁 Ganapathy「G2」 Krishnamoorthy 面对媒体采访时，反复强调了这一观点。在他看来，AI Agent 的爆发不仅仅是一个技术热点，更是一场倒逼数据基础设施全面升级的浪潮。
亚马逊云科技数据库服务副总裁 Ganapathy 「G2」 Krishnamoorthy
G2 是一位资深数据库专家，在该领域拥有超过 20 年的深厚积累。目前他带领的团队负责亚⻢逊云科技的数据库服务，包括 Amazon Aurora、Amazon DynamoDB、Amazon DocumentDB、Amazon ElastiCache、Amazon DMS、Amazon Neptune、Amazon RDS 及 Amazon Timestream。G2 曾在微软构建 SQL Server 数据库、Azure Analytics 及 Azure ML 的多个组成部分，G2 也曾在 Facebook/Meta 构建并运营了数据、分析与机器学习平台。
数据库的新角色是 Agent 的 「记忆海绵」
G2 指出，AI Agent 与传统程序最根本的区别在于它拥有 「上下文」 和 「记忆」。
传统程序每次运行都是独立的 「失忆症患者」，而 AI Agent 需要记住历史交互、理解长期目标、并在多步骤任务中保持连贯性。这意味着，数据库的角色正在从一个被动的存储工具，演变为 Agent 的 「记忆海绵」，不仅要存数据，还要懂语义、做推理。
为了适应这一变化，G2 向天顺财经表示，亚马逊云科技的策略是让所有数据库都支持 MCP（模型上下文协议）。无论是开源的 PostgreSQL、MySQL，还是商业授权的 SQL Server 和 Oracle，亦或是自研的 Amazon DynamoDB，都能通过 MCP 服务器被 Agentic 框架顺畅访问。
但仅能访问远远不够。G2 强调，数据库必须具备向量功能和混合搜索能力，才能支撑 Agent 的记忆管理。为此，亚马逊云科技在多个数据库产品中植入了向量检索能力，PostgreSQL 可使用 pgvector 插件，内存数据库 Valkey 和 Amazon ElastiCache 新增了向量支持，图数据库 Amazon Neptune 也引入了向量检索。
「Agent 会推动规模需求的巨大跃升。」G2 特别指出，Serverless（无服务器） 和弹性扩展能力成为关键差异优势。当爆款应用出现时，数据库必须能向上扩容至千万级并发；当应用无人使用时，则能向下缩容到零，仅在实际产生价值时计费。这正是 Amazon DynamoDB 和 Amazon DSQL 等 Serverless 产品的核心价值所在。
重构还是渐进？
面对当前行业出现的两条技术路线，是在现有数据库上叠加向量插件，还是彻底重建 AI 原生数据底座，G2 给出了非常务实的建议。
「选择在当下最能为你的业务和客户创造价值的路径。」 他明确表示，这并非一道非此即彼的选择题。
对于新项目，G2 强烈建议直接基于现代化的开放式数据底座构建。 关系型数据库选用 MySQL 或 PostgreSQL，数据湖采用 Apache Iceberg 格式。「开源底座能赋予企业面向未来的极高灵活性，并在成本上具备压倒性优势。」
对于已有传统数据库如 SQL Server 或 Oracle 的客户， 他建议优先推进现代化改造，迁移至 MySQL 或 PostgreSQL 以优化长期架构姿态。「迁移需要时间，但借助 Amazon Transform 服务，这个过程正在提速。」
而对于运行着 ERP 或供应链管理等封装应用的客户， G2 的忠告是：不必急于推翻重构。「当下首要的是协助你直接从现有数据中创造价值，当你准备就绪，亚马逊云科技随时在此提供帮助。」
总结而言，亚马逊云科技的策略是 「两条腿走路」：新项目拥抱现代开源底座，存量应用优先释放数据价值，而非把切换基础设施作为第一逻辑。
AI 原生数据库应该是什么样的？
当被问及亚马逊云科技眼中的 AI 原生数据库应该长什么样时，G2 描绘了一幅清晰的图景：
第一，便捷的数据访问是基本门槛。 MCP 正成为各大模型访问数据的标准化方式，AI 原生数据库必须确保所有数据能通过该协议被顺畅调用。
第二，向量嵌入与混合搜索能力是标配。 这是赋予应用程序存储和检索 Agentic 记忆的基础。
第三，数据库应具备模型调用能力。 即数据库环境本身是否支持直接调用 AI 模型进行推理。
第四，真正的 「撒手不管」（Hands-off）。 G2 指出，如今借助 AI 工具，任何普通人都可以构建应用程序，但他们并不懂传统数据库管理。因此，数据库必须做到无需人工评估调整实例规格、无需人工日常运维，并能按需自动伸缩、自我优化。「AI 生成的应用背后的开发者往往缺乏传统 DBA 技能，他们真正需要的是一个撒手不管的自动化数据库底座。」 他举例说，即使是 PostgreSQL 这类传统数据库，系统也会自带 AI Agent 如 Postgres Agent 接管所有运维工作。
第五，极致的伸缩规模。 向上能到千万级并发，向下能缩容到零，这是真正 Serverless 能力的体现。
数据是护城河，但别让基础设施成为负担
在此次峰会主题演讲中，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松提出了 Agentic AI 时代的 「五个新思考」，其中 「数据是护城河」 尤为关键，数据将从静态资产变成持续驱动 Agentic AI 创造价值的核心战略资产，是短期无法复制的壁垒。
G2 谈到的亚马逊云科技的数据库战略，可以说正是对这一判断的技术落地。他的核心逻辑可以浓缩为一句话：帮助客户解锁全部数据资产，但不要把重构基础设施作为第一优先级。
「请始终把重心放在你们想要创造的价值上，而不是切换基础设施上。」G2 在采访最后强调。
在 Agentic AI 这个新世界里，数据库的角色正在被重新定义。它不再只是一个 IT 基础设施组件，而是决定 AI Agent 能有多 「聪明」 的关键变量。亚马逊云科技给出的答案是：开放、弹性、自动化，以及，给客户选择的自由。
Related articles
【天顺财经】6 月 25 日消息，当 AI Agent 从 「聊天机器人」 进化为能独立规划、执行并交付业务结果的 「数字员工」，底层数据库的逻辑正被彻底改写。
当企业大量部署 AI Agent（智能体） 时，数据库到底需要发生怎样的变化？
「我们坚信，数据才是客户利用这些先进技术、为业务创造新价值的最终差异化来源。」
在 2026 年亚马逊云科技中国峰会上，亚马逊云科技数据库服务副总裁 Ganapathy「G2」 Krishnamoorthy 面对媒体采访时，反复强调了这一观点。在他看来，AI Agent 的爆发不仅仅是一个技术热点，更是一场倒逼数据基础设施全面升级的浪潮。
亚马逊云科技数据库服务副总裁 Ganapathy 「G2」 Krishnamoorthy
G2 是一位资深数据库专家，在该领域拥有超过 20 年的深厚积累。目前他带领的团队负责亚⻢逊云科技的数据库服务，包括 Amazon Aurora、Amazon DynamoDB、Amazon DocumentDB、Amazon ElastiCache、Amazon DMS、Amazon Neptune、Amazon RDS 及 Amazon Timestream。G2 曾在微软构建 SQL Server 数据库、Azure Analytics 及 Azure ML 的多个组成部分，G2 也曾在 Facebook/Meta 构建并运营了数据、分析与机器学习平台。
数据库的新角色是 Agent 的 「记忆海绵」
G2 指出，AI Agent 与传统程序最根本的区别在于它拥有 「上下文」 和 「记忆」。
传统程序每次运行都是独立的 「失忆症患者」，而 AI Agent 需要记住历史交互、理解长期目标、并在多步骤任务中保持连贯性。这意味着，数据库的角色正在从一个被动的存储工具，演变为 Agent 的 「记忆海绵」，不仅要存数据，还要懂语义、做推理。
为了适应这一变化，G2 向天顺财经表示，亚马逊云科技的策略是让所有数据库都支持 MCP（模型上下文协议）。无论是开源的 PostgreSQL、MySQL，还是商业授权的 SQL Server 和 Oracle，亦或是自研的 Amazon DynamoDB，都能通过 MCP 服务器被 Agentic 框架顺畅访问。
但仅能访问远远不够。G2 强调，数据库必须具备向量功能和混合搜索能力，才能支撑 Agent 的记忆管理。为此，亚马逊云科技在多个数据库产品中植入了向量检索能力，PostgreSQL 可使用 pgvector 插件，内存数据库 Valkey 和 Amazon ElastiCache 新增了向量支持，图数据库 Amazon Neptune 也引入了向量检索。
「Agent 会推动规模需求的巨大跃升。」G2 特别指出，Serverless（无服务器） 和弹性扩展能力成为关键差异优势。当爆款应用出现时，数据库必须能向上扩容至千万级并发；当应用无人使用时，则能向下缩容到零，仅在实际产生价值时计费。这正是 Amazon DynamoDB 和 Amazon DSQL 等 Serverless 产品的核心价值所在。
重构还是渐进？
面对当前行业出现的两条技术路线，是在现有数据库上叠加向量插件，还是彻底重建 AI 原生数据底座，G2 给出了非常务实的建议。
「选择在当下最能为你的业务和客户创造价值的路径。」 他明确表示，这并非一道非此即彼的选择题。
对于新项目，G2 强烈建议直接基于现代化的开放式数据底座构建。 关系型数据库选用 MySQL 或 PostgreSQL，数据湖采用 Apache Iceberg 格式。「开源底座能赋予企业面向未来的极高灵活性，并在成本上具备压倒性优势。」
对于已有传统数据库如 SQL Server 或 Oracle 的客户， 他建议优先推进现代化改造，迁移至 MySQL 或 PostgreSQL 以优化长期架构姿态。「迁移需要时间，但借助 Amazon Transform 服务，这个过程正在提速。」
而对于运行着 ERP 或供应链管理等封装应用的客户， G2 的忠告是：不必急于推翻重构。「当下首要的是协助你直接从现有数据中创造价值，当你准备就绪，亚马逊云科技随时在此提供帮助。」
总结而言，亚马逊云科技的策略是 「两条腿走路」：新项目拥抱现代开源底座，存量应用优先释放数据价值，而非把切换基础设施作为第一逻辑。
AI 原生数据库应该是什么样的？
当被问及亚马逊云科技眼中的 AI 原生数据库应该长什么样时，G2 描绘了一幅清晰的图景：
第一，便捷的数据访问是基本门槛。 MCP 正成为各大模型访问数据的标准化方式，AI 原生数据库必须确保所有数据能通过该协议被顺畅调用。
第二，向量嵌入与混合搜索能力是标配。 这是赋予应用程序存储和检索 Agentic 记忆的基础。
第三，数据库应具备模型调用能力。 即数据库环境本身是否支持直接调用 AI 模型进行推理。
第四，真正的 「撒手不管」（Hands-off）。 G2 指出，如今借助 AI 工具，任何普通人都可以构建应用程序，但他们并不懂传统数据库管理。因此，数据库必须做到无需人工评估调整实例规格、无需人工日常运维，并能按需自动伸缩、自我优化。「AI 生成的应用背后的开发者往往缺乏传统 DBA 技能，他们真正需要的是一个撒手不管的自动化数据库底座。」 他举例说，即使是 PostgreSQL 这类传统数据库，系统也会自带 AI Agent 如 Postgres Agent 接管所有运维工作。
第五，极致的伸缩规模。 向上能到千万级并发，向下能缩容到零，这是真正 Serverless 能力的体现。
数据是护城河，但别让基础设施成为负担
在此次峰会主题演讲中，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松提出了 Agentic AI 时代的 「五个新思考」，其中 「数据是护城河」 尤为关键，数据将从静态资产变成持续驱动 Agentic AI 创造价值的核心战略资产，是短期无法复制的壁垒。
G2 谈到的亚马逊云科技的数据库战略，可以说正是对这一判断的技术落地。他的核心逻辑可以浓缩为一句话：帮助客户解锁全部数据资产，但不要把重构基础设施作为第一优先级。
「请始终把重心放在你们想要创造的价值上，而不是切换基础设施上。」G2 在采访最后强调。
在 Agentic AI 这个新世界里，数据库的角色正在被重新定义。它不再只是一个 IT 基础设施组件，而是决定 AI Agent 能有多 「聪明」 的关键变量。亚马逊云科技给出的答案是：开放、弹性、自动化，以及，给客户选择的自由。
【天顺财经】6 月 25 日消息，当 AI Agent 从 「聊天机器人」 进化为能独立规划、执行并交付业务结果的 「数字员工」，底层数据库的逻辑正被彻底改写。
当企业大量部署 AI Agent（智能体） 时，数据库到底需要发生怎样的变化？
「我们坚信，数据才是客户利用这些先进技术、为业务创造新价值的最终差异化来源。」
在 2026 年亚马逊云科技中国峰会上，亚马逊云科技数据库服务副总裁 Ganapathy「G2」 Krishnamoorthy 面对媒体采访时，反复强调了这一观点。在他看来，AI Agent 的爆发不仅仅是一个技术热点，更是一场倒逼数据基础设施全面升级的浪潮。
亚马逊云科技数据库服务副总裁 Ganapathy 「G2」 Krishnamoorthy
G2 是一位资深数据库专家，在该领域拥有超过 20 年的深厚积累。目前他带领的团队负责亚⻢逊云科技的数据库服务，包括 Amazon Aurora、Amazon DynamoDB、Amazon DocumentDB、Amazon ElastiCache、Amazon DMS、Amazon Neptune、Amazon RDS 及 Amazon Timestream。G2 曾在微软构建 SQL Server 数据库、Azure Analytics 及 Azure ML 的多个组成部分，G2 也曾在 Facebook/Meta 构建并运营了数据、分析与机器学习平台。
数据库的新角色是 Agent 的 「记忆海绵」
G2 指出，AI Agent 与传统程序最根本的区别在于它拥有 「上下文」 和 「记忆」。
传统程序每次运行都是独立的 「失忆症患者」，而 AI Agent 需要记住历史交互、理解长期目标、并在多步骤任务中保持连贯性。这意味着，数据库的角色正在从一个被动的存储工具，演变为 Agent 的 「记忆海绵」，不仅要存数据，还要懂语义、做推理。
为了适应这一变化，G2 向天顺财经表示，亚马逊云科技的策略是让所有数据库都支持 MCP（模型上下文协议）。无论是开源的 PostgreSQL、MySQL，还是商业授权的 SQL Server 和 Oracle，亦或是自研的 Amazon DynamoDB，都能通过 MCP 服务器被 Agentic 框架顺畅访问。
但仅能访问远远不够。G2 强调，数据库必须具备向量功能和混合搜索能力，才能支撑 Agent 的记忆管理。为此，亚马逊云科技在多个数据库产品中植入了向量检索能力，PostgreSQL 可使用 pgvector 插件，内存数据库 Valkey 和 Amazon ElastiCache 新增了向量支持，图数据库 Amazon Neptune 也引入了向量检索。
「Agent 会推动规模需求的巨大跃升。」G2 特别指出，Serverless（无服务器） 和弹性扩展能力成为关键差异优势。当爆款应用出现时，数据库必须能向上扩容至千万级并发；当应用无人使用时，则能向下缩容到零，仅在实际产生价值时计费。这正是 Amazon DynamoDB 和 Amazon DSQL 等 Serverless 产品的核心价值所在。
重构还是渐进？
面对当前行业出现的两条技术路线，是在现有数据库上叠加向量插件，还是彻底重建 AI 原生数据底座，G2 给出了非常务实的建议。
「选择在当下最能为你的业务和客户创造价值的路径。」 他明确表示，这并非一道非此即彼的选择题。
对于新项目，G2 强烈建议直接基于现代化的开放式数据底座构建。 关系型数据库选用 MySQL 或 PostgreSQL，数据湖采用 Apache Iceberg 格式。「开源底座能赋予企业面向未来的极高灵活性，并在成本上具备压倒性优势。」
对于已有传统数据库如 SQL Server 或 Oracle 的客户， 他建议优先推进现代化改造，迁移至 MySQL 或 PostgreSQL 以优化长期架构姿态。「迁移需要时间，但借助 Amazon Transform 服务，这个过程正在提速。」
而对于运行着 ERP 或供应链管理等封装应用的客户， G2 的忠告是：不必急于推翻重构。「当下首要的是协助你直接从现有数据中创造价值，当你准备就绪，亚马逊云科技随时在此提供帮助。」
总结而言，亚马逊云科技的策略是 「两条腿走路」：新项目拥抱现代开源底座，存量应用优先释放数据价值，而非把切换基础设施作为第一逻辑。
AI 原生数据库应该是什么样的？
当被问及亚马逊云科技眼中的 AI 原生数据库应该长什么样时，G2 描绘了一幅清晰的图景：
第一，便捷的数据访问是基本门槛。 MCP 正成为各大模型访问数据的标准化方式，AI 原生数据库必须确保所有数据能通过该协议被顺畅调用。
第二，向量嵌入与混合搜索能力是标配。 这是赋予应用程序存储和检索 Agentic 记忆的基础。
第三，数据库应具备模型调用能力。 即数据库环境本身是否支持直接调用 AI 模型进行推理。
第四，真正的 「撒手不管」（Hands-off）。 G2 指出，如今借助 AI 工具，任何普通人都可以构建应用程序，但他们并不懂传统数据库管理。因此，数据库必须做到无需人工评估调整实例规格、无需人工日常运维，并能按需自动伸缩、自我优化。「AI 生成的应用背后的开发者往往缺乏传统 DBA 技能，他们真正需要的是一个撒手不管的自动化数据库底座。」 他举例说，即使是 PostgreSQL 这类传统数据库，系统也会自带 AI Agent 如 Postgres Agent 接管所有运维工作。
第五，极致的伸缩规模。 向上能到千万级并发，向下能缩容到零，这是真正 Serverless 能力的体现。
数据是护城河，但别让基础设施成为负担
在此次峰会主题演讲中，亚马逊全球副总裁、亚马逊云科技亚太区联席总裁储瑞松提出了 Agentic AI 时代的 「五个新思考」，其中 「数据是护城河」 尤为关键，数据将从静态资产变成持续驱动 Agentic AI 创造价值的核心战略资产，是短期无法复制的壁垒。
G2 谈到的亚马逊云科技的数据库战略，可以说正是对这一判断的技术落地。他的核心逻辑可以浓缩为一句话：帮助客户解锁全部数据资产，但不要把重构基础设施作为第一优先级。
「请始终把重心放在你们想要创造的价值上，而不是切换基础设施上。」G2 在采访最后强调。
在 Agentic AI 这个新世界里，数据库的角色正在被重新定义。它不再只是一个 IT 基础设施组件，而是决定 AI Agent 能有多 「聪明」 的关键变量。亚马逊云科技给出的答案是：开放、弹性、自动化，以及，给客户选择的自由。
