【量子位 2025年12月15日讯】在全球AI数据智能领域，国产力量再添重磅突破。12月14日，蚂蚁数科在第二届CCF中国数据大会上宣布，将霸榜全球权威SQL评测基准BIRD-Bench超两月的Agentar-SQL系列技术高调开源，涵盖文本转SQL（Text-to-SQL）全链路工具——从论文、代码到模型权重、使用指南一应俱全。这意味着，曾被谷歌、亚马逊等国际巨头垄断的“AI生成精准SQL”技术，如今国内企业与开发者可免费获取核心能力，更标志着中国产业AI从“技术突破”迈向“生态共享”新阶段。
从霸榜到开源：81.67%准确率碾压国际巨头，破解企业级SQL难题
提及AI生成SQL，全球从业者绕不开BIRD-Bench基准——这个包含95个大型数据库、33.4GB数据量、覆盖37个专业领域的评测体系，因贴近工业界“脏数据、复杂关联、外部知识依赖”等真实场景，被公认为“NL2SQL（自然语言转SQL）领域的世界杯”。而蚂蚁数科的Agentar-Scale-SQL，早在2025年9月就以81.67%执行准确率和77%执行效率的双料第一成绩登顶，将谷歌CHASE-SQL（76.02%）、亚马逊Q-SQL（76.47%）等竞品甩在身后，成为该榜单史上首个登顶的国产模型。
“这个成绩不是靠‘刷榜技巧’，而是解决了企业级落地的核心痛点。”蚂蚁数科数据智能负责人在大会上解释，传统Text2SQL技术面临四大“死穴”：看不懂模糊口语（如“最近三个月的大客户订单”）、装不下行业知识（如金融领域“不良率”的特殊定义）、理不清复杂表关联（多表嵌套查询易出错）、生不出无bug SQL（语法正确但语义错误的“幻觉SQL”频发）。而Agentar-SQL通过“系统化工程方案”逐个突破：
-
多轮意图澄清：面对模糊表述，模型会主动追问“‘最近三个月’是否包含本月？‘大客户’是否指年消费超100万客户？”，避免理解偏差；
-
行业知识注入：针对金融、零售等领域，内置专属知识图谱，例如生成银行SQL时，自动关联“存款准备金率”“LPR利率”等专业指标的计算逻辑；
-
动态表结构解析：通过AI自动识别数据库表间关联关系，即使面对10张以上的复杂表连接，也能生成正确的JOIN逻辑；
-
多版本校验：同时生成3-5版SQL候选，通过“执行结果对比+语法逻辑检查”筛选最优解，某头部城商行试运营数据显示，其查询准确率超92%，是传统方案的3倍以上。
从金融深水区到产业广域：中国AI走出“最难场景突破”路径
不同于多数AI企业从“通用场景”切入，蚂蚁数科的AI之路始于“最难啃的骨头”——金融领域。“这里没有‘差不多’，只有‘百分百正确’，一个错误SQL可能导致千万级资金误判。”蚂蚁数科CEO赵闻飙在大会上直言，金融场景的“三高特性”（高敏感数据、高严谨逻辑、高合规要求），倒逼技术必须做到“可解释、可审计、可回溯”。
如今，这套在金融领域打磨成熟的技术，已成为中国金融体系的“隐形基建”：
-
覆盖全行业金融机构：服务100%国有股份制银行、超60%地方性商业银行，从工商银行的智能风控系统到宁波银行的投资咨询平台，背后都有Agentar-SQL的支撑；
-
实现“黑箱白化”：在上海银行AI手机银行中，用户用自然语言查询“我的养老金明细”，系统不仅生成SQL，还会同步显示“查询逻辑：从‘养老金账户表’关联‘交易流水表’，筛选‘交易类型=养老金发放’的记录”，满足监管对“可解释性”的要求；
-
效率指数级提升：宁波银行客户经理此前处理一个复杂投资咨询，需在5个系统间切换、耗时2小时，如今通过AI系统10秒内获取精准数据，响应速度提升720倍。
更值得关注的是，金融级能力正加速外溢到民生与产业领域：
-
公交智能调度：与南京公交合作的“小蓝鲸”智能体，用Text2SQL技术分析客流数据，已建议开通30余条新线路、新增84个招呼站，其中210路公交单日最高客流达2168人次，老年卡使用占比近50%，填补区域交通空白；
-
能源投资决策：EnergyTS能源电力时序大模型结合SQL生成能力，将协鑫能科等企业的投资测算时间从2-3天缩短至10分钟，效率提升超60倍，助力新能源项目快速落地。
从技术独占到生态共享：开源+按效果付费，降低产业AI门槛
此次开源，蚂蚁数科不仅释放Agentar-SQL的文本转SQL核心能力，还承诺后续陆续开源数据库理解、行业知识挖掘、多轮交互等工具，形成“全链路技术栈”。“我们希望让中小机构也能用得起顶尖Text2SQL技术，不用再为‘建团队、买模型’投入百万级成本。”蚂蚁数科开源负责人表示，开发者可通过GitHub获取全套资源，快速搭建适配自身业务的Text2SQL系统。
更颠覆的是，蚂蚁数科还推出“按效果付费”模式——客户无需预付项目费或订阅费，而是按“生成正确SQL的条数”或“业务价值提升量”付费。例如某连锁零售企业，仅需为“通过AI SQL节省的人工查询工时”买单，大幅降低试错成本。这种模式背后，是蚂蚁数科对技术的自信：截至2025年，其已与300家合作伙伴共建生态，服务超1.3万家终端客户，海外市场也已覆盖南洋商业银行、渣打银行等超百家机构，并入选香港金管局生成式AI沙盒项目。
“产业AI的价值，不在于实验室里的榜单分数，而在于能否帮企业解决实际问题。”赵闻飙在大会结尾强调。随着Agentar-SQL的开源，中国AI正从“单点技术突破”走向“生态协同创新”，而这套从金融深水区走出的“务实方法论”，或许将成为全球产业AI落地的“中国样本”。目前，Agentar-SQL的开源仓库已在GitHub上线，首批开发者反馈显示，基于该框架搭建的Text2SQL系统，平均开发周期从3个月缩短至2周，进一步验证了其产业价值。
