【量子位 2025年12月16日讯】国产AI在数据智能领域再添重磅成果。12月13日，第二届CCF中国数据大会上，蚂蚁数科正式宣布开源数据分析智能体核心技术——Agentar-SQL系列，涵盖全套论文、代码、模型及使用指南。这款曾以81.67%执行准确率、77%执行效率双料第一登顶全球权威NL2SQL评测基准BIRD-SQL的技术，不仅打破谷歌等国际巨头垄断，更在金融等核心场景验证了产业价值：某头部城商行试运营期间，其查询准确率超92%，较传统方案提升3倍以上，为企业数智化提供“非专业人员也能用自然语言查数据”的底层能力。
技术硬实力：从全球榜单登顶到产业场景验证
NL2SQL（自然语言转SQL）技术被视为“打通数据查询最后一公里”的关键，但长期受限于“理解模糊口语、注入行业知识、解析复杂表结构、生成无错SQL”四大痛点，多数方案停留在实验室阶段。而蚂蚁数科的Agentar-SQL系列，通过技术突破实现“榜单领先”与“产业可用”的双重验证。
1. 霸榜BIRD-SQL超两月，碾压国际巨头
作为全球公认“最难NL2SQL测试”，BIRD-SQL覆盖金融、电力、医疗等37个真实行业场景，包含33GB数据、超1万条高复杂度查询任务，要求模型生成的SQL能在生产级数据库稳定执行。2025年9月25日，蚂蚁数科Agentar-Scale-SQL以81.67%的测试集执行准确率，超越谷歌CHASE-SQL（76.02%）、亚马逊Q-SQL（76.47%）等竞品登顶，且执行效率同步位列第一，截至12月仍保持双榜领先，成为该榜单史上首个持续霸榜超两月的国产技术方案。
“BIRD-SQL的难点在于‘真实复杂性’，比如金融场景的多表嵌套查询，需要关联‘客户信息表’‘交易流水表’‘风控规则表’等，还得理解‘不良率’‘日均余额’等专业术语。”蚂蚁数科AI技术负责人章鹏解释，Agentar-SQL通过“多轮意图澄清+行业知识注入”突破这一难题——面对模糊表述（如“最近的大客户订单”），模型会主动追问“‘最近’是否指30天内？‘大客户’是否为年消费超100万客户”；针对不同行业，内置专属知识图谱，确保生成的SQL贴合业务逻辑。
2. 金融场景准确率破92%，解决“落地最后一公里”
实验室数据之外，Agentar-SQL在产业场景的表现更具说服力。在某头部城商行的试运营中，其展现出三大核心价值：
-
高准确率：涵盖客户画像分析、理财产品收益测算等10+核心场景，平均查询准确率超92%，错误率较传统人工写SQL或通用NL2SQL工具降低60%以上；
-
低门槛使用：客户经理无需掌握SQL语法，通过“查一下本季度信用卡不良率超1%的客户分布”这类口语化指令，即可生成精准查询结果，操作效率提升2倍；
-
复杂场景适配：支持10张以上表的关联查询，能自动识别数据库表间逻辑（如“贷款合同表”与“还款计划表”的关联字段），避免因表结构复杂导致的查询失败，这一能力在金融风控、零售库存分析等场景至关重要。
开源全布局：从Text-to-SQL到全链路数据能力
此次蚂蚁数科并非简单开源“单一模型”，而是规划了“分阶段、全链路”的开源路线，旨在降低行业开发门槛，推动数据智能体技术规模化落地。
1. 首期开源：开箱即用的Text-to-SQL框架
本次率先开源的“实时文本转SQL”框架，是Agentar-SQL系列的核心模块，具备两大特点：
-
零配置快速上手：开发者无需复杂调参，通过GitHub、ModelScope、Hugging Face等平台下载代码后，可直接对接企业现有数据库，支持MySQL、Oracle等主流数据库类型，适配零售、制造、金融等多行业数据格式；
-
效率优化显著：针对“长文本查询”“多条件筛选”等高频场景做了专项优化，例如处理“统计华东地区近3个月每周新注册用户中，购买过理财产品的人数占比”这类复杂指令，生成SQL的平均耗时从行业平均的8秒缩短至1.2秒。
2. 2026年规划：覆盖全链路数据能力
蚂蚁数科明确表示，2026年将陆续开源更多关键技术，构建“从意图理解到数据价值挖掘”的完整能力栈：
-
数据库理解与挖掘：自动解析数据库表结构、字段含义、数据关联关系，生成可视化数据字典，解决“新人看不懂数据库”的行业痛点；
-
行业知识挖掘：支持企业导入专属行业术语库（如金融的“LPR利率”、零售的“坪效”），让模型快速适配垂直领域需求；
-
实时多轮交互：强化模型“主动澄清”能力，当用户指令模糊时（如“查一下好客户的贷款情况”），自动追问关键信息，避免理解偏差。
产业价值重构：从“专业门槛高”到“人人能用数据”
当前中国商业智能市场正快速增长，2025年规模达12亿美元，预计2028年将增至17.9亿美元，年复合增长率12.7%。但多数企业的数据分析仍停留在“报表可视化、简单查询”阶段，核心原因是“专业数据分析人才稀缺”“普通员工不会写SQL”。蚂蚁数科的开源动作，正试图改变这一现状。
章鹏在大会上强调：“NL2SQL的终极目标不是‘生成SQL’，而是让数据能力下沉到每个业务人员。”以金融行业为例，过去银行理财经理要查询“某客户近半年的资产变动与产品持有情况”，需提交需求给数据工程师，等待1-2天才能拿到结果；如今通过Agentar-SQL，输入自然语言指令即可实时获取数据，响应速度提升超100倍。
更关键的是，蚂蚁数科还在构建“超越NL2SQL”的完整数据智能体能力栈。章鹏指出，产业可用的技术需具备四大能力：
-
在线扩展：像BIRD-SQL评测的那样，支持复杂查询的动态生成；
-
离线扩展：深度理解数据库结构，自动构建数据知识图谱；
-
人机交互：识别自身不确定性，主动与用户澄清意图，实现“白盒化协作”；
-
自我进化：通过记忆优化、工具复用等“免调优”技术，从错误中学习，减少对标注数据和专家的依赖。后续这些能力模块将逐步开源，如数据库理解工具Agentar Profiling-SQL、免调优模块Agentar TuningFree-SQL等。
生态影响：加速国产数据智能技术落地
此次开源不仅为开发者提供“开箱即用”的工具，更填补了国内“产业级NL2SQL开源方案”的空白。目前，Agentar-SQL的开源资源已在arXiv、GitHub等平台上线，吸引大量企业与高校关注——某零售企业技术负责人表示，基于该框架仅用2周就搭建起“运营人员自然语言查销售数据”的系统，开发周期较自主研发缩短80%；多所高校也计划将其纳入数据分析课程教学，培养“懂业务+会用AI查数据”的复合型人才。
从行业视角看，蚂蚁数科的动作也为国产AI树立了“技术突破+开源共享”的标杆。随着商业智能市场对“低门槛、高可靠数据工具”的需求激增，Agentar-SQL系列的开源，有望推动更多企业跳过“重复造轮子”阶段，直接聚焦业务创新，加速中国企业数智化转型进程。正如蚂蚁数科相关负责人所言：“我们希望通过开源，让每个企业都能低成本拥有‘数据分析数智员工’，让数据价值不再受限于专业门槛。”
