# 推理成本趋近于零，数据库系统该怎么变？

> 原标题：智能免费，然后呢？--Data Systems for， of， and by Agents

- 来源：AI HOT 精选
- 发布时间：2026-07-07T09:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/42958
- 原文：http://bair.berkeley.edu/blog/2026/07/07/intelligence-is-free-now-what

## 摘要

伯克利 BAIR 实验室发了一篇研究路线图，核心判断是：当模型推理便宜到几乎免费，数据库系统会面临三重变化。第一是“为 Agent 服务的系统”：一个用户请求可能让 Agent 自动发出上千条 SQL 查询，但其中 80% 到 90% 的子查询是重复的，系统可以通过复用结果或返回近似答案来提速。第二是“由 Agent 组成的系统”：当成千上万个 Age...

## 推荐理由

伯克利 BAIR 这篇路线图不是空谈趋势，而是带着硬数字和三层框架来的。核心洞察是推理成本趋零后，数据库系统得为 Agent 重做一遍，80% 到 90% 的重复子查询这个数据让工程师能直接估算优化空间。文章把“为 Agent 服务、由 Agent 组成、被 Agent 使用”拆得干净，读起来像一份给同行看的工程笔记，不是公关稿。

## 锐评

这篇来自伯克利 BAIR 的路线图，核心判断很直接：当推理成本低到几乎免费，数据库系统会面临三重变化。第一是“为 Agent 服务的系统”，一个用户请求可能让 Agent 自动发出上千条 SQL 查询，但其中 80% 到 90% 的子查询是重复的，系统可以通过复用结果或返回近似答案来提速。第二是“由 Agent 组成的系统”，成千上万个 Agent 需要新的底层设施来管理状态、协调分工和处理故障。第三是“由 Agent 构建的系统”，Agent 已经能直接合成整套数据系统，但怎么验证它做对了还是个没解决的问题。

文章是研究视角的路线图，不是产品发布，正文没给任何落地时间表。它引用的推理成本下降数据（一年降 9 到 900 倍，中位数约 50 倍）主要来自第三方统计，不是伯克利自己的实验。这点先别太激动，因为“几乎免费”目前更多是趋势判断，不是现状。

还缺的东西很明显：没有具体系统原型或性能对比，也没说这些设计在真实生产环境里会碰到什么坑。对从业者来说，这篇的价值在于把问题框架搭清楚了，但离能动手做的方案还有距离。