Oracle宣布，针对 Oracle AI Database 推出全新的 Agentic AI 创新，帮助客户快速构建、部署和扩展安全的 Agentic AI 应用，这些应用适用于全规模生产级工作负载。Oracle AI Database 在运营型数据库和分析型数据湖仓之间，将 Agentic AI 与数据进行一体化架构设计。它使 AI Agent能够在数据所在之处安全访问实时企业数据，并可轻松将业务数据与基于公共数据训练的大语言模型（LLMs）结合使用，以提供业务洞察。客户可以选择 AI 模型、Agentic 框架、开放数据格式以及部署平台。此外，在 Oracle Exadata 上运行的客户，还可进一步受益于 Exadata Powered AI Search，该功能通过加速 AI 查询，在高规模下支持 Agentic AI，用于高吞吐量、多步骤的 Agentic 工作负载。

甲骨文公司数据库技术执行副总裁 Juan Loaiza 表示： “下一波企业级 AI 浪潮，将取决于客户能否在业务关键型生产系统中安全地使用 AI，以实现突破性的创新、洞察和生产力提升。借助 Oracle AI Database，客户不仅是在存储数据，更是在为 AI 激活数据。通过将 AI 与数据进行一体化架构设计，我们帮助客户快速构建和管理 Agentic AI 应用，使其能够在各大主流云和本地环境中，以媲美证券交易所级别的稳健性，安全地查询并作用于真实的企业数据。”

以为数据而设计的 AI 加速创新

借助为数据架构的 Agentic AI 能力，Oracle AI Database 有助于消除构建和维护数据移动管道的需求，这些管道会增加复杂性和安全风险，并可能导致更差的结果。全新功能包括：

·  Oracle Autonomous AI Vector Database 在提供向量数据库简洁性的同时，具备 Oracle AI Database 的完整能力。它使开发者和数据科学家能够通过直观的 API 和易于使用的 Web 界面，快速、轻松地构建基于向量的应用。该服务构建于 Oracle Autonomous AI Database 之上，将易用的开发体验与企业级的安全性、可靠性和可扩展性相结合。目前，Autonomous AI Vector Database处于有限可用阶段，可通过 Oracle Cloud 免费层或低成本的开发者层访问。随着需求的增长，客户可以一键无缝升级至完整功能的 Oracle Autonomous AI Database，全面支持图、空间、JSON、关系型、文本以及并行 SQL，从而无需使用独立数据库或构建复杂的跨数据库 Agentic 工作流。

·  Oracle AI Database Private Agent Factory 使业务分析师和领域专家能够快速构建并安全部署数据驱动的 Agent 和工作流。该服务提供一个无代码 AI Agent 构建器，可作为容器运行在公有云或本地环境中，通过使客户无需与第三方共享数据即可构建、部署和管理 AI Agent，从而保障数据安全。AI Database Private Agent Factory 包含多个面向数据的预构建 AI Agent，包括数据库知识 Agent、结构化数据分析 Agent和深度数据研究 Agent。其他方法通常依赖外部 Agent 编排，或必须调用不同类型的数据库。Oracle 通过将 Agentic AI 架构内建于其 AI Database 中，简化了业务用户对 Agentic AI 的使用，提供一致性与简洁性，同时为各类 Agentic 工作负载提供企业级的安全性、韧性和可扩展性。

· Oracle Unified Memory Core 使用户能够在单一系统中存储 AI Agent 的上下文。它能够在一个融合引擎中，实现跨向量、JSON、图、关系型、文本、空间和列式数据的低延迟推理，同时保持一致的事务处理和安全性。

降低 AI 数据风险

Oracle AI Database 帮助客户在多云、混合云及本地环境中，防范来自外部攻击、内部滥用、意外泄露以及对大语言模型（LLMs）的非预期暴露等数据风险。全新功能包括：

· Oracle Deep Data Security 在数据库中实现强大的、基于终端用户的数据访问规则。每个终端用户，或代表终端用户行事的 AI Agent，只能看到该终端用户被允许查看的数据。它可以实现基于角色（persona）和职能的复杂规则。例如，可规定特定销售代表、财务人员、发货人员、高管、支持人员以及客户相关人员分别可以查看客户账户的哪些部分。通过使用声明式、数据库原生的控制机制来实施最小权限访问，该能力为应对 AI 时代的新型威胁（如提示注入）提供了独特的终端用户数据安全能力。通过将安全集中化并与应用代码解耦，它使客户能够轻松确定谁可以查看哪些数据，并在新威胁出现时持续更新访问规则，同时为在 Oracle AI Database 中运行的 Agent 提供有效的护栏。在数据源头（即数据库）实施安全，在 AI Agent 代表终端用户直接访问数据时，可提供更强的保护。

· Oracle Private AI Services Container 使具有严格安全要求的客户能够运行 AI 模型的私有实例，同时避免与第三方 AI 提供商共享数据，或将数据发送到其防火墙之外。此外，它还通过允许客户将计算密集型的 AI 任务（如向量嵌入生成）安全地卸载到数据库之外，帮助缓解性能瓶颈，同时确保所有数据始终保留在其自身环境中，从而保障数据安全。该容器可部署在公有云、私有云或本地环境中，包括在物理隔离（air-gapped）的环境中运行。

· Oracle Trusted Answer Search 为企业提供一种准确、可测试且确定性的方式，利用 AI 向终端用户提供答案。与直接使用大语言模型（LLM）回答终端用户问题不同，Trusted Answer Search 使用 AI 向量搜索将问题匹配到先前创建的报告。这有助于降低概率型 LLM 可能偶尔产生幻觉或误解查询所带来的风险。

打破 AI 数据锁定，拥抱开放标准与框架

Oracle AI Database 可在所有主流云平台运行，支持混合部署，并可在本地环境中使用，为客户提供充分的灵活性，以选择契合自身需求的 AI 模型及应用层 Agentic 框架。借助开放标准和数据格式，客户能够构建、部署并运行 Agentic AI 应用。全新功能包括：

·  Oracle Vectors on Ice 为客户提供对存储在 Apache Iceberg 表中的向量数据的原生支持。AI Vector Search 可直接读取 Iceberg 表中的向量数据，创建向量索引以加速检索，并在底层向量数据发生变化时自动更新索引。借助 Oracle Vectors on Ice，客户可以对数据湖中的数据开展 AI 搜索，并实现数据库业务数据与数据湖中向量数据的统一检索，从而打通数据库与数据湖，构建统一的智能分析能力。

· Oracle Autonomous AI Database MCP Server 使外部 AI Agent和 MCP 客户端无需编写自定义集成代码或进行手动安全配置，即可安全访问 Autonomous AI Database 及其各项能力。该服务与 Oracle AI Database 的 Oracle SQLcl MCP Server 相辅相成，并可通过 Oracle SQL Developer VS Code 扩展使用。

HyperFRAME Research 首席执行官兼首席分析师 Steven Dickens 表示： “在 Agentic AI 时代，一个统一的记忆核心至关重要，它使智能体能够在向量、JSON、图、列式、空间、文本和关系等多种数据类型之间保持上下文一致性，同时避免外部同步带来的延迟与数据陈旧问题。只有 Oracle AI Database 能在单一的关键任务引擎中实现这一能力，融合事务与分析的并发处理、高可用性以及强大的安全性，从而支持基于实时业务数据的推理。缺乏这一基础的组织将难以摆脱碎片化且不可靠的智能体困境，而借助 Oracle 的企业则能够在可扩展的 AI 部署中获得决定性优势。”

客户和开发者现已可利用 Oracle AI Database 全新的 Agentic AI 能力，在无需迁移数据、无需学习新技能的前提下，开始开发和部署具有颠覆性的 Agentic AI 应用，同时避免数据库扩展性挑战及缺乏 Agentic AI 安全防护机制等问题。