霸榜全球两月有余，蚂蚁数科开源数据智能体核心技术

12月13日，在第二届CCF中国数据大会上，蚂蚁数科宣布将其数据智能体关键技术Agentar SQL的论文、代码、模型与使用指南全套开源。这项技术让非专业人士也能用日常语言完成商业数据查询与分析，为企业数智化提供更精准、好用的智能数据分析底座。

首批开源的是实时文本转结构化查询语言（Text-to-SQL）框架，为开发者提供开箱即用的数据查询方案，提升文本与数据库之间的交互效率。到2026年，蚂蚁数科还将陆续开源数据库理解与挖掘、行业知识挖掘、实时多轮交互等技术框架，覆盖从意图理解、业务理解到数据理解的全链路能力。

据悉，在某头部城商行试运营期间，蚂蚁数科Agentar SQL多款工具的平均查询准确率超过92%，相比传统方案提升超3倍。

今年9月25日，基于该技术的蚂蚁数科数据分析智能体Agentar-Scale-SQL登顶全球最具权威的自然语言转结构化查询语言（NL2SQL）评测基准BIRD-SQL，超越Google等多家国内外厂商。目前，该智能体在执行准确率榜与执行效率榜保持双榜第一，已连续领跑两个多月。

BIRD-SQL要求AI模型把自然语言查询转换为SQL，并可在真实而复杂的大规模生产级数据库中稳定执行。其数据集覆盖金融、电力、医疗等37个真实行业场景，总量33GB，包含一万余条高复杂度查询任务，被认为是全球最难的NL2SQL测试之一。

研究机构预计，2025年全球商业智能市场规模将达474.8亿。中国商业智能与分析软件市场规模2025年约12亿。到2028年，中国商业智能软件市场规模有望达到17.9亿美元，未来5年年复合增长率（CAGR）为12.7%，将成为企业构建智能技术的重要且必要的投资方向。

目前，国内企业对商业智能与分析产品的使用深度差异较大，多数仍集中在报表、驾驶舱、仪表板、数据大屏等可视化与基础分析需求。如何在保证准确性的前提下，提升真实生产环境中的可用性，被普遍认为是NL2SQL在产业中实现规模化落地的共同挑战。

蚂蚁数科AI技术负责人章鹏指出，NL2SQL在实际落地面临四大挑战：理解口语化且多义的人类表达、融入庞大的行业专业知识、解析复杂的数据库结构与关联，以及生成精准无误的复杂SQL语句。这意味着，简单给模型“套壳”远不足以满足企业级场景对可靠性与准确性的要求。

例如，在金融领域，业务人员往往需要结合复杂业务规则并采用多条件组合查询，才能有效完成产品数据分析；在日常管理中，非专业数据分析人员用口语化方式提问，系统需要在后台正确理解行业术语与提问意图，并与数据库字段精准匹配，才能产出真实且准确的结果。

章鹏强调，BIRD-SQL主要评测的是SQL复杂度的生成能力（在线扩展Online Scaling）。但要让NL2SQL乃至数据智能体真正可用，必须建设更完整的能力栈。除了在线扩展，还需包含：

1. 离线扩展（Offline Scaling）：对数据库进行深度理解，并将知识结构化。

2. 人机交互（Human Interaction）：智能体识别自身不确定性，主动向用户澄清意图，实现可解释、可纠错的协作。

3. 自我进化（Self Evolution）：通过“记忆”优化、工具（如UDF）创建与复用等“免调优”方式，让智能体能从错误中学习、持续提升，降低对大量标注数据和专家调优的依赖。

蚂蚁数科计划逐步将这些更完整的能力模块持续开源，如理解数据库的Agentar Profiling-SQL、实现免调优进化的Agentar TuningFree-SQL等。首期在线扩展框架Agentar-Scale-SQL已在arXiv、GitHub、ModelScope及Hugging Face等平台发布，并迅速获得开发者关注。