Data × AI：下一代数据基础设施分论坛｜COSCon'26

作为业界最具影响力的开源盛会之一，中国开源年会 COSCon 自 2015 年由开源社首次发起，便以独特的中立社区定位、跨组织跨项目的广泛覆盖面，吸引着全球企业、高校、开源组织与开发者的目光。

第十一届中国开源年会 COSCon'26 将于 2026 年 11 月 14–15 日 在 杭州云谷中心 举行，今年的主题是「开源下一代，Open Source：The Next Generation」。开源的下一个时代，将由下一代开源技术、人才、社区与商业共同定义。

数据基础设施要回答的，已不是「查得快不快」，而是「同一份数据能不能被训练、检索、分析与 Agent 执行共同复用」。

Agent 正在成为数据的第一消费者，为「人」设计的数据库、元数据与治理体系面临重写，AI 应用越猛，数据供给的瓶颈越显。本论坛围绕「开源下一代的 Data Infra」展开：数据库与 AI 的融合、多模态数据湖、DataAgent 工具链、Agent 访问数据的安全与治理，拟以主题分享＋圆桌＋Lightning Talk 形式，邀开源项目维护者、企业一线架构师与 Agent Builder 同场对话，精彩看点如下：

一份数据为什么要存好几遍

一套智能驾驶或机器人系统，每天产出大量视频、点云和模型输出。点云是激光雷达扫出的三维坐标，用来描述周围有什么。这些数据先加工成特征拿去训练，过些天又得翻回来查：模型在哪些场景出错、问题集中在哪个版本、哪些样本值得送回下一轮。麻烦就在这儿。过去每个环节各存一份，数据来回搬、版本靠人工对齐，副本还常对不上，光维护重复数据就吃掉不少人力。同时很多团队想让 AI 直接查数，一句话生成查询看着省事，真放进企业里却常常答错。这两天基本围着两件事：同一份数据能不能只存一次、被训练和检索反复用，以及让 AI 取数时结果凭什么可信。都不算新问题，但当数据的主要使用者从做报表的人变成模型和 Agent（能自己拆任务、调用工具、连着跑很多步的程序），原来凑合得过去的做法就撑不住了。

让一份数据只存一次

只存一份，难点在于两种用法对数据的要求几乎相反：训练要按样本批量读、能回到某个历史版本，检索却要在海量数据里迅速挑出相似场景、按版本和次数做统计。视频、点云这类多模态数据又特别大，不像表格好随机翻。现场会讲几类做法。一类是把不同形态的数据按一种谁都能读的开放格式存进同一套存储，连版本管理和索引一起收拢，加工、训练、检索都读它。另一类让分析引擎直接查已有数据集，在一条查询里同时做完相似场景查找和版本聚合，并讲清并行检索、检索前过滤、两阶段读取在十亿级数据上省了多少时间。检索本身也是一道题：按关键词查、按相似度查、结果重排怎么配合，质量、吞吐、延迟和成本之间怎么取舍。更底下还有分布式缓存和 CPU、GPU 搭配调度，补的是训练管线的性能与成本。

答得出来不等于答得对

把一句话翻译成 SQL 不难，SQL 是查数据库用的语言。难的是执行成功不等于结果可信：口径可能不一样、表容易选错，权限和数据是否最新也没人校验，换个问法就可能答偏。现场几场分享都在补这件事：先把指标口径统一、编译成可执行查询，用评测集反复回归，再让所有查询走一个统一入口，做鉴权和审计。有人拿「GMV（成交总额）为什么下滑」复盘怎么找到可信数据、做执行前校验。再往外是上下文：Agent 干活除了知识和聊天记录，还得知道订单、库存、支付这些一直在变的实时状态，靠捕获数据库变更持续维护；带版本的记忆和证据让交接时上下文不丢，Agent 留下的轨迹和开销也成了要治理的新数据。也有人复盘把故障排查交给 AI 后，哪些活还得人签字。话题最后回到数据库：模型和 Agent 进来之后，接口和执行模型哪些要重写，哪些只是老能力被重新看重。

议程海报

具体时段以现场公布为准。

11 月 14—15 日，云谷之芯 负1楼 云枢。从一份数据如何在训练、检索与分析之间复用，到数据库该被 Agent 改写成什么样——两天把下一代数据基础设施的关键争论摆到现场。