MatrixOrigin Research
Stateful Infrastructure for Production AI Agents
我们相信，智能体正成为 AI 时代新的计算主体，但支撑其长期、可靠、安全运行的基础设施仍处于早期阶段。矩阵起源的研究面向生产级 AI Agents，研究一系列关键系统问题：如何管理可版本化的状态、构建可信的业务上下文、保障任务可靠执行，以及支持长期记忆与持续演进。
我们的研究与 MatrixOne Intelligence 的产品研发深度协同，在真实系统、真实工作负载与真实企业场景中检验新的系统思想，并将研究成果持续转化为产品能力、开源技术与行业实践。
研究方向
云原生数据库架构
存算分离、弹性调度与超融合引擎设计，面向下一代 HTAP 工作负载。
AI 原生数据管理
多模态数据处理、向量索引、混合检索与 RAG 优化数据管道，服务企业 AI 应用。
Git for Data
零拷贝分支、快照隔离与时间旅行机制，将版本控制语义引入数据库系统。
可信 AI 系统
构建安全、高效、可靠的 AI 基础设施——从模型服务到 Agent 记忆与数据治理。
Database Principles for Agentic AI
把数据库与分布式系统长期积累的版本、隔离、优化、恢复、审计等思想，应用到智能体基础设施。这些机制在数据系统里已经被验证了几十年——智能体面临的正是同一类问题，只是换了一层载体。
论文发表
研究团队的代表性论文
Git4Data: Database-Native Version Control for AI Agents
NEWHongshen Gou, Zuyu Zhang, Yuze Sun, Peng Xu, Feng Tian, Long Wang, Jianguo Wang
arXiv 2026ContextPipe: Database-Inspired Context Assembly for Long-Horizon Agents
NEWPeng Xu, Zuyu Zhang, Yuze Sun, Feng Tian, Long Wang, Chen Zhang
VLDB 2026INTENT-AS-A-TOOL Makes it Easy to Track Agentic Misalignment
NEWYutong Zhang, Jianshuo Dong, Peng Xu, Long Wang, Jie Zhang, Tianwei Zhang, Xiaoping Zhang, Han Qiu
EMNLP 2026CLAP: Closed-Loop Training, Evaluation, and Release Control for Domain Agent Post-training
NEWFangfei Li, Chenyang Zhao, Long Wang, Feng Tian, Zhiyue Zheng, Lv Guo
CRAE 2026 · Best Poster AwardEdge Fusion of Intelligent Industrial Park Based on MatrixOne and Pravega
Jingwei Yan, Yitong Liu, Shuqi Qin, Yun Shen, Yu Teng, Hongwen Yang
IEEE BMSB 2023学术合作
研究项目
有研究成果支撑的开源项目
Astra
面向企业级任务的 Agent Runtime。其上下文装配机制 ContextPipe 把数据库查询执行的思路引入长任务上下文管理——数据源像表一样编目，装配拆成五个阶段，优化是确定性的。在 SWE-bench Pro 的 Qutebrowser 子集上，相比 append-only 拼接减少 31% token 与 23% LLM 调用。
SiriusDB
GPU 原生 SQL 分析引擎。通过 Substrait 标准接入 DuckDB 等现有数据库，在相同硬件租赁成本下实现超过 10 倍加速。与于向遥教授及 NVIDIA 联合开发。
OpenShell
NVIDIA 开源的自主智能体安全运行时，以 Rust 实现，为 Agent 提供隔离、私密的执行环境。与 Astra 关注同一类问题：让智能体的执行在生产环境中可控、可审计。