Oracle 于 2026 年 3 月 24 日（当地时间）宣布，为企业数据基盘产品「Oracle AI Database」新增一系列代理型 AI（Agentic AI）功能。借此，企业可以构建让 AI Agent 直接、安全访问实时业务数据，并与大规模语言模型（LLM）结合，用于分析和决策支持的应用。
这一发布在伦敦举办的「Oracle AI World Tour」活动上对外公布。Oracle 表示，通过在设计层面将数据库与 AI 深度融合，可加速企业在生产环境中落地可用的代理型 AI 应用。
将 AI 与数据深度融合的「Oracle AI Database」
「Oracle AI Database」是一款旨在在同一平台上统一管理 AI 与企业数据的数据库产品。过去，企业在导入 AI 时，往往需要将数据迁移到外部 AI 服务，或搭建复杂的数据管道，带来成本和安全风险。
此次 Oracle 采用了将 AI Agent 直接嵌入数据库内部的架构设计，使其能够直接利用分布在生产数据库、分析用 Lakehouse 等不同系统中的数据，从而减少数据移动和集成成本。
支持零代码构建 AI Agent 的新功能
本次发布包含多项用于构建 AI Agent 的组件。
首先，「Oracle Autonomous AI Vector Database」将向量数据库能力整合进 Oracle AI Database。开发者和数据科学家可以通过 API 或 Web 界面，构建基于向量搜索的应用，例如语义检索、相似度搜索等。
此外，「AI Database Private Agent Factory」作为一款零代码（No-Code）工具提供，帮助企业在不将自有数据交给外部 AI 服务的前提下，构建用于数据分析、调研等场景的专用 Agent。
该工具内预置了多种用途的 AI Agent 模板，包括：
- Database Knowledge Agent
- Structured Data Analysis Agent
- Deep Data Research Agent
同时，「Oracle Unified Memory Core」用于统一管理 AI Agent 所需的上下文信息。它可以在单一系统中整合向量、JSON、图数据、关系型数据、文本、空间数据等多种数据类型，并以低延迟提供推理所需的上下文支持。
面向 AI 时代的数据安全能力强化
为应对 AI 引入后带来的新型安全风险，Oracle 也同步增强了数据保护功能。
「Oracle Deep Data Security」提供细粒度的数据访问控制机制，可按用户设定访问权限。即便是 AI Agent 以用户代理身份访问数据，也只能读取该用户被授权范围内的数据。
借助这一机制，企业可以更好地防御提示注入（Prompt Injection）等 AI 特有攻击，并落实最小权限访问原则。
「Oracle Private AI Services Container」则为企业提供在自有环境中运行 AI 模型的容器化环境。企业无需将数据发送至外部 AI 服务，即可在本地安全地执行向量嵌入生成等高算力 AI 任务。
此外，「Oracle Trusted Answer Search」通过向量搜索现有报告和文档来生成回答，而非完全依赖 LLM 直接生成文本，从而降低幻觉（Hallucination）风险，提高回答的可追溯性和可靠性。
采用开放标准，避免 AI 数据锁定
为提升 AI 基础设施的灵活性，Oracle 也强调对开放数据格式和框架的支持。
例如，「Oracle Vectors on Ice」支持直接检索存储在 Apache Iceberg（数据湖标准格式）中的向量数据，使 AI 检索可以跨数据库与数据湖统一进行，减少数据复制和格式转换。
「Oracle Autonomous AI Database MCP Server」则为外部 AI Agent 和 MCP（Model Context Protocol）客户端提供安全访问数据库功能的接口，使其能够在统一协议下调用数据库能力。
分析机构 HyperFRAME Research 的 CEO 兼首席分析师 Steven Dickens 指出，代理型 AI 的普及离不开统一的数据与内存基盘：
“要让 Agent 在向量、JSON、图数据、列式数据、空间数据、文本、关系型数据等多种数据类型之间保持一致的上下文，离不开一个整合的内存基础。”
Oracle 表示，通过上述功能组合，企业可以在无需大规模迁移数据的前提下构建 AI Agent，推动企业级 AI 在生产环境中的全面落地。
