近日，国际数据库领域知名会议EDBT 2025(International Conference on Extending Database Technology)揭晓论文评选结果，阿里云自主研发的最新技术成果《DBCopilot: Natural Language Querying over Massive Databases via Schema Routing》被长文收录，并荣膺最佳论文Runner-Up奖项。该研究攻克了自然语言数据库接口（NLIDB）规模化应用的行业难题，实现了企业级海量数据库自然语言交互技术的重大突破。此项技术将于3月27日在西班牙巴塞罗那举行的颁奖典礼上正式亮相。

EDBT国际专家委员会高度评价：

“在大型组织中使用自然语言查询关系型数据库，涉及对复杂且多样化的数据库模式进行提问。为了同时解决这种模式的复杂性和多样性，本文提出将任务解耦为两个步骤：模式路由（schema routing）用于识别合适的数据库表，SQL生成（SQL generation）用于将自然语言问题转化为SQL查询。论文中针对这两个步骤提出的创新解决方案，并展示了它们相较于基线方法能够带来一致的性能提升。”

行业痛点

当ChatBI技术遭遇规模化困境

随着近年来LLM大语言模型的快速发展，基于自然语言的数据库查询技术取得了显著进步，但企业级应用仍面临双重困境：

1.规模局限：目前市面上的主流ChatBI通常仅支持单库少表场景，难以应对企业级数据仓库、数据湖平台等海量数据库系统的复杂查询需求；

2.效率瓶颈：在复杂数据库查询场景中，非专业用户常面临更为显著的效率制约，主要体现在以下几个方面：

• 手动定位困难：需花费大量时间手动查找合适的数据库和表，导致查询过程缓慢

• 知识要求高：非专业用户难以理解复杂的数据库结构和表之间的关系，无法有效构建SQL查询

• 易于出错：手动选择数据库和表时容易发生错误，导致查询失败，需要反复操作，进一步消耗时间

• 自助分析受限：复杂的查询过程让用户无法快速访问数据，从而影响数据分析和决策能力

• 资源浪费：技术支持团队需花费更多时间来帮助用户解决查询问题，阻碍了其他关键工作的开展

针对上述痛点，亟需构建一种新型交互机制，允许非专业用户通过自然语言，实现跨海量数据库的智能查询，摆脱复杂数据表征的束缚。而其核心挑战在于建立「多样化的自然语言意图-海量数据库模型元素」之间的精准映射关系。

技术突破

DBCopilot双引擎架构

重构数据交互逻辑

那么阿里云研发团队提出的DBCopilot框架，是如何破解跨海量数据库ChatBI难题的呢？首创两大技术创新：

图示：DBCopilot采用的LLM-Copilot协作机制

1.智能语义导航：DBCopilot将模式无关的NL2SQL（从自然语言到 SQL）查询过程，解耦为“领域特定的模式路由-通用SQL生成”两部分。具体来看，该框架使用轻量化的可微搜索索引（DSI），构建跨库表的全域语义映射地图，并通过表间关联特征分析，实现关系感知的联合检索，从而将自然语言问题进行语义解析后，路由到目标库表。路由后的模式和问题，则被输入到LLM大语言模型中，凭借包含数据库模式信息的智能提示，转化为结构化的 SQL查询语句。

2.动态自适应学习：DBCopilot创新性地引入了一种反向模式生成的方法，能够自动生成与数据库模式相关的问题，从而实现动态学习和适应海量数据库的路由策略。这一机制减少了对人工干预的依赖，大大提高了系统的自适应能力，方便了用户的使用。

多项实验结果表明，DBCopilot通过架构路由优化和自动化查询生成，展现出显著的可扩展性和有效性，特别是在处理复杂的自然语言查询时，相较于传统方法，DBCopilot在模式路由的性能上提升了19.88%的召回率。而在模式无关的NL2SQL转换方面，其执行准确性提高了4.43-11.22%。这些结果基于多个标准数据集的严格测试，验证了DBCopilot在海量数据库环境下的优势，进一步提升了数据的可用性和包括非专业用户在内的使用者体验，有效加快决策进程。

目前DBCopilot已成功融入阿里云百炼专属版产品体系，在金融、医疗、电力、制造等多个行业领域创造价值。基于DBCopilot，某医药行业公司成功构建了与其产品销售相关的复杂BI分析系统，助力产品销售分析报告的生成时间从天级缩短至秒级，显著提升了销售决策效率。随着云与AI技术的演进，阿里云将持续助力数据价值突破技术壁垒，使数据要素真正转化为驱动企业创新的核心燃料。

阿里云突破性成果荣膺EDBT大奖_热门资讯-阿里云政企业务