作者：唐刘｜TiDB 研发副总裁
现在是 AI 的时代，这一点已经毋庸置疑。我们也看到越来越多的公司，把 AI 的能力通过 SaaS 的方式交付 - 也就是 AI as a Service （AIaaS）。譬如像 Lovable 、 Manus 这样的公司，让用户通过使用他们的服务，就能受益于 AI，生成自己的应用、搭建自己的系统。
而对于数据库来说，在这个领域里，最大的变化在于：数据库的使用者，已经从人变成了 AI Agent。 这听起来像一句话的区别，但背后其实是从『确定性』到『不确定性』的巨大范式转变。
从『确定性』到『不确定性』
以前我们写代码、设计系统，讲究一个『可预测』。
- 我要建个电商网站？先搞一张 products 表，字段有 ID、名字、价格。
- 前端要展示列表？写个
SELECT * FROM products ORDER BY id，嗯，so easy。
程序员的脑子里，Schema、Query、页面逻辑，全是人提前设计好的 。这就是所谓的确定性范式 。
但 AI Agent 出现后，画风完全不一样了：
- 你对它说：“帮我建个网站。”
- 它转头就开始自己折腾，设计 Schema，设计 Query 等等。
- 如果一分钟后，它觉得不好，直接全部推翻重来。
不可预测性 ，成了新常态。对数据库来说，尤其是在可扩展性上面，这简直是噩梦。
数据库可扩展性的全新挑战
为了支撑这种 AI Agent 的『 自我创造型负载 』，数据库必须具备更高维度的可扩展性。传统意义上，可扩展性只意味着『数据量』的增长。而在 AIaaS 场景中，这只是冰山一角。实际对于可扩展性有非常多的挑战，譬如：
数据规模与并发的可扩展性的挑战
- 数百万 AI Agent 同时发起请求，生成 PB 级数据，产生极端并发压力。
- 这不是传统的几千几万用户的 OLTP ，而是百万级 Agent 并发操作。
这是我们熟悉的可扩展性，但 AIaaS 把它推到了前所未有的极限。
表结构（Schema）的可扩展性的挑战
- 传统系统里 Schema 是人设计的，可预测。AIaaS 中，每个 Agent 都可能生成独立 Schema。
- 一个系统中可能出现百万甚至千万张表 。问题不是『存不下』，而是传统数据库根本无法管理这么多元信息（metadata）。
这是一个很少被讨论、但极其致命的新维度：Schema 也需要可扩展。
SQL 执行与优化的可扩展性的挑战
- AI 生成的 SQL 是不可控的、不固定的、质量参差不齐的。
- 数据库不仅要『能执行』，还要『执行得高效』。这意味着数据库必须在 SQL 执行层面也具备扩展性 ，能在面对不可预测请求时依然保持稳定，并提供实时的性能与成本反馈，让 Agent 自我学习、自我优化。
当然，除此之外还有更多维度的挑战，比如成本的可扩展性 、安全隔离的可扩展性 、多租户管理的可扩展性 等。限于篇幅，这里不展开。
一次『误打误撞』的进化
老实说， TiDB 能在 AIaaS 场景下脱颖而出，也是一场『误打误撞』。我们一开始并没打算解决这个问题。
四年前 ，某大客户来问我们：『你们能支持百万张表吗？』 我们当时的反应是：『谁会干这么变态的事？』
两年前 ， Atlassian 来了：『能不能支持千万张表？我们要搞一个第三方应用开发平台 - Forge 。』 我们再次愣住。但当他们解释：Forge 上有数以万计的开发者，每个开发的 App Schema 都不一样，却要共享同一个数据库，我们终于明白了 - 这不是『变态』，这是未来。
我们硬着头皮做了，最后还真做成了。也正是在那一刻我们发现：这个『奇葩』的需求，其实是 AIaaS 世界的预演。
- 每个开发者的 App，本质上就是一个独立的 Agent；
- 每个 Agent 都有自己的 Schema、自己的 Query。
为什么是 TiDB
应对上面这些可扩展性的挑战，TiDB 的能力恰到好处地对齐：
- 数据与并发扩展性 ：天生水平扩展架构，在线扩容、自动分片，在极端负载下依然保持稳定性能。
- Schema 扩展性 ：经过 Atlassian 等真实客户的『千万表』场景打磨，TiDB 成为少数能在 Schema 数量维度上真正扩展 的数据库。
- SQL 执行扩展性 ：高性能查询引擎 + 混合负载支持（OLTP + 轻量级 OLAP + 混合搜索等），再加上能通过 RU（Request Unit）清晰的知道每一条 Query 运行开销的机制，让每个 Agent 都能实时感知自己生成的 SQL 是快还是慢、贵还是便宜，从而完成自我优化。
写到最后
本文是我在拜访很多客户，跟客户聊 TiDB x AI 的时候，大家一起讨论的话题，就是在 AIaaS 领域，对于一个数据库到底意味着什么，以及为啥一些 AIaaS 公司选择了 TiDB，所以才有了这篇文章。
我一直坚信，AI agent 改变了软件的编写方式，也在重新定义数据库的边界。从『人设计系统』到『AI 生成系统』，从『确定性架构』到『不确定性范式』，每一次转变都伴随着一次基础设施的革新。
而 TiDB，恰好走在了这个转变的前面。它不是为了 AIaaS 而生，但它的架构演进与真实场景打磨 ，让它成为了 AIaaS 时代客户最自然的选择。
我在之前，一直有一个理想，就是希望『在未来，每一个程序员都能拥有自己的数据库』，现在，在这个基础上，我有了一个更大理想，就是希望『在未来，每一个 AI Agent 都能拥有自己的数据库』，而 TiDB，就是最好的选择。