连夺全球榜首逾两月，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 全面开源，包含论文、代码、模型与使用手册。借助这项技术，非技术背景的用户也能用自然语言完成业务数据的查询与分析，为企业数智化打造更精准、可用的智能分析底座。

首批释放的是实时文本转结构化查询语言（Text-to-SQL）框架，为开发者提供可即用的数据查询方案，提升自然语言与数据库检索的交互效率。到2026年，蚂蚁数科还将逐步开源数据库理解与挖掘、行业知识挖掘以及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，在某头部城商行的试运营中，Agentar SQL 多个工具的平均查询准确率超过92%，相较传统方案提升超过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 登上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 榜首，超越 Google 等诸多国内外厂商。目前，该智能体仍在执行准确率排行榜以及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 模型将自然语言查询转换为 SQL，并能在真实且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，包含超过1万条高复杂度查询任务，被视为全球最难的 NL2SQL 测试之一。

研究机构预测：到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同年将达12亿。预计到2028年，中国商业智能软件市场规模将达到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。

当前，国内企业在使用商业智能与分析产品上的深度参差不齐，多集中于报表、驾驶舱、仪表板、数据大屏等可视化与基础分析。如何在保证准确性的同时提升在真实生产环境中的可用性，被认为是 NL2SQL 规模化落地的共性挑战。

蚂蚁数科 AI 技术负责人章鹏表示，NL2SQL 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，以及生成严谨无误的复杂 SQL。这些挑战意味着，仅做模型“套壳”远不足以满足企业级对可靠性与准确性的要求。

例如在金融场景，往往需要结合复杂业务规则与多重条件筛选，才能进行有效的产品数据分析；在业务管理中，非专业的数据分析人员用口语提问时，系统需要正确理解行业术语与询问意图，并与数据库字段精准匹配，才能产出真实可靠的结果。

他补充道，BIRD-SQL 主要评测 SQL 的复杂度生成能力（在线扩展Online Scaling），但要让 NL2SQL 乃至数据智能体真正产业可用，必须搭建更完整的能力栈。除在线扩展外，还应包括：

1. 离线扩展（Offline Scaling）：对数据库进行深入理解与知识结构化。

2. 人机交互（Human Interaction）：智能体能识别自身不确定性，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）：借助“记忆”优化、工具（如 UDF）的创建与复用等“免调优”机制，让智能体能从错误中学习、持续提升，减少对海量标注数据与专家调优的依赖。

蚂蚁数科将分阶段开源上述更完整的能力模块，例如用于数据库理解的 Agentar Profiling-SQL、面向免调优进化的 Agentar TuningFree-SQL 等。首期在线扩展框架 Agentar-Scale-SQL 的开源内容已在 arXiv、GitHub、ModelScope 与 Hugging Face 等平台发布，并迅速获得开发者关注。