今年 AWS 中国峰会逛下来最大的感受是，大家已经不太讨论模型参数、排行榜或者谁家的模型更聪明了。无论是 Keynote 还是展区交流，讨论最多的话题其实是 Agent 如何真正进入生产环境。

湖仓的竞争正从「SQL 多快、存储多便宜」，转向「Agent 多可靠、业务任务多安全」

AI Agent 落地，如何攻克稳定性、成本与评估难题？

通用埋点系统的查询模式并非标准 SQL 查询接口，当数据科学家希望构建复杂的 adhoc 查询时，由于缺少 SQL 能力，难以支持复杂的自定义查询；

生成式 AI 时代的到来，为数据技术的发展带来了新的机遇和挑战。通过深入融合生成式AI技术，数据库可以在数据存储、处理和分析方面实现更高的性能和智能化。然而，面对数据质量、计算资源、模型解释性和隐私安全等问题，我们仍需不断探索和创新。未来，随着技术的不断进步和应用的广泛推广，生成式 AI 与数据库的融合必将带来更多的可能性和变革。以上就是 Databend 在与大模型融合探索中的一些经验和成果，希

现代数据湖的典型特征之一是能够灵活和高效地利用云上的基础设施，并且使用对象存储作为数据的存储方案。作为一款云原生、湖仓一体的数据管理系统，Databend 基于对象存储进行设计，存算分离的架构进一步匹配云上计算资源灵活调度的模式，现代 MPP 架构和充分的优化能够充分释放算力。

青云科技是最早布局混合云市场的厂商之一，提供打通公有云和私有云，交付一致功能与体验的混合云技术。能够为用户提供安全可靠的解决方案。是一款开源、弹性、低成本，基于对象存储也可以做实时分析的新式数仓，具有即时扩缩容能力，能在数分钟内增加数百倍的算力，可以为企业提供了一个集中式的平台，用于存储、管理和分析大量数据，从而助力企业更准确地洞察业务运行状况并制定针对性策略。，支持多种数据访问协议及多协议间数据

Databend 增加非结构化数据和AI整合的处理方案

文章根据沉浸式翻译技专家陈琦在 Databend Meeup 上海站分享总结和思考构建。 通过本次活动也让我初步去理解 AI 长记忆体的实现及用途。 陈琦分享属于一个比较硬核的技术分享，所以在回顾这个 PPT 时，我在陈琦分享的思路的基础上长了一些案例，来帮助读者更容易理解这个实践。沉浸式翻译（Immersive Translate），作为 AI 翻译领域的头部产品，拥有近千万用户。在 Datab

Databend 通过其云原生、一体化的架构，将复杂的大数据技术栈简化为以 SQL 为核心的开发体验，从根本上降低了数据开发的门槛、成本和运维负担。它不仅是一个高性能的数据仓库，更是一个内置了流处理、任务调度和强大扩展能力的数据平台操作系统。在 AI 时代，其原生及可扩展的 AI 能力进一步使其成为企业构建智能化应用的理想数据基石，完美契合了当下企业追求降本增效和快速创新的核心诉求。构建海量记忆：