在第二届CCF中国数据大会上，蚂蚁数科宣布了一项重要举措：正式开源其数据智能体核心技术Agentar SQL的全套资料，涵盖论文、代码、模型以及详细的使用指南。这一技术旨在让非专业人士也能通过自然语言轻松完成商业数据的查询与分析，为企业数字化转型提供更加精准、实用的智能数据分析基础。
作为首期开源内容，蚂蚁数科推出了实时文本转化结构化查询语言（Text-to-SQL）框架，为开发者提供了一套即插即用的数据查询解决方案，显著提升了文本与数据库查询之间的交互效率。未来，该公司计划在2026年陆续开源更多技术框架，包括数据库理解与挖掘、行业知识挖掘以及实时多轮交互技术，覆盖从意图理解到业务理解再到数据理解的全链路数据能力。
由该技术支持的蚂蚁数科数据分析智能体Agentar-Scale-SQL，已在全球权威的自然语言转结构化查询语言（NL2SQL）评测基准BIRD-SQL中脱颖而出，力压Google等国内外知名企业，登顶排行榜。目前，该智能体在执行准确率和执行效率两大榜单上均保持领先地位，持续领跑超过两个月。BIRD-SQL评测要求AI模型将自然语言查询精准转换为SQL，并在真实复杂的大规模生产级数据库中稳定运行。其数据集涵盖金融、电力、医疗等37个行业场景，总量达33GB，包含超过1万条高复杂度查询任务，被公认为全球最具挑战性的NL2SQL测试。
研究机构数据显示，全球商业智能市场规模预计在2025年达到474.8亿美元，而中国商业智能与分析软件市场规模则有望达到12亿美元。到2028年，中国商业智能软件市场规模预计将增长至17.9亿美元，未来五年年复合增长率（CAGR）为12.7%，成为企业智能技术投资的重要领域。
当前，中国企业在商业智能与分析产品的应用深度上存在较大差异，多数企业仍集中在数据可视化和简单分析需求，如报表、驾驶舱、仪表板等。然而，如何在保证准确性的前提下，提升技术在真实生产环境中的可用性，仍是NL2SQL在产业中规模化落地的普遍难题。
蚂蚁数科AI技术负责人章鹏在会上指出，NL2SQL在实际应用中面临四大挑战：理解人类口语的模糊多义性、注入庞大的行业专业知识、解析复杂的数据库结构与关联，以及生成准确无误的复杂SQL语句。这些挑战表明，简单的模型“套壳”无法满足企业级应用的可靠性与准确性要求。
以金融领域为例，从业者需要结合复杂业务规则与多条件组合进行数据查询，以有效分析产品数据。而在业务管理中，非专业数据分析人员的口语化提问，则需要产品能够准确理解行业术语和询问意图，并与数据库字段精准匹配，才能生成真实准确的结果。
章鹏强调，BIRD-SQL主要评测SQL的复杂度生成能力（在线扩展OnlineScaling），但要实现产业可用的NL2SQL乃至数据智能体技术，必须构建更完整的能力栈。除了在线扩展，还需包括离线扩展（Offline Scaling），即对数据库的深度理解与知识结构化；人机交互（Human Interaction），即智能体识别自身不确定性，主动与用户澄清意图，实现白盒化、可纠错的协作；以及自我进化（Self Evolution），即通过“记忆”优化、工具（如UDF）创建与复用等“免调优”技术，使智能体能够从错误中学习，持续提升，降低对大量标注数据和专家调优的依赖。
蚂蚁数科计划逐步开源这些更全面的能力模块，如理解数据库的Agentar Profiling-SQL、实现免调优进化的Agentar TuningFree-SQL等。目前，首期在线扩展框架Agentar-Scale-SQL的开源内容已发布在arXiv、GitHub、ModelScope及Hugging Face等平台，供开发者免费使用。
