数据库躺600亿商品，AI只敢端出4件

600亿条商品躺在数据库里，AI最终只把4件端到用户面前。

重庆传粉科技一篇头条文章把这个数字摆上了台面，几乎同一时间，AWS CEO Matt Garman 在 a16z 的访谈里聊起另一件事：Agent 正在用'用完即扔'的方式消费云资源。两条消息隔着一个太平洋，说的却是同一个转折——数据不缺了，缺的是被 AI 消费的路径，而这条路径正在重塑从数据库到云的全部生意。

这篇文章，我们把两件事放在一起看。

🕳️ 600亿对4：AI商务的滤镜先碎了一角

先说场景。

想象一个用户对着 AI 购物助手说：'帮我找一款适合露营的折叠椅，预算三百。'用户以为 AI 在整个商品宇宙里帮他挑选，实际上，重庆传粉科技发文揭示的数字是：600亿条商品库，AI 展示给用户的只有4件。

600亿比4。这个悬殊的比值，比任何一份行业白皮书都更有冲击力。

撕开的是什么？是'AI 商务'叙事里最光鲜的那层假设——AI 能帮你看见全世界的商品。现实是，AI 看不见。或者说，架构上就没打算让它看见。

圈内流传的一种说法是：过去十年的电商技术栈，本质上是一套'控制曝光'的系统。推荐流控制你刷到什么，搜索排名控制你找到什么，运营位控制你先看到什么。AI 助手并没有推翻这套系统，它只是被接到了这套系统的最末端。

产业逻辑很清楚：问题不在模型，不在商品库，而在中间那层谁都没认真重构过的'供给管线'。数据库还在，商品还在，但从库到模型上下文的通道，仍然是按'给人看'设计的。600亿条数据躺在那里，是一笔账面资产；能被 Agent 召回、能通过安全审查、能挤进最终上下文的，才是真正的可售库存。

用一个漏斗图看会更直观：

每一层都在收窄，而最窄的出口，决定了 AI 商务的真实天花板。

🧮 从人逛货架到Agent挑货：漏斗为什么更窄了

有人会反驳：推荐时代曝光面也很窄，用户一天也就刷几十上百个商品。

对，但性质变了。推荐流的窄，是'千次曝光'的窄；Agent 对话的窄，是'个位数直出'的窄。人逛货架，眼睛是并行扫描的；Agent 挑货，是一次性给出答案的。答案只有一个，落选者连被看见的机会都没有。

四种商品触达模式，可以放在一起比：

注意最后一行。Agent 时代理论上是最利好长尾的——模型不受运营位挤压，可以真正'全网比价'。但现实是，长尾商品恰恰是数据质量最差的：标题混乱、属性缺失、图片无结构。召回层根本捞不着它们。

这就是第一重产业判断：AI 商务竞争的主战场，会从'模型谁更强'转向'数据供给管线谁更干净'。谁能把600亿条商品治理成 Agent 可信、可读、可验证的形态，谁就掌握了新的货架。数据治理从合规成本，变成了流量入口。

☁️ Garman 的另一层信号：Agent 用完即扔

把镜头切到太平洋对岸。

Matt Garman 在 The a16z Show 上与 Raghu Raghuram 对谈时，给出了一个云厂商视角的判断：一家企业可能要用十年的数据库，和一个 Agent 用完就扔的数据库，正在向同一家云公司提出完全不同的要求。

这句话值得逐字读。过去二十年的云生意，底层假设是'持久'——数据库建好了用十年，集群规模按峰值预留，计费按月按年。而 Agent 的用法完全相反：任务来了，起一个临时数据库；任务结束，整库销毁。生命周期可能只有几分钟。

这对 AWS 意味着什么？意味着生意的颗粒度变了。颗粒度从'年'变成'分钟'，供给逻辑就必须从'预置'变成'即起即毁'，计费逻辑要从包年包月彻底走向真正的按需计量，隔离与安全逻辑要能容忍一个'没有人类 owner'的资源被频繁创建和销毁。

据多位接近云厂商的人士观察，大厂内部已经在为这种消费模式调整产品线——不是砍掉长期库，而是补上临时性消费这条全新曲线。

第二重产业判断随之而来：Agent 不只是数据库的新用户，它是第一种'非人类'的主力付费客户。整个数据基础设施的接口设计、文档形态、错误信息可读性，都要为了'调用方是另一个程序'而重做一遍。这也是为什么 MCP 一类协议、以及各家数据库争相推出面向 Agent 的交互接口，会成为这一两年的确定性趋势。

🔧 落到工程上：三件事比模型参数更紧迫

作为亲手搭过数仓和实时管道的人，我想把判断落到工程上。两件事叠加，平台团队至少要重排三件事的优先级。

第一，检索能力前置。600亿挑4的漏斗，最值钱的一段是召回。向量索引、倒排索引、混合检索，不再是搜索团队的专属，而是所有数据平台的标准件。数据库选型时，'原生检索能力'的权重应该排在事务性能之前——取决于你的场景是给人看，还是给 Agent 看。

第二，临时性资源要有供给底座。参考 Agent 用完即弃的模式，平台要回答：能否在秒级交付一个带完整 schema 的隔离环境？用完能否干净回收？成本能否按任务颗粒核算？做不到这三点，Agent 流量来了就是灾难——要么排队，要么失控烧钱。

第三，元数据和数据质量从'后台'走到'前台'。Agent 无法像人一样'看一眼就知道这数据靠不靠谱'，它只能依赖元数据、质量标签和来源追溯。治理做得差的企业，数据在 Agent 眼里约等于不存在。

把这三件事放进基础设施的演进脉络里看，逻辑是连贯的：

• 2000年代 ： 企业数仓与MPP数据库，服务内部报表
• 2010年代 ： 云数据库与存算分离，服务互联网应用
• 2020年代初 ： 湖仓一体与实时管道，服务分析与AI训练
• 2025年之后 ： Agent即用即弃消费，服务自主任务

每一代基础设施，都是为上一代用户设计的；而每一代真正的增长，都来自那批'新用户'。

⚠️ 谁吃'4件之外'的生意

最后回到那个600亿比4的悬殊比值。

坏消息是，如果供给管线不重构，AI 商务会变成一个比推荐时代更极端的头部游戏——4件的曝光比首屏的40件更残酷。

好消息是，'4件之外'藏着一条清晰的生意链：

这条链上，弹性云资源、原生检索型数据库、面向机器消费的数据治理与质量服务，是三个确定性受益环节。而那些既不掌握数据、又不掌握管线、只做一层 Agent 套壳的玩家，会同时被模型厂商和数据 owner 上下挤压。

第三重判断：数据要素的价值重估，第一次有了一个可计算的入口——不是看你有多少条数据，而是看你的数据能被 Agent 用掉多少次、用得多干净。600亿条躺在库里的商品，和4件被端出去的商品，在资产负债表上可能被记成同一个数字，但在 Agent 时代，它们的真实价值差着十万八千里。

小结

600亿对4，是一个曝光问题，更是一个基础设施问题；Agent 用完即扔，是一个消费习惯，更是一种新型计费与供给模式。两者共同宣告：数据基础设施的下一轮竞争，不看容量看周转，不看存储看供给。2026年，请盯住两个指标——你的数据被 Agent 调用的频次，和你平台的临时资源交付速度。谁先把这两条曲线跑通，谁就拿到了下一个十年的门票。