3 项正式发布 · 1 条演进规划 · 七大专题 · 70+ 讲师 · 20+ 企业实践 2026年6月26–27日 · 深圳华侨城洲际酒店 · Data+AI Daily Brief
FFA 2026 的主线是一次角色校准：Flink 生态的定位正从 Cloud Native 的 Flink 2.0（存算分离，当下主打架构），迁移向 Agent Native 的 Flink 3.0（Agentic Streaming for AI 的规划路线）。本届的三项正式发布落在"当下"，Flink 3.0 落在"未来路线"，二者兑现进度不同。
| 类别 | 内容 | 状态 |
|---|---|---|
| 正式发布 | Apache Paimon 2.0 · Apache Fluss 1.0 · 阿里云 Flink 版全模态数据处理能力 | 已发布 / 即将 GA |
| 持续孵化 | Flink Agents 框架（2025 年起） | 孵化中 |
| 演进规划 | Flink 3.0——算力/Runtime/算子/API 各层能力"逐步开放"到社区 | 路线图，非成品 |
四个要点：
王峰（阿里云开源大数据平台负责人）："Agent 能否高质量落地，既取决于模型能力，更依赖于数据质量和效率的坚实支撑，Agentic Streaming for AI 成为自然演进方向。"
关键事实：
| 维度 | 数据 |
|---|---|
| 时间地点 | 2026/6/26–27 · 深圳华侨城洲际酒店（FFA 第 8 届，首次落地深圳） |
| 主题 | 实时数据，智能未来（From Cloud Native to AI Native） |
| 会议规模 | 七大专题分论坛 · 70+ 讲师 · 20+ 企业实践 |
| 合作伙伴 | 阿里云主办、Ververica 参与、NVIDIA 唯一钻石合作伙伴 |
数据来源说明：本报告引用的性能提升数据（2–6×、67%、3× 等）均为厂商及其客户自述（vendor / customer-reported），未经独立基准测试验证，仅供趋势参考。
1. 实时计算的计算驱动力从 BI-Driven 转向 AI-Driven。 处理对象从结构化数据扩展至文本、图像、音视频、传感器信号等全模态数据；数据消费者从"人看报表"变为"Agent 消费数据流"，延迟模型、接口形态、治理对象随之重写。
2. CPU 与 GPU 在同一条流水线协同，成为多模态实时处理的架构焦点。 传统 Stage-by-Stage 批处理在调度间歇、Stage 间落盘、失败重跑中导致 GPU 闲置；Flink 的 Pipeline 架构通过全链路并行流式执行和数据网络直连传输，让 CPU 与 GPU 算子在同一 Pipeline 内统一编排。阿里云 Flink 版据此发布全模态数据处理能力，官方称在处理性能、结构化算子、实时增量处理、连接器生态及容错等维度优于 Ray、Daft 等开源栈（厂商声明，未经独立验证）。NVIDIA 以唯一钻石合作伙伴身份深度参与，反映 GPU 厂商已将多模态实时流处理纳入核心基础设施赛道。
3. "实时上下文层"从隐性刚需变为显性命题（Fluss 1.0）。 传统架构中消息队列（Kafka）负责实时吞吐、数据湖（Iceberg/Paimon）负责历史存储，两者断层靠 ETL 缝合。Agent 需要在单一接口同时访问最新与完整数据——Fluss 以 Lakestream 统一实时与历史、MCP Gateway 原生接入，指向 Agent 自主决策所需的数据可信前提。
4. 竞争焦点从"谁存的数据多"转向"谁的数据能被 Agent 直接消费"。 Paimon 2.0 的 REST/CLI 接口与 Fluss 的 MCP Gateway 让 Agent 绕过人类工程师的数据管道直接读写数据。圆桌共识指向：当大模型跨过"能用"门槛，生产级数据驱动的"数据 × AI 飞轮"成为差异化壁垒的候选。
5. "逐步开源"是可观察的护城河节奏。 Flink 3.0 各层能力按节奏分层释放而非一次性开放：核心引擎开源获取生态，上层商业产品（DLF、Fluss 商业版）保留优化。跨厂商贡献（字节、LinkedIn、携程、Shopee、联通）在此节奏中的参与深度，是生态健康度的观测指标。
视频、音频、图像、文本统一在同一条 GPU+CPU 流式流水线 下调度，应对多模态接入的低时延、多流对齐、有状态计算。官方称多维度优于 Ray、Daft（厂商声明，未经独立验证）。
将 Agent 建模为"有状态的流处理算子"，提供 Streaming Agent-OS。特性：海量事件实时处理、上下文记忆、Exactly-Once 一致性、高可用容错。场景：直播分析、视频解说、金融风控、智能运维、舆情监控。发起人：宋辛童（Apache Flink PMC）。
李劲松（Apache Paimon PMC 主席）宣布社区版即将发布。在 1.0 实时离线一体基础上升级为多模态结构化一体底座。核心：Git For Table（表数据版本化）、全局向量/全文/标量统一索引、REST 与 CLI 接口，打通结构化与多模态、大数据引擎与 AI 引擎、PyTorch 训练全链路。
伍翀（阿里云流存储 Fluss 负责人、Apache Flink PMC）分享进展。定位面向 Agent 的实时上下文层，四大支柱：Lakestream（统一实时与历史）、Context Serving（低延迟访问）、Semantic View（可治理/审计/追溯语义层）、MCP Gateway（Agent 原生接入）。社区已启动 Apache 孵化器毕业流程；阿里云流存储 Fluss 版同步宣布商业化 GA。
基于 Paimon/Iceberg/Lance 优化的 Agent 友好数据湖。厂商自述查询性能提升 2–6 倍、Compaction 效率提升 2–3 倍（vendor-reported）。一份数据同时供大数据、搜索、AI 使用，已为阿里巴巴 Qwen、Happy Horse、Happy Oyster 等模型训练供数。
阿里云 CTO 李飞飞提出：Flink 开源大数据生态协同自研 ODPS、人工智能平台 PAI 及其他 AI Infra，组建阿里云 Agentic Cloud，作为企业 Agent 时代的新基建。
| 企业 | 实践 | 关键数据（vendor/customer-reported） |
|---|---|---|
| 淘宝闪购（阿里巴巴） | 基于 Fluss 构建实时上下文底座，支撑千问×闪购免单、618 实时决策、营销投放、实时标签 | 存储 1.4 PB，网络 IO ↓67%，研发运维成本 ↓50% |
| 小红书 | 索引链路 Kafka→Fluss，Arrow 写入、按列读取、湖流一体 | 写入 CPU ↓30%，写入流量 ↓50%，在线带宽省 30%–90%，峰值吞吐 ↑约 3× |
| 快手 | 基于 Paimon 构建统一多模态数据湖，"采建管用"全流程 | — |
| Flink SQL 超大规模实践 | 百万级 QPS · 10TB 状态 | |
| 字节跳动 | Flink Native Engine 无状态 SQL；Paimon 拉链表/增量数仓贡献 | — |
| 淘天集团 | Fluss×Flink×AI Agent 交易实时风控智能体；Fluss+Paimon+StarRocks 湖流一体 | — |
| 货拉拉 | 从实时数据到 Streaming Data Agent 的系统工程 | — |
| 理想汽车 | Flink 大规模实时湖仓 | — |
| 携程 / Shopee / 联通 | 携程 Flink+Paimon 近实时湖仓；Shopee Paimon 增量数仓；联通 Flink 万亿级反欺诈 | — |
对应演讲人：王沛斌（淘宝闪购）、刘焓（小红书）、张静（快手）、Xinyi Yan（LinkedIn）。
分析师注：上述案例均为厂商及客户在会上自述，规模与收益数据未经第三方审计。作为技术趋势的方向性佐证有效；作为选型的绝对性能承诺，建议在自有工作负载上做 POC 验证。
Snowflake、Databricks 从"数据仓库/湖仓"向 Agent 控制平面延伸，Flink 从"流处理引擎"向 Agent 实时数据层延伸，三条路径在 Agent 时代趋于交汇。
Flink 优势：流处理事实标准、华人贡献者最多的 Apache 社区之一、超一万家企业客户、CPU+GPU Pipeline 混合调度先发能力。在事件驱动场景（金融风控、实时营销、直播分析）中，"流处理 + Agent 实时编排"是数仓/湖仓短期难以直接替代的能力。
Flink 风险：商业化与开源的张力。阿里云基于 Flink/Paimon/Fluss 构建商业产品（DLF、Fluss GA），核心引擎开源在 Apache。跨厂商贡献能否与阿里云商业化节奏对等，是生态长期健康的关键变量；本届跨厂商议题密度显示社区活跃度目前为正。
厂商定位（分析师视角）：以能力成熟度和 Agent-Ready 程度定位——Snowflake/Databricks 在"数据重力中心 + 湖仓治理"维度领先且客户基础深厚；Flink 生态在"实时/事件驱动 + 多模态流处理"维度领先，但 Agent 侧能力（Paimon 2.0/Fluss 1.0/Flink Agents）多处于"即将发布/孵化"阶段，成熟度落后于其已发布的流处理核心。二者在 Agent 数据层短期为互补关系（湖仓做重力中心、流处理做实时边界），中期可能在"Agent 直连数据"入口处正面竞争。
分角色给出可执行判断，供不同决策者参考。
数据平台 / 架构负责人 - Paimon 2.0、Fluss 1.0 标注为"即将发布"，不建议将生产关键路径押注在未 GA 的社区版本上；可在非核心链路启动 POC，锁定接口稳定性后再扩量。 - 若已有 Flink 存量，本届的 Cloud Native（存算分离）升级是低风险、高回报的优先项；多模态/GPU 能力目前依赖阿里云商业版，自建开源栈短期不具备等价能力。
AI / Agent 平台负责人 - "实时上下文层"（Fluss）与"Agent 友好数据接口"（Paimon REST/CLI、MCP Gateway）值得纳入 Agent 数据架构评估，但应把 MCP 作为跨平台通用接口来选型，避免单一厂商锁定。 - Flink Agents 仍处孵化期，适合做事件驱动 Agent 的原型验证，不建议此刻作为生产 Agent 运行时的唯一选择。
采购 / 供应商管理 - 会上性能数据均为厂商自述，合同与 SLA 应要求可复现的基准或 POC 验收条款，不以 Keynote 数字为准。 - 开源（Apache）与商业版（阿里云）的功能边界正在划分中，采购前需明确社区版长期支持承诺与商业版增量能力清单。
竞品厂商（含腾讯云等） - Flink 生态在"实时 + 多模态 + Agent 上下文"的卡位清晰，直接对标其成熟度尚不经济；差异化机会在于湖仓治理深度、多引擎统一、Agent 端到端可观测等 Flink 尚未形成壁垒的维度。 - MCP 作为通用接口的普及，客观上降低了"数据底座可替换性"，对后发者是接入窗口。
MCP 成为 Agent 与数据底座的通用接口。 Fluss MCP Gateway 非孤例，Snowflake、Databricks 同向。多平台同时支持 MCP，Agent 不再被锁定单一底座——对 Flink 既是机会（降低接入门槛）也是风险（削弱锁定效应）。
GPU 厂商把多模态实时流处理视为核心赛道。 NVIDIA 唯一钻石身份 + CUDA 加速栈（VideoCodec / nvImageCodec / CV-CUDA / TensorRT LLM / vLLM / SGLang）嵌入 Flink GPU 调度层，实时流处理获得与 ML 训练同级的硬件生态支持。已在钛动、金山、货拉拉、理想、吉利、零跑等落地。
开源商业化张力是所有 Apache 数据项目的共同命题。 Flink、Paimon、Fluss 同处"社区孵化→企业应用→商业产品"阶段；社区中立性决定能否长期吸引跨厂商贡献。
战略规划假设（Strategic Planning Assumption）：到 2027 年底，在事件驱动型 Agent 场景（金融风控、实时营销、智能运维、直播分析）中，采用"流处理引擎 + 实时上下文层"作为 Agent 数据底座的头部互联网/金融企业占比将显著上升；但在企业整体数据治理层面，湖仓（Snowflake/Databricks 式）仍将保持"数据重力中心"地位。（置信度：中等偏高，取决于 Paimon 2.0/Fluss 1.0 的 GA 节奏与规模化复制。）
三项正式发布、一条演进规划、一套 Agent 框架、一个 Agentic Cloud 顶层框架，共同勾勒 Flink 从"实时计算引擎"到"Agentic Streaming 平台"的转型路线图。Flink 2.0 云原生架构、Paimon/Fluss 成熟发布、Flink 版全模态能力属当下事实；Flink 3.0 的 Agent Native 演进属未来路线图。
基于 Flink Forward Asia 2026 公开信息（阿里云官宣、主论坛现场报道、官方议程）、Apache Flink/Paimon/Fluss 社区公开资料及作者行业判断综合撰写。文中性能与规模数据除注明外均为厂商/客户自述，未经独立基准验证。核心事实以官方主论坛现场表述为准。