《数据库发展研究报告（2026年）》正式发布！文末附下载方式

为推动我国数据库产业自立自强与高质量发展，2026年7月9日上午，以“强基·智融·向新”为主题的“2026可信数据库发展大会”主论坛在北京隆重召开。本次大会汇聚了产学研用顶尖专家与领军人物，聚焦国内外数据库最新发展趋势、核心技术演进与产业生态建设。会上，中国信息通信研究院副院长魏亮正式发布并解读《数据库发展研究报告（2026年）》。

我们正处在一个技术演进的“超常规时代”。人工智能正以前所未有的速度重塑千行百业，数据要素的核心引擎作用日益凸显。在全球AI浪潮的强力驱动下，数据库作为承载海量数据存算与智能处理的关键底座，正经历一场深刻的范式变革。2026年，数据库技术正在加速向AI原生方向演进，全球数据库产业开启全新的格局重塑进程。

报告显示，2025年全球数据库市场规模达到1316亿美元。我国数据库市场规模达94.9亿美元，占全球市场7.2%。预计到2028年，中国数据库市场总规模将达到979.74亿元，市场年复合增长率（CAGR）为13.06%。2025年中国公有云数据库市场规模为442.65亿元，较2024年增速约15.2%。

此外，报告围绕数据库产业市场规模、竞争格局、产业生态、服务模式、交互范式、科技创新、资本布局以及标准体系建设等方面的发展态势形成全球数据库产业洞察；技术方面，围绕数据库软件和硬件架构演进趋势以及人工智能技术与数据库数据库技术融合发展等方面展开讨论；应用方面，报告以金融、电信和能源行业为代表，讨论当前应用现状及发展前景。

报告核心观点

洞察1：产业竞争格局方面，AI与数据库深度融合，云原生数据库迈入新阶段

AI与数据库已由可选能力演进为核心架构，各厂商持续深化“AI+DB”融合布局。云原生数据库的发展从“存算分离”的架构范式，向“全托管服务、Serverless模式与全球分布式部署”的融合形态演进。

云巨头与独立厂商双向发力，全面深化开源生态布局。PostgreSQL在全球开发者生态中的地位日益凸显，围绕其兼容适配、性能优化和AI能力集成的竞争正持续深化，面向细分应用场景的垂直深耕将成为新的竞争焦点。

图1：AI与数据库深度融合，云原生数据库迈入新阶段

图2：头部厂商积极引领开源贡献，PG 成为开发者与生态主流选择

洞察2：从市场规模看，我国市场规模稳步增长，云上市场占比增速较快

据测算，2025年，中国数据库市场规模为94.9亿美元，约合677.96亿元人民币，占全球7.2%。预计到2028年，中国数据库市场规模将达到979.74亿元，市场年复合增长率（CAGR）为13.06%。

图3：2022-2028年中国数据库市场规模及预测

公有云和本地部署模式市场规模分别占总市场65.3%和34.7%，较2023年增速15.2%和11.0%；预计2026年公有云市场占比将进一步扩大达到66.2%。

图4：2024-2026中国公有云和本地部署数据库市场规模

洞察3：竞争格局方面，全球呈现多强格局，我国头部效应日益凸显

截至2026年6月，全球及我国的数据库企业数量均有所回落，目前全球共有394家数据库产品提供商，其中美国和中国数据库厂商数量依旧处于全球领先地位，分别为150家和94家。全球数据库市场由以亚马逊、微软、谷歌、甲骨文等为代表的头部厂商主导，呈现多强竞争格局。我国数据库市场集中度进一步提升，整体迈入高质量发展阶段。

图5：全球及我国数据库企业数量

洞察4：产品类型方面，国内外非关系型占比均有提升，全球多为键值与文档，我国时序和图较为突出

全球数据库产品类型分布呈现非关系型及混合型数据库主导、关系型数据库为辅的结构性特征，键值型与文档数据库在全球市场中的数量优势较为明显。

图6：全球数据库产品类型分布

我国关系型和非关系型数据库数量占比接近，非关系型数据库数量占比持续提升，图数据库与时序数据库的产品规模较为突出，向量数据库产品热度逐年攀升。

图7：我国数据库产品类型分布

洞察5：商业模式方面，全球开源商用占比接近，投融资聚焦多模融合与AI原生方向

全球开源及闭源的商业产品数量基本持平，我国商用数据库占比超七成，开源数据库占比有所提升。过去一年，从PostgreSQL生态的持续升温到多模、智能化数据库的快速发展，投融资市场呈现出鲜明的技术驱动特征，聚焦多模融合与AI原生方向。

图8：全球数据库产品商用开源对比

洞察6：我国市场方面，市场规模持续增长，市场格局逐步明晰

我国数据库产品数量经历了2022年至2024年的快速增长后，2025年数量显著回落，头部聚集效应明显。2026年，产品数量企稳，回升到182款，AI导向的数据库产品加速涌现。

图9：我国数据库产品数量

洞察7：学术创新方面，AI+DB融合成为研究重点，我国科研创新发展势头强劲

我国在三大数据库顶会中的论文贡献总体保持较高水平，但不同会议和年份间存在波动。产学研深度融合驱动数据库领域创新范式变革，基础理论突破与产业实践成果双向赋能，推动我国数据库技术创新发展，学术影响力不断提升。“大语言模型”成为关注热点。AI原生数据库、向量数据库、多模数据库、图神经网络、检索增强生成、学习型索引等的热度也在持续增高。

图10：2025年 VLDB、 ICDE 和 SIGMOD 论文关键词云图

图11：中国高校及企业贡献论文数占比

洞察8：标准体系方面，我国标准体系日益完善，前沿标准加速布局

自2015年起，围绕数据库产品、服务与应用，可信数据库标准体系已推出50项标准及规范，覆盖基础数据库、前沿产品、生态工具、核心系统应用创新能力、通用服务能力和专项服务能力等方向。

图 12: CCSA TC601 数据库领域标准化工作体系

在相关部门指导下，以CCSA TC601为代表的行业组织，紧跟国家战略，围绕数据库领域标准化工作，深耕十余载。自2015年起，累计推出50余项标准及规范，紧密连接供给与应用两端，逐步构建起涵盖数据库产品、服务和应用全方位的“可信数据库”标准体系，持续引领我国数据库标准化发展迈向新的高度。

技术方面，数据库架构向软硬协同方向深化发展，人工智能推动数据库迈向智能原生时代。

趋势1：数据库架构向软硬协同方向深化

数据库软件架构向云原生与多元部署形态扩展，通过存算分离、分布式扩展等机制，解耦底层硬件资源的物理边界，提升系统弹性伸缩与高可用能力，形成云原生、分布式、共享集群、单机等多元部署形态并行发展的格局。

图13：数据库软件架构向云原生与多元部署形态拓展

数据库硬件架构向异构算力协同与内存池化演进。为处理人工智能推理与大规模数据分析任务，数据库系统需要引入GPU计算能力，其架构由CPU为中心向CPU+GPU的异构算力协同演进。在存储层面，依托CXL技术实现内存池化扩展，突破了节点资源限制。这种软硬架构的深度融合，为AI原生应用提供了极致弹性与高吞吐能力。

图14：数据库硬件架构向异构算力协同与内存池化演进

趋势2：数据库系统范式向AI原生跃迁

人工智能从传统数据库系统的外挂工具逐步演变为内嵌能力，数据库系统形态正在向智能体原生方向演进。智能体原生数据库（Agent-Native Database）面向AI Agent 作为新型“用户”的运行特征，在架构设计、接口协议和存储模型等层面进行系统性重构，推动数据库从“数据存储容器”升级为支撑智能体感知、记忆、推理和执行的“认知基础设施”。

图15：智能体原生数据库筑牢智能体运行认知基石

数据库智能体成为开发运维提质增效的重要推动力。数据库智能体（Database Agent）通过深度融合大模型技术，使数据库具备更强的自主理解、任务规划、执行处理和优化调整能力，可在开发辅助、查询生成、性能调优、运维诊断等场景中提升效率。与此同时，人在回路中（Human-in-the-loop）的人机协同决策和人工授权审核机制，正成为数据库智能体安全落地的重要实践路径。

图16：数据库智能体驱动数据库开发运维提质增效

应用方面，用户选型愈发务实，供给侧正由外围替代进入核心系统攻坚阶段。

从过去一年的实际采购与落地情况来看，金融、电信、能源等数据密集型行业在选型上愈发务实，集中式架构与分布式架构在核心系统中均有显著的中标与规模化落地表现。用户不再盲目追求单一架构，而是依据核心交易的实际负载需求，稳步推进全栈协同与系统升级。

图17：金融行业数据库应用创新步入深水区

具体到金融行业，国产数据库建设已从早期政策驱动，转向以智能化运维、全栈协同和效能提升为核心的深度应用阶段。从细分领域看，银行业已进入金融核心系统新建与扩容阶段。股份制银行中，头部厂商集中度提升，城商行选择较为分散，呈现地缘化特点，农商行及农信社更关注核心账务系统全栈替换；保险业重点平衡长期复杂合约管理、业务洪峰应对与核心系统平滑迁移等需求；证券期货业对交易连续性和低时延要求极为严苛。按照“外围先行、核心跟进”的策略，外围办公及管理分析系统已率先完成试点验证，核心撮合交易环节则在保障系统极致稳定的基础上，稳步推进底层技术栈的自主升级。此外，图数据库、时序数据库等产品加速向风控和智能决策场景渗透，全面提升了金融级数据底座的综合支撑能力。

图18：电信和能源行业集团集采加速生态整合

电信行业作为数据库应用创新的排头兵，近年来持续深耕电信领域核心系统数据库升级改造工作，已取得显著成效。其国产数据库应用呈现出两个特点：一是围绕核心业务系统开展全栈替代和规模化攻坚；二是开始探索开发、运维等环节的智能化能力，不断提升数据库应用效能。能源行业，集团级统一框架招标与多品牌入围成为主流采购模式，不同厂商在事务处理、实时分析、时序数据、生产调度等场景中形成互补格局。

总体来看，各行业呈现梯次推进格局，应用场景正进入核心替代深水区，并进一步向软硬件全栈协同与运维智能化方向持续演进。