MaxCompute SQL AI：让 SQL 成为你的 AI 语言

MaxCompute SQL AI 全新上线，一句SQL就能用上大模型，零门槛让数据分析师秒变AI高手。

阿里云大数据AI技术

286人浏览 · 2025-12-04 15:04:38

阿里云大数据AI技术 · 2025-12-04 15:04:38 发布

MaxCompute SQL AI 全新上线，一句SQL就能用上大模型，零门槛让数据分析师秒变AI高手。

在大模型能力飞速进化、推理成本持续下降的今天，AI 正从“可选项”变为大数据处理流水线中的“必选项”。越来越多的场景——无论是文本摘要、实体抽取，还是多模态的图像识别、金融风控中的行为分析——都开始用模型推理替代传统的规则逻辑，实现更智能、更精准的数据处理。

MaxCompute SQL AI 的出现，正是为了把强大的AI能力交到每一位开发者的手中。作为MaxCompute的SQL开发人员，你将无需切换开发环境、无需学习新框架，只需用熟悉的 SELECT 语句，就能完成端到端的 AI 增强计算。借助大模型对结构化与非结构化数据的深度理解能力，你的SQL也将不再只是操作表格的工具，而是能直接调用 AI 进行语义理解、内容生成和智能转换的统一语言。

MaxCompute 模型三大优势，让 AI 更高效融入数据处理

统一管理，安全合规

模型在 MaxCompute 中可以像数据一样被对待——支持权限控制、版本管理，全面满足企业对安全性与合规性的要求，让模型在受控环境中高效落地。

多引擎无缝协同

无论是习惯写 SQL 的数据分析师，还是依赖 Python 的数据科学家，MaxCompute 都为你打通了路径：通过 SQL 或借助 MaxFrame 的分布式 Python 能力均可直接对接MaxCompute模型，全角色覆盖。

简化运维

告别“导出-计算-回传”的繁琐流程！模型调用可以直接在MaxCompute内执行，既避免了数据外泄风险，又省去了传输成本与延迟，安全、高效、一步到位。

MaxCompute 模型类型全面，覆盖各类使用场景

模型是在 MaxCompute 中注册的、可以用于进行预测或生成任务的部署对象。主要目的是将诸如大语言模型、机器学习模型提供的AI 计算能力，无缝地集成到用户数据所在的同一个平台（MaxCompute）中。

MaxCompute的提供了不同类型的模型，覆盖用户使用过程中的各类场景：

模型类型	能力描述
公共模型	MaxCompute内置了开箱即用多种的开源大模型，支持用户无须自行创建和管理模型对象，即可灵活使用AI Function调用模型，降低了用户使用门槛。支持模型如下： Qwen3-0.6B-GGUF Qwen3-1.7B-GGUF Qwen3-4B-GGUF Qwen3-8B-GGUF Qwen3-14B-GGUF DeepSeek-R1-Distill-Qwen-1.5B DeepSeek-R1-Distill-Qwen-7B DeepSeek-R1-Distill-Qwen-14B DeepSeek-R1-0528-Qwen3-8B
远程模型	支持对接 PAI-EAS上已经部署好的模型，指定对应访问Endpoint和token，注册成为MaxCompute远端模型，从而直接使用AI Function调用模型。
内部训练模型	支持用户使用MaxCompute Maxframe进行传统机器学习模型训练，执行 to_odps_model将其保存成为MaxCompute内部训练模型。
导入模型	实际业务场景中，内置公共模型可能无法完全满足业务需求，支持用户将微调模型导入至MaxCompute，在后续推理中使用。

用户可以在MaxCompute产品控制台随时查看公共模型和用户模型信息。

MaxCompute SQL AI 实践示例

MaxCompute 提供了基于SQL语言的 SQL AI Function，支持指定 MaxCompute 模型对象进行推理调用，包括内置提供的公共大语言模型，用户导入模型及远程模型，让SQL开发者可以用熟悉的SQL语言轻松驾驭大模型！

示例 1：一句话问答，快速获取信息

调用 MaxCompute 内置的轻量级公共模型 Qwen3-0.6B-GGUF，直接生成答案：

SET odps.sql.using.public.model=true;
SELECT AI_GENERATE(
  bigdata_public_modelset.default.Qwen3-0.6B-GGUF,
  DEFAULT_VERSION,
  'What is the capital of China?'
);

返回结果：

"The capital of China is **Beijing**."

示例 2：批量情感分析，洞察用户声音

使用更强的 Qwen3-1.7B-GGUF 模型，对多条用户评论自动进行情感分类（仅输出“正面”“负面”或“中性”）：

SET odps.sql.using.public.model=true;
SELECT 
    prompt,
    AI_GENERATE(
        bigdata_public_modelset.default.Qwen3-1.7B-GGUF,
        DEFAULT_VERSION,
        CONCAT('请对以下评论进行情感分析分类，输出结果仅限于以下三个选项之一：正面、负面、中性。待分析的评论:', prompt)
    ) AS generated_text
FROM (
    VALUES 
        ('今天天气真好，心情很不错！阳光明媚，适合出去散步。 /no_think'),
        ('今天天气真好，心情很不错！阳光明媚 /no_think'),
        ('科技发展日新月异，人工智能改变生活。 /no_think'),
        ('疫情防控措施很到位，为医护人员点赞！ /no_think'),
        ('这个商品质量很差 /no_think')
) t (prompt);

返回结果：

prompt	generated_text
今天天气真好，心情很不错！阳光明媚，适合出去散步…	正面
今天天气真好，心情很不错！阳光明媚	正面
科技发展日新月异，人工智能改变生活。	正面
疫情防控措施很到位，为医护人员点赞！	正面
这个商品质量很差	负面