PostgreSQL 发明者迈克尔·斯通布雷克（Michael Stonebraker）与全球开发集团核心成员布鲁斯·莫姆吉安（Bruce Momjian）近日就人工智能在数据库领域的实际应用发表观点。尽管 Postgres 已成为众多 AI 项目的首选底层架构，但两位专家对当前主流的构建方式持保留态度，并认为未来属于去中心化、由社区主导的系统。
Text-to-SQL 的真实表现：远低于基准测试
斯通布雷克首先剖析了 Text-to-SQL 技术的现状。该技术旨在让业务用户通过自然语言提问并从数据仓库获取答案。Spider 和 BIRD 等公开基准测试显示其准确率超过 80%，但在 MIT 内部数据仓库的实际测试中，结果截然不同。
该仓库包含 1,400 张涉及学生、教职工、建筑及薪资信息的表格。斯通布雷克团队利用真实的 SQL 日志进行查询，初始准确率为零。即使引入代理式 AI、检索增强生成（RAG）及提示工程优化，准确率仅提升至青少年水平；当涉及多表连接时，准确率约为 30%。团队随后发布了名为 Beaver 的基准测试，指出尚无系统能突破这一准确度瓶颈。
造成差距的主要原因在于企业数据的私有性与复杂性：缺乏公共互联网训练数据，模式命名混乱且视图重叠，真实查询难度远高于基准测试中的简化场景。
架构反思：让模型专注于文本处理
斯通布雷克认为，大型语言模型擅长处理文本，但在结构化数据连接方面表现不佳。以慕尼黑市交通部门为例，回答关于行人过街时间的投诉需结合法规、CAD 图纸、电车时刻表及学区地图等多源信息。单纯依赖编排语言模型成本高昂且效率低下。
其团队开发的 Rubicon 系统提出了一种新路径：仅在文本层面使用模型，而将编排逻辑设计为类似查询优化器的结构。据称，该系统比基于模型的代理框架便宜 10 倍，且准确率更高。
斯通布雷克预测，随着企业无法容忍不确定性（如贷款审批后的撤销可能导致诉讼），代理式 AI 将从炒作顶峰回落至“绝望之谷”。他强调，数据库层已具备几十年的访问控制与完整日志防护机制，若改进调试与版本工具，重度依赖数据的代理更适合作为用户定义函数嵌入数据层内部。此外，他质疑通用人工智能（AGI）的概念，认为这是基础模型供应商的营销手段，并指出没有企业愿意让模型使用专有数据进行训练。
开源优势与社区治理
谈及 PostgreSQL 的成功，斯通布雷克强调其作为开源跨平台解决方案的独特性：不受任何单一公司控制。尽管 EDB、Microsoft、Google 等均有贡献者，但决策权归属于社区。这种独立性为企业提供了数据主权保障，使其能掌控数据系统的运行方式与地点。
莫姆吉安从组织角度补充道，PostgreSQL 虽无办公室、资产或法律实体，但其软件质量优于许多价值数十亿美元的公司。他指出，社区只需吸纳世界上最聪明的开发者贡献想法即可保持竞争力。
设计理念：灵活性与长期主义
两位专家均推崇一种牺牲极致速度以换取灵活性的设计理念。PostgreSQL 通过吸收 JSON、全文搜索及 GIS 功能，天然适应云计算环境。莫姆吉安还提及 20 世纪 90 年代的建议：依靠操作系统而非试图取代它。
针对错误调整可能导致的性能损失（最高达 40%），他们比喻称：“如果把一级方程式赛车开进超市，那里就没有地方买杂货。”项目规划着眼于未来 5 到 10 年的影响，追求大多数供应商难以企及的稳定性。
PostgreSQL 19 的新特性与安全更新
新版本展示了社区的纪律性。预览功能包括 SQL 属性图表查询以及分区合并与分割能力。AI 辅助审核被用于快速发现潜在问题。值得注意的是，计划于 2026 年 8 月发布的 PostgreSQL 18 补丁已解决 28 个 CVE 漏洞。
其他实用改进包括繁忙表的同时重打包、更智能的并行自动真空机制，以及实现逻辑复制的顺序同步。主要贡献者 Robert Haas 提出的方案被视为社区对多年来拒绝 Oracle 风格优化器提示的回应，莫姆吉安评价称：“有人找到了一种没有缺点的方法。”
尽管在 AI 编写 SQL 的速度预期上存在分歧——莫姆吉安希望代理能创建数据库并生成大部分代码，而斯通布雷克认为在企业数据充分记录前这不会发生——但双方达成了一致目标：人工智能需要关系型系统来赋予其持久性与记忆力。历经 40 年发展，发明者与管理者依然共同押注于同一款数据库。
