现代数据平台在查询性能调优和系统性价比方面面临挑战，尤其是随着代理（agentic）工作负载的增加。随着数据量、多样性和速度不断增长，且查询由代理自动生成，手动查询优化已变得不切实际。BigQuery 已演变为代理人工智能时代的主要引擎，专注于自主查询处理。其分离式存储与计算架构、无服务器处理以及细粒度计算管理共同实现了最优的性价比。关键创新包括具备基于历史优化（History-Based Optimizations, HBO）的自学习引擎，该引擎能够从过去的查询执行中学习，并在无需用户干预的情况下自动应用有益的优化。该系统包含安全护栏以防止性能回退，拒绝那些无法提升性能的优化。先进的运行时增强了向量化能力并实施了短查询优化，加速符合条件的查询并减少槽位使用。这些改进一致地适用于不同的数据格式，包括开放湖仓架构。流式扩展增强了自动伸缩能力，实现计算资源的按秒计费，从而降低成本。这些自主能力对于数据平台的未来至关重要，因为 AI 代理所需的查询延迟和并发度远高于人类用户。BigQuery 的目标是自动且安全地优化查询，使用户能够专注于提供更优质的体验，而非手动进行基础设施管理和查询优化。