近日，在 2026 云栖大会"Agent 驱动的全模态大数据计算创新"论坛上，阿里云宣布自研大数据平台 ODPS 战略升级，面向 Agentic AI 时代全面重构数据基础设施。ODPS 旗下三款核心产品 ODPS-MaxCompute、ODPS-Hologres、ODPS-DataWorks 协同发布，以 Agent 原生架构与全模态计算能力为核心，为大模型数据精炼、具身智能、自动驾驶数据处理、企业智能运营等场景提供下一代数据基础设施。
论坛开场，Datafun 创始人王大川与阿里云智能集团研发副总裁、计算平台事业部负责人汪军华、AMD 全球副总裁、中国区企业与商用事业部总经理刘宏兵围绕"AI 算力与大数据计算的协同演进"展开巅峰对话。汪军华用"两个变化"概括了大数据计算正在经历的深刻转变：算的对象变了，从结构化表与日志扩展到图片、音视频、传感器等全模态数据；算的主体变了，越来越多的任务由 Agent 发起、编排和执行，平台服务的对象不只是人，还有 AI。刘宏兵从算力供给侧回应：客户不再把大数据平台和 AI 平台当成两座"算力孤岛"，对算力平台提出了通用性、异构协同、开放可扩展三大新要求。两位嘉宾共同指出，大数据和 AI 不再是互相导数据的两套系统，平台和算力正在长成一套——这正是 ODPS 本次升级的核心命题。
从左至右分别为：DataFun创始人兼 CEO王大川、AMD全球副总裁，中国区企业与商用事业部总经理刘宏兵、阿里云智能集团研发副总裁，计算平台事业部负责人汪军华
ODPS-MaxCompute：一切数据，皆可计算
MaxCompute 负责人张治国在会上分享了此次 MaxCompute 的核心发布。当多模态成为 GenAI 的主流方向，数据的加工单位从一行记录变成一段视频、一组视听，传统 ETL 无法承载非结构化数据的复杂度。围绕"一切数据，皆可计算"的理念，MaxCompute 从存储、算力、引擎到交互实现了全栈重构。
阿里云智能集团计算平台事业部 MaxCompute负责人张治国
最直观的变化，是一条 SQL 语句能做的事情变多了。在多模态数据处理的实践中，最常见的痛点是数据要在多个系统间搬运，先做 Embedding 向量化，再到外部系统建索引、做检索，链路长、成本高、运维复杂。
MaxCompute SQL AI 本次新增 EMBEDDING 与 VECTOR_SEARCH 能力，在数仓内闭环完成从向量化到检索的全链路，数据不出仓、零常驻服务。这一能力的发布标志着 MaxCompute SQL AI 演进的又一个关键节点，从 2023 年 MaxCompute 4.0 提出 Data+AI，到 2024 年 Object Table 让非结构化数据进入 SQL，到 2025 年 AI Function 多模态算子实现模型直调，再到今年的异构算力支撑与向量检索闭环及全模态数据处理，SQL AI 用四年走完了从"对接 AI"到"原生 AI"的完整路径。知衣科技把千万级商品图的向量匹配从独立检索集群迁移到 MaxCompute SQL AI，CPU 消耗下降 73%、内存下降 93%、检索加速 5.86 倍。Qwen APP 在 RAG 语料收录评估中的效果同样显著，2400 万条数据与 120 万条 Query 的全链路评估耗时从 6 小时 15 分钟缩短至 32 分钟，成本减少 80%。
支撑这些场景的底层能力，是 MaxCompute 全新推出的多模态存储与异构算力体系。存储层面，Blob 大对象数据类型采用引用-实体分离的存储模式，文本类数据自动压缩平均节省约 5 倍空间，Object Table 以表形式管理 OSS 上的非结构化数据并提供缓存加速与查询优化，两者结合实现了文本、图像、音视频、3D、传感器等全模态数据的一行多列混存与统一管理。 算力层面，CU Quota 通用 CPU 算力支持 AutoScaling 智能扩缩，GU Quota 提供 Serverless GPU 弹性按需使用、单作业千卡并发调度、坏卡自动退水替换，Inference Quota 对接阿里云百炼大模型按 Token 计量付费，三类异构资源按需切换，Data+AI 融合计算真正做到按需匹配。MaxCompute 同时深度集成阿里云百炼商业化大模型，SQL + MaxFrame 双引擎统一对接，通过 TPM/RPM 限流自动并发切分与退避策略，在同等限流下把大规模推理能力推向极致。
穹彻智能 AI 科学家吕峻
MaxFrame 全面升级为分布式 AI 计算引擎，DPE 异构资源统一调度支持 10 万 CU 集群级容量，CPU/GPU/Token 三类资源混合调度、按算子自动匹配。穹彻智能基于 UMI 手持夹爪采集鱼眼视频与 6DoF 位姿数据，经过位姿重建、语义标注、LeRobot 数据集生成等步骤，基于 MaxFrame AI Function 与 Serverless 异构算力，数据处理吞吐提升 10 倍以上，弹性算力峰值扩展到 10 万+ CU，模型训练效率提升约 50%，全程零人工干预。义乌商品城基于 MaxFrame AI Function 对亿级商品图片和视频做理解，百万 CU 弹性伸缩较自建方案性能翻倍，同时集成 Qwen 与 DeepSeek 模型实现商品描述多语言一键出海。更值得关注的是 MaxFrame 同步发布的行业 Skill，把资深工程师的开发经验封装为可复用的 AI Skill，大幅降低行业数据产线的搭建门槛。
在交互层面，MaxCompute 推出了覆盖全场景的 Agentic 套件：AI Query 自然语言问数、AI Coding 辅助编码、MaxAgent 全链路智能运维。 MaxAgent 以用户身份执行、不修改数据，覆盖作业诊断、成本优化、权限审计等六大运维场景，30 秒替代 30 分钟手动排查。同步发布的 MCP Server 将平台 API 封装为 Agent 可调用工具，支持第三方 Agent 即插即用。在 Data Agent 方向上，MaxCompute 同步构建了平台托管语义层，将元数据、血缘、业务术语与指标口径沉淀为 SemanticSpec 业务规范，Agent 可按需获取上下文，减少重复试错；底层配套运维语义包，让 Agent 从问题直达动作。
ODPS-Hologres 5.0：从实时数据，到可靠行动
Hologres 负责人姜伟华分享 Hologres 5.0 时指出：OLAP 的用户正在从人变成 Agent。过去业务人员通过 SQL 和 BI 按需提问、人工解释、再人工推动下一步；现在 Agent 持续运行、自主组合上下文、将结果回流至下一轮判断。Agent 带来了更低的门槛、持续的运转与闭环的行动，但也给 OLAP 带来了四类新挑战：实时完整的数据、可理解的语义、可信可控的行动，以及面对不可预测查询时的自适应执行能力。Hologres 5.0 围绕"从实时数据，到可靠行动"，升级为 Agent Native 的全模态实时数仓，对这四类挑战逐一回应。
阿里云智能集团计算平台事业部 Hologres负责人姜伟华
姜伟华认为，Agent 走进企业数据生产线，最大的障碍不是智能不够，而是信任。过去 Agent 只能读数据、不能动数据，因为一旦写错便影响生产。Hologres 5.0 全新发布的数据沙箱（Data Sandbox），基于生产实例创建隔离的可写工作空间，Agent 可以在沙箱中自由执行增删查改和 DDL 变更实验，验证通过并审批后再合并回源实例，全程不影响生产。论坛现场的演示直观展示了这一能力，面对"全渠道大促 GMV 下滑"的业务问题，Agent 在沙箱中完成了四步闭环——定位低转化渠道、实验修改指标口径的影响、回放历史数据对比新旧口径、生成待审批作业合并回源实例，从过去需要人工分多轮排查，变为系统一次性闭环完成。
信任的另一个维度是让 Agent 真正理解业务数据的含义。Hologres 5.0 新增的图查询能力让数仓从"找相似"走向"沿关系路径查询"，基于 AGE 扩展，通过 SQL 调用 Cypher 子集并与普通 SQL 组合，“客户→下单→订单→包含→商品”的关系链路可以直接在 SQL 中表达，支撑知识图谱构建与 Agent 决策。同步发布的 Semantic View 则在数仓内建起业务语义层，声明表关系、指标口径后，引擎自动完成多表 JOIN 改写并保证聚合语义正确，让人、BI 和 AI 使用同一套业务语言，大模型取数更准确。
在 Agent 的定义与运行方面，Hologres 5.0 全新推出 User Defined Agent，让用户能用 Python 自定义 AI 处理逻辑，并将其嵌入数据流水线持续自动运行。用户定义好 Agent 后，通过 DataFrame 逐行触发 AI 推理，再经 Dynamic Table 增量物化实现自动刷新——源表每新增数据，引擎只处理新行，无需全量重跑。同一套 Agent 逻辑同时支撑批处理和流式处理。以产品评价 AI 打分为例，源表每新增一条评价，1 分钟内即可在评分表中产出 AI 打分结果及理由。**Hologres 同时发布了 Hologres Agent——控制台内置的智能助手，基于大模型能力，支持通过自然语言完成产品咨询、实例运维、数仓开发与数据分析等操作。**在此基础上，Hologres 5.0 正式发布运维 Agent、调优 Agent 与 Data Agent 三大智能体，分别面向系统运维、性能调优和数据开发场景，三者共享实时数据、Skills 与安全边界。
围绕"记得住、试得起、看得清"三大价值，Hologres 5.0 为 Agent 构建了完整的信任底座：数据沙箱让 Agent"试得起"——前文所述的隔离实验与审批合并机制，让 Agent 敢动数据、不动生产；Hologres 长记忆服务让 Agent"记得住"——在 LOCOMO Benchmark 上以 96.82 分达到 SOTA，Token 节省超 90%；HoloScope 让 Agent"看得清"——支持 100+ 指标接入与全量 Session 回放评估。三者均基于 Hologres 底座构建，可服务所有通用 Agent。在性能方面，Hologres 持续刷新行业纪录：VectorDBBench 向量检索性能行业领先，TPC-H 3TB 世界第一，为 Agent 时代不可预测的查询模式提供了坚实的性能保障。
ODPS-DataWorks：让 Agent 走进企业的数据生产线
DataWorks 产品负责人田奇铣指出，企业数据处理正在从"人用工具"转向"Agent 自主运转"，但 Agent 走进生产线比想象中难，字段同名不同义、同义不同名，Agent 生成的 SQL 看着正确实则选错了表——"Agent 很聪明，但没有业务常识。"围绕这个问题，DataWorks 发布了企业语义知识图谱 Context Graph，不需要人工先建本体与模型，而是从湖仓/数仓数据资产自动扫描推理生成，涵盖元数据增强、指标与术语、关系与血缘、调度与质量、智能学习、组织知识六层语义，随资产变化增量更新，所有 Agent 共用。接入语义图谱前，做一个跨系统的数据分析需要在多个系统间串行确认、反复切换；接入后一次提问即可自动带入上下文，业务问答准确率达到 93.24%，SQL 生成一致性 99%，模型成本更低，Qwen3.8-flash 模型效果可接近旗舰模型水平。
阿里云智能集团计算平台事业部 DataWorks产品负责人田奇铣
DataWorks 沉淀了十余年的数据开发实践，日调度任务规模 4000 万+，管理数据规模 EB 级，提供 15+ 官方专家套件、80+ 技能覆盖数据集成、开发、运维、治理、分析全流程，云端托管 7×24 在线，支持钉钉、飞书、企业微信多渠道接入。全新发布的 ADA（AI 原生大数据服务）进一步实现多智能体协同编排与跨引擎任务自主交付，覆盖离线、实时、流式、AI 计算全场景。
“可信任”是企业采用 Agent 的最后一道门槛。DataWorks 构建了三道防线：数据安全防线守住身份标识、细粒度权限、安全沙箱与敏感数据保护；行为审计防线管住 Agent 手脚，实现全链路可观测、Agent 数据血缘与水印溯源；成本管控防线防止 Credits 失控。同时提供多种 Agent 引擎可选，开放 MCP、OpenAPI、200+ Skill 等六大扩展能力，并推出主动式智能运维巡检服务，从人的被动轮巡转向 Agent 自主发现、归因、修复与日报输出。DataWorks Data Agent 在 2026 IDC 中国 Data Agent 厂商评估中获评领导者。
从云上基建到 AI原生全模态大数据基础设施
走过十六年，ODPS 从支撑阿里内部业务，到成为普惠的云上基础设施，再到今天面向 Agentic AI 时代全面重构，每一次进化都紧扣技术发展的脉络。
阿里云通过 Agent 原生、全模态计算的智能数据平台，正持续降低 AI 技术使用门槛，赋能千行百业在 Agentic AI 时代挖掘数据价值，从实时数据走向可靠行动。
