图灵奖得主 Mike Stonebraker 在访谈中炮轰 Oracle、Google 和 AWS 的数据库策略，断言 AI Agent 进入读写阶段后本质上是分布式数据库问题，并揭示大模型在真实数据仓库上写 SQL 的准确率仅为 0%。
📝 详细摘要
本文是 InfoQ 对数据库领域图灵奖得主 Mike Stonebraker 的深度访谈编译。Stonebraker 以犀利风格批评了行业巨头：指责 Larry Ellison 对客户撒谎销售未实现功能；批评 Google 的 MapReduce 和最终一致性是错误方向，并指出 Spanner 的诞生等于 Google 承认了传统事务的必要性；认为 AWS 维护的 15 种数据库中有 12 种是多余的。文章核心亮点在于 Stonebraker 对 AI 与数据库交叉领域的深刻洞察。他认为当前 AI Agent 大多停留在只读阶段，一旦涉及转账、库存更新等读写操作，事务、一致性、原子性等数据库老问题将全部回归。他领导的 DBOS 项目正是为此设计，通过将操作系统状态和 workflow 持久化到数据库中，为 Agentic AI 提供事务性保障。此外，他分享了团队在真实数据仓库上测试 LLM 写 SQL 的结果：准确率为 0%，即使加上 RAG 和显式 join 条件也仅能提升至 35%，远低于人类程序员的 90%+。他发布了名为 Beaver 的真实 benchmark，呼吁业界停止在简化基准上自我感觉良好。最后，他表达了对计算机科学行业前景的审慎态度，认为其可能不再是增长型行业。
💡 主要观点
- AI Agent 进入读写阶段后，本质上是分布式数据库问题。 当前多数 Agent 是只读的，一旦涉及转账、库存更新等操作，事务、一致性、原子性等数据库核心问题将无法回避，DBOS 等项目正是为此设计。
💬 文章金句
- 如果今天重新开始，我不确定还会不会建议 18 岁的人去学计算机。
- 目前大多数 agentic AI，其实还是只读型的。...但我觉得很快，整个世界都会转向让 agent 去做 read-write 的应用。一旦到了那一步，这类系统就会变得非常'数据库化'。
- 在公开 benchmark 上，模型已经能做到 80%+ 的准确率...但在我们的 benchmark 上，大语言模型的准确率是 0%。
- Google 做蠢事不止这一件。...最终一致性...只解决一种非常特定的问题，而且这种问题在真实世界里其实很少见。
- 我觉得 Amazon 的问题在于，他们同时支持大概 15 种不同的数据库系统，而这大概多了 12 种。
📊 文章信息
AI 初评：88
来源：AI前线
作者：AI前线
分类：人工智能
语言：中文
阅读时间：50 分钟
字数：12379
标签： Mike Stonebraker, 数据库, AI Agent, LLM, Text-to-SQL