摘要：Oracle 在伦敦 AI World Tour 上发布一系列 Agentic AI 创新，核心思路是将 AI Agent 的构建、部署和安全管控全部锚定在 Oracle AI Database 内部。关键组件包括：Autonomous AI Vector Database（全功能向量数据库即服务）、Private Agent Factory（无代码 Agent 构建器，本地运行不外泄数据）、Unified Memory Core（将向量/JSON/图/关系数据的推理统一到单一事务引擎中，提供 ACID 保证）、Deep Data Security（在数据库层而非应用层强制实施行级列级访问控制，防御提示词注入）。同时发布 Oracle Vectors on Ice（对 Apache Iceberg 表中的向量数据提供原生搜索支持）和 Autonomous AI Database MCP Server（使外部 AI Agent 通过 MCP 协议安全访问数据库）。
摘要：Oracle Deep Data Security 在数据库内核层面实施终端用户特定的数据访问规则，确保每个用户或代表用户的 AI Agent 只能访问被授权的数据。关键设计决策是通过数据库原生控件（而非应用代码）执行最小权限访问，直接在数据源阻断提示词注入等新型 AI 威胁。同时发布 Private AI Services Container，允许受监管行业在防火墙内运行私有 AI 模型实例；以及 Trusted Answer Search，通过匹配预创建报告而非让 LLM 直接生成答案，从架构层面减少幻觉风险。
摘要：Oracle AI Database 新增 Vectors on Ice 功能，对存储在 Apache Iceberg 表中的向量数据提供原生搜索支持。AI Vector Search 可直接从 Iceberg 表读取向量数据、创建索引并自动维护索引更新，实现对数据湖和数据库中业务数据的统一向量搜索。此外同步发布 Autonomous AI Database MCP Server，使外部 AI Agent 和 MCP 客户端无需自定义集成即可安全访问数据库能力。
核心观点：Futurum 分析师 Brad Shimmin 和 Keith Kirkpatrick 认为，Oracle 此次发布标志着与行业"外部无状态 AI 架构"潮流的明确分歧——Oracle 下注"数据库而非 LLM 应成为企业自动化的主要控制点"。关键判断包括：（1）Unified Memory Core 将多模态数据推理整合进带 ACID 保证的单一事务引擎，比当前 RAG 的"胶带架构"更可靠；（2）Oracle 通过将 Agentic 能力免费包含在 Fusion Applications 订阅中来压缩纯 AI 自动化初创公司的市场空间——如果 CIO 通过现有 ERP 订阅实现 80% 自动化，独立 Agent 平台很难证明额外许可费的价值；（3）数据+AI 市场预计 2026 年达 $5411 亿，以 16.9% CAGR 增长到 2031 年超 $1.2 万亿。
为什么值得继续看：一周之内三家巨头分别定义了自己的"Agent 数据控制平面"路线——Oracle 从数据库层向内收敛（Unified Memory Core + Deep Data Security），Databricks 从湖仓向安全领域横向扩展（Lakewatch），Microsoft 从分析平台向治理层纵向升级（Fabric IQ + Direct Lake）。三条路线的交汇点是"谁掌控 Agent 访问和操作数据的运行时"，但出发点和架构完全不同。
需要等待什么信号确认：各平台 Agent 能力的实际客户采用数据；AWS 是否会在 re:Invent 前发布类似的 Agent 数据控制平面产品；独立 Agent 平台公司如何回应平台厂商的"内嵌"策略。
为什么值得继续看：华为在 2026 数据存储新春发布会上（3月17日）发布了面向 AI 推理场景的数据基础设施，包括 AI 数据平台（一体化/独立式两种部署模式）和 FusionCube A1000 AI 超融合一体机。FusionCube A1000 采用通算与智算融合一体化架构，内置 AI 平台预集成数据处理、模型训练与推理全流程，声称部署与上线周期缩短 80%。虽然发布日期超出今日时效窗口，但其"存储+推理一体化"思路与国际数据平台向 AI 运行时延伸的趋势同频，且此前日报未覆盖。
需要等待什么信号确认：华为 AI 数据平台在金融、运营商等行业的落地案例；与国内云厂商的差异化定位。