在第二屆CCF中國(guó)數(shù)據(jù)大會(huì)上，螞蟻數(shù)科宣布了一項(xiàng)重要舉措：開(kāi)源旗下數(shù)據(jù)智能體關(guān)鍵技術(shù)Agentar SQL的全套論文、代碼、模型及使用指南。這一技術(shù)旨在讓非專(zhuān)業(yè)人員借助日常語(yǔ)言就能進(jìn)行商業(yè)數(shù)據(jù)查詢(xún)與分析，為企業(yè)數(shù)智化構(gòu)建起更精準(zhǔn)可靠的智能數(shù)據(jù)分析基礎(chǔ)。

螞蟻數(shù)科此次首期開(kāi)源的是實(shí)時(shí)文本轉(zhuǎn)化結(jié)構(gòu)化查詢(xún)語(yǔ)言（Text-to-SQL）框架，為開(kāi)發(fā)者提供了開(kāi)箱即用的數(shù)據(jù)查詢(xún)方案，極大地提升了文本與數(shù)據(jù)庫(kù)查詢(xún)之間的交互效率。不僅如此，螞蟻數(shù)科還規(guī)劃在2026年陸續(xù)開(kāi)源數(shù)據(jù)庫(kù)理解與挖掘、行業(yè)知識(shí)挖掘、實(shí)時(shí)多輪交互等技術(shù)框架，這些框架將覆蓋從意圖理解、業(yè)務(wù)理解到數(shù)據(jù)理解的全鏈路數(shù)據(jù)能力。

該技術(shù)支持下的螞蟻數(shù)科數(shù)據(jù)分析智能體Agentar-Scale-SQL，在今年9月25日登頂了全球最具權(quán)威性的自然語(yǔ)言轉(zhuǎn)結(jié)構(gòu)化查詢(xún)語(yǔ)言（NL2SQL）評(píng)測(cè)基準(zhǔn)BIRD-SQL，超越了Google等眾多國(guó)內(nèi)外廠商。目前，該智能體在執(zhí)行準(zhǔn)確率排行榜以及執(zhí)行效率榜上依舊保持雙榜第一，且已持續(xù)領(lǐng)跑超過(guò)兩個(gè)月。

BIRD-SQL評(píng)測(cè)要求AI模型將自然語(yǔ)言查詢(xún)轉(zhuǎn)換為SQL，并能在真實(shí)復(fù)雜的大規(guī)模生產(chǎn)級(jí)數(shù)據(jù)庫(kù)中穩(wěn)定執(zhí)行。其數(shù)據(jù)集涵蓋了金融、電力、醫(yī)療等37個(gè)真實(shí)行業(yè)場(chǎng)景，總量達(dá)33GB，包含超過(guò)1萬(wàn)條高復(fù)雜度查詢(xún)?nèi)蝿?wù)，被視為全球難度最高的NL2SQL測(cè)試。

研究機(jī)構(gòu)預(yù)測(cè)，全球商業(yè)智能市場(chǎng)規(guī)模在2025年將達(dá)到474.8億，中國(guó)商業(yè)智能與分析軟件市場(chǎng)規(guī)模在2025年將達(dá)12億，預(yù)計(jì)到2028年，中國(guó)商業(yè)智能軟件市場(chǎng)規(guī)模會(huì)增長(zhǎng)至17.9億美元，未來(lái)5年市場(chǎng)年復(fù)合增長(zhǎng)率（CAGR）為12.7%，這使其成為未來(lái)構(gòu)建企業(yè)智能技術(shù)的重要且必要的投資領(lǐng)域。

當(dāng)前，中國(guó)企業(yè)對(duì)商業(yè)智能與分析產(chǎn)品的使用深度參差不齊，大部分企業(yè)的需求集中在報(bào)表、駕駛艙、儀表板、數(shù)據(jù)大屏等數(shù)據(jù)可視化和簡(jiǎn)單分析方面。而在真實(shí)生產(chǎn)環(huán)境中，如何在保證準(zhǔn)確性的前提下提升可用性，是NL2SQL在產(chǎn)業(yè)中規(guī)?；涞孛媾R的普遍挑戰(zhàn)。

螞蟻數(shù)科AI技術(shù)負(fù)責(zé)人章鵬在會(huì)上指出，NL2SQL在實(shí)際落地過(guò)程中面臨四大嚴(yán)峻挑戰(zhàn)。一是要理解模糊多義的人類(lèi)口語(yǔ)；二是要注入龐大的行業(yè)專(zhuān)業(yè)知識(shí)；三是要解析復(fù)雜的數(shù)據(jù)庫(kù)結(jié)構(gòu)與關(guān)聯(lián)；四是要生成準(zhǔn)確無(wú)誤的復(fù)雜SQL語(yǔ)句。這些挑戰(zhàn)表明，簡(jiǎn)單的模型“套殼”根本無(wú)法滿足企業(yè)級(jí)應(yīng)用對(duì)可靠性與準(zhǔn)確性的要求。

以金融領(lǐng)域?yàn)槔?，從業(yè)者往往需要結(jié)合復(fù)雜業(yè)務(wù)規(guī)則和多條件組合進(jìn)行數(shù)據(jù)查詢(xún)，才能有效開(kāi)展產(chǎn)品數(shù)據(jù)分析。在業(yè)務(wù)管理中，非專(zhuān)業(yè)數(shù)據(jù)分析人員提出口語(yǔ)化問(wèn)題，就需要背后的產(chǎn)品準(zhǔn)確理解行業(yè)術(shù)語(yǔ)和詢(xún)問(wèn)意圖，再與數(shù)據(jù)庫(kù)字段精準(zhǔn)匹配，才能得出真實(shí)準(zhǔn)確的結(jié)果。

章鵬強(qiáng)調(diào)，BIRD-SQL主要評(píng)測(cè)SQL的復(fù)雜度生成能力（在線擴(kuò)展OnlineScaling），但要真正實(shí)現(xiàn)產(chǎn)業(yè)可用的NL2SQL乃至數(shù)據(jù)智能體技術(shù)，必須構(gòu)建更完整的能力棧。除了在線擴(kuò)展，還需具備離線擴(kuò)展（Offline Scaling），即對(duì)數(shù)據(jù)庫(kù)的深度理解與知識(shí)結(jié)構(gòu)化；人機(jī)交互（Human Interaction），即智能體識(shí)別自身不確定性，主動(dòng)與用戶(hù)澄清意圖，實(shí)現(xiàn)白盒化、可糾錯(cuò)的協(xié)作；自我進(jìn)化（Self Evolution），即通過(guò)“記憶”優(yōu)化、工具（如UDF）創(chuàng)建與復(fù)用等“免調(diào)優(yōu)”技術(shù)，使智能體能夠從錯(cuò)誤中學(xué)習(xí)，持續(xù)提升，降低對(duì)大量標(biāo)注數(shù)據(jù)和專(zhuān)家調(diào)優(yōu)的依賴(lài)。

螞蟻數(shù)科計(jì)劃逐步開(kāi)源這些更全面的能力模塊，如理解數(shù)據(jù)庫(kù)的Agentar Profiling-SQL、實(shí)現(xiàn)免調(diào)優(yōu)進(jìn)化的Agentar TuningFree-SQL等。首期在線擴(kuò)展框架Agentar-Scale-SQL的開(kāi)源內(nèi)容已發(fā)布在arXiv、GitHub、ModelScope及Hugging Face等平臺(tái)，并迅速吸引了開(kāi)發(fā)者的關(guān)注。