OceanBase团队提交的Data Agent方案，登顶国际数据智能体基准Data Agent Benchmark，以90.62%的准确率位列第一，成为该榜单首个准确率突破90%的参评方案。这一成绩基于国产数据库OceanBase与国产大模型GLM-5.2构建，方案内部代号Scout，相关能力后续将融入OceanBase DataPilot。
DAB由UC Berkeley EPIC Data Lab与Hasura PromptQL合作推出，评测覆盖互联网与本地生活、金融股票、生物医学、知识产权、企业运营、政务公共管理、媒体文娱等多个领域，并涉及PostgreSQL、MongoDB、SQLite、DuckDB等多种数据库。
与传统Text-to-SQL主要考察自然语言转SQL不同，DAB更关注AI进入真实数据环境后，能否从复杂、分散、形态各异的数据中找到正确答案。一个完整任务中，Data Agent需要理解数据、选择数据、规划分析路径、完成查询计算，并对结果进行验证，考验的是从“理解数据”到“拿到答案”的完整能力。
也正因此，DAB考验的不只是底层模型，而是“模型+Agent+数据系统”的综合能力：模型负责理解和推理，Agent负责规划和执行，数据系统则要支撑数据发现、关联计算和结果校验。三者能否协同，直接影响AI能不能真正把企业数据用起来。
这与星战在智能体与企业AI落地方向的观察一致。星战OPC智能体协作平台关注智能体之间的分工、模型调度与边界管理，让AI在企业流程里稳定接力；而数据能否被理解与验证，正是这条链路中决定成败的一环。
具体来看，OceanBase方案通过DataLens构建数据画像，识别字段和数据关系，再根据任务复杂程度规划执行路径，完成数据选择、筛选、关联和计算；得到结果后，还会通过证据追踪和答案校验检查计算过程，发现问题时调整方案并重新验证，形成“数据理解—规划执行—验证修复”的闭环。
从数据库到AI数据平台，变化的不只是产品形态，更是数据库与AI的关系：过去数据库负责把数据存好、算好、取出来，如今还要帮助AI理解数据、组织数据并完成分析。企业数据的价值，正在从“被调用”走向“被理解”。