12月13日，第二屆CCF中國數據大會上，螞蟻數科宣布開源旗下數據智能體關鍵技術Agentar SQL全套論文、代碼、模型和使用指南。該智能體技術可讓非專業(yè)人員通過日常語言進行商業(yè)數據查詢和分析，為企業(yè)數智化提供更精準可用的智能數據分析基座。

螞蟻數科首期開源實時文本轉化結構化查詢語言（Text-to-SQL）框架，為開發(fā)者提供一套開箱即用的數據查詢方案，提升文本與數據庫查詢交互效率。2026年，螞蟻數科將陸續(xù)開源數據庫理解與挖掘、行業(yè)知識挖掘、實時多輪交互技術框架，覆蓋意圖理解、業(yè)務理解到數據理解的全鏈路數據能力。

記者了解到，在某頭部城商行試運營期間，螞蟻數科Agentar SQL多個工具的平均查詢準確率超92%，較傳統(tǒng)查詢方案提升超3倍。

今年9月25日，由該技術支持的螞蟻數科數據分析智能體Agentar-Scale-SQL登頂全球最具權威性的自然語言轉結構化查詢語言（NL2SQL）評測基準BIRD-SQL，超越Google等諸多國內外廠商。目前，該智能體仍在執(zhí)行準確率排行榜以及執(zhí)行效率榜保持雙榜第一，已持續(xù)領跑超兩月。

BIRD-SQL要求AI模型將自然語言查詢轉換為SQL，并且在真實復雜的大規(guī)模生產級數據庫中穩(wěn)定執(zhí)行。其數據集覆蓋金融、電力、醫(yī)療等37個真實行業(yè)場景，總量33GB，包含超過1萬條高復雜度查詢任務，被認為是全球最難的NL2SQL測試。

研究機構預測，全球商業(yè)智能市場規(guī)模2025年達474.8億。中國商業(yè)智能與分析軟件市場規(guī)模2025年達12億。預計到2028年，中國商業(yè)智能軟件市場規(guī)模將達到17.9億美元，未來5年市場年復合增長率（CAGR）為12.7%，成為未來構建企業(yè)智能技術的重要且必要的投資領域。

目前，中國企業(yè)對商業(yè)智能與分析產品的使用深度差異較大，大部分集中在報表、駕駛艙、儀表板、數據大屏等數據可視化和簡單分析需求。而如何在保持準確性的前提下，提升在真實生產環(huán)境中的可用性被認為是NL2SQL在產業(yè)中規(guī)?；涞氐钠毡樘魬?zhàn)。

螞蟻數科AI技術負責人章鵬在會上指出，NL2SQL在實際落地中面臨四大嚴峻挑戰(zhàn)：理解模糊多義的人類口語、注入龐大的行業(yè)專業(yè)知識、解析復雜的數據庫結構與關聯，以及生成準確無誤的復雜SQL語句。這些挑戰(zhàn)意味著，簡單的模型“套殼”遠不足以滿足企業(yè)級應用的可靠性與準確性要求。

例如金融領域從業(yè)者往往需要結合復雜業(yè)務規(guī)則與多條件組合進行數據查詢才能有效地進行產品數據分析；業(yè)務管理中，非專業(yè)數據分析人員口語化提問，則需要背后的產品保證行業(yè)術語、詢問意圖的正確理解，再與數據庫字段精準匹配，才能產出真實準確的結果。

章鵬強調，BIRD-SQL主要評測SQL的復雜度生成能力（在線擴展Online Scaling），但要真正實現產業(yè)可用的NL2SQL乃至數據智能體技術，必須構建更完整的能力棧。除了在線擴展，還需包含：

1. 離線擴展(Offline Scaling)：對數據庫的深度理解與知識結構化。

2. 人機交互(Human Interaction)：智能體識別自身不確定性，主動與用戶澄清意圖，實現白盒化、可糾錯的協作。

3. 自我進化(Self Evolution)：通過“記憶”優(yōu)化、工具（如UDF）創(chuàng)建與復用等“免調優(yōu)”技術，使智能體能夠從錯誤中學習，持續(xù)提升，降低對大量標注數據和專家調優(yōu)的依賴。

螞蟻數科計劃逐步將這些更全面的能力模塊持續(xù)開源，如理解數據庫的Agentar Profiling-SQL、實現免調優(yōu)進化的Agentar TuningFree-SQL等。首期在線擴展框架Agentar-Scale-SQL開源內容已發(fā)布在arXiv、GitHub、ModelScope及Hugging Face等平臺，并迅速獲得了開發(fā)者的關注。