由 John Doe 五月 27, 2026
人工智能技术的快速发展，正在快速重构数据库市场的格局。
当开发者对 AI 编码助手说 “给我加个数据库” 时，助手不仅会给出建议，还会直接安装包、编写导入语句、配置连接并提交代码。在这个 AI 驱动开发的新时代，模型选择的工具就是最终会被部署的工具。最新的系统性研究表明，PostgreSQL 已经成为 AI 编码助手在数据库选择上的压倒性首选，这一趋势正在重塑整个 AI 应用的技术栈格局。
数据实证：AI 助手的一致选择
Amplifying 最新发布的《What Claude Code Actually Chooses》研究报告，通过对 2,430 个开放提示的系统性测试，揭示了 Claude Code 在 20 个工具类别中的真实偏好。在数据库类别中，PostgreSQL 以 58.4% 的选择率成为无可争议的 “强默认” 选项，远超第二名 Supabase（24%）和第三名 SQLite（16%）。
更令人瞩目的是，这种偏好具有高度的一致性：
- 所有三个测试模型（Sonnet 4.5、Opus 4.5、Opus 4.6）都一致将 PostgreSQL 列为数据库首选
- 在 Next.js SaaS 项目中，PostgreSQL 的选择率高达 90%
- 在 Python API 项目中，选择率也达到了 77%
- 即使在 React SPA 项目中，虽然 Supabase 作为全栈解决方案更受欢迎（70%），但 Supabase 本身就是基于 PostgreSQL 构建的
值得注意的是，曾经流行的 MongoDB 虽然在模型的知识中存在（获得了 17 次替代推荐和 30 次提及），但没有获得任何一次主要推荐。这表明 AI 助手在评估数据库时，更倾向于选择关系型数据库的可靠性和事务一致性，特别是对于需要处理复杂数据关系的 AI 应用。
为什么是 PostgreSQL？
PostgreSQL 之所以能成为 AI 应用的默认选择，并非因为它刻意将自己定位为 “AI 数据库”，而是因为它几十年来积累的核心优势恰好完美匹配了 AI 应用的需求。
首先，事务可靠性和数据一致性是 AI 应用的基础。AI 应用不仅需要存储向量嵌入，还需要管理用户数据、会话历史、权限控制和业务逻辑。PostgreSQL 成熟的 ACID 事务支持确保了这些关键操作的可靠性，这是许多专门的向量数据库所缺乏的。
其次，可扩展性是 PostgreSQL 的杀手锏。通过 pgvector 扩展，PostgreSQL 能够原生支持向量存储和相似性搜索，使得开发者可以在同一个数据库中同时存储事务数据和向量嵌入。这种一体化架构大大简化了 AI 应用的设计，避免了维护多个数据库系统的复杂性和数据同步的开销。
第三，成熟的生态系统和运营经验是企业选择 PostgreSQL 的重要考量。几乎所有主流云提供商都提供托管的 PostgreSQL 服务，拥有完善的备份、恢复、监控和扩展工具。工程团队通常已经熟悉 PostgreSQL 的操作和维护，这降低了 AI 应用从原型到生产的门槛。
生态系统的加速效应
PostgreSQL 在 AI 领域的崛起，还得益于整个生态系统的协同推动。Lovable 等 AI 开发平台的普及，进一步加速了这一趋势。Lovable 基于 Supabase 构建，这意味着每个 Lovable 项目实际上都在底层创建了一个 PostgreSQL 部署。随着 “vibe coding”（即通过自然语言描述让 AI 生成代码）成为主流开发方式，PostgreSQL 自然而然地嵌入到了 AI 开发的工作流中。
同时，主流的 ORM 工具也优先支持 PostgreSQL。在 Amplifying 的研究中，JavaScript 生态系统首选 Drizzle ORM，Python 生态系统首选 SQLModel，两者都对 PostgreSQL 提供了最佳支持。这种工具链的一致性，进一步巩固了 PostgreSQL 的默认地位。
从原型到生产：新的挑战
虽然 PostgreSQL 是 AI 应用原型开发的理想选择，但随着应用规模的增长，AI 工作负载也给 PostgreSQL 带来了新的挑战。
AI 应用的典型特征是高并发、大量的向量搜索查询和频繁的写入操作。这些工作负载与传统的 Web 应用有很大不同，可能会导致：
- 并发推理活动期间的连接峰值
- 向量索引增长速度超出预期
- 负载下的延迟变得不稳定
- 写密集流量期间的复制延迟增加
- 随着嵌入工作负载扩展，内存压力上升
许多工程团队在原型阶段没有预料到这些问题，导致在应用快速增长时面临运营压力。连接管理成为一个特别重要的问题，因为 AI 应用通常会为每个请求生成多个并发的数据库交互，这大大增加了对 PostgreSQL 连接和内存的压力。
结论与展望
PostgreSQL 成为 AI 应用的默认选择，是技术演进的自然结果。它证明了成熟、可靠的技术在面对新的应用场景时，仍然具有强大的生命力。随着 AI 应用从原型走向大规模生产，PostgreSQL 也在不断进化，pgvector 等扩展的持续发展将进一步增强其在 AI 领域的能力。
对于工程团队来说，认识到 PostgreSQL 已成为 AI 应用的默认选择只是第一步。更重要的是，提前规划 PostgreSQL 在 AI 工作负载下的运营问题，包括连接池策略、向量索引优化、监控体系和扩展计划。那些能够在应用增长之前就建立起成熟的 PostgreSQL 运营能力的团队，将在 AI 时代获得显著的竞争优势。