随着 AI Agent 应用的加速落地，企业数据正从单一类型演变为图片、视频、文档与结构化数据、向量数据相互交织的多模态形态。如何在一套统一的存储底座上高效管理这些海量异构数据，成为企业拥抱 AI 时代的关键挑战。
5月20日，在阿里云云峰会上，对象存储 OSS 正式推出 Table Bucket（表格桶）。这是继对象桶（Object Bucket）、向量桶（Vector Bucket）之后，OSS 面向 AI 时代推出的全新存储桶类型，专为海量结构化数据管理而设计。至此，OSS 形成了对象桶 + 向量桶 + 表格桶的完整产品家族，成为 AI Agent 时代覆盖非结构化数据、向量数据与结构化数据的多模态统一存储底座。
根据介绍，OSS Table Bucket 在 OSS 存储底座之上原生集成 Apache Iceberg 表语义，将对象存储低成本、海量扩展的优势与传统数仓高性能、强事务的能力融为一体。在 500 张表并发写入场景下，数据写入 TPS 可达自建 Iceberg 方案的 10 倍以上，同时内置自动小文件合并、过期快照清理、孤儿文件移除等存储层维护机制，无需占用用户的计算资源，彻底将企业从繁琐的数据湖运维中解放出来。
值得关注的是，OSS Table Bucket 全面兼容 Apache Iceberg REST Catalog API，现有使用 Iceberg 的数据湖作业和分析工具无需任何代码改造，即可直接迁移接入，最大限度保护企业既有技术投资。Spark、Flink、Trino 等主流计算引擎均可直接读写同一份表数据，数据格式基于开放标准，彻底避免厂商锁定。
在流式数据场景下，阿里云云消息队列 Kafka 版已与 OSS Table Bucket 完成深度打通，数据可直接从 Kafka 写入 Table Bucket，无需部署任何外部计算任务，依托 Exactly-once 语义保障数据零丢失、零重复，大幅简化实时数据入湖的架构复杂度和运维成本。
Table Bucket 的发布，也让 OSS 三桶协同的一体化能力得以完整呈现。以 AI 训练场景为例，海量原始图片、视频存放于对象桶，Embedding 向量索引构建于向量桶，训练样本的标注信息与版本元数据由 Table Bucket 统一管理，三者共享同一套账号、权限、计费与审计体系，一份数据无需跨服务搬运，即可覆盖存储、检索、分析的全链路需求，为 AI Agent 的高效运转提供坚实的数据底座支撑。
据了解，OSS 向量桶自发布以来已吸引大量 AI 原生企业接入，覆盖智能检索、RAG 知识库、AIGC 数字资产管理等典型场景。某大型游戏公司基于 OSS 向量桶，将亿级 AIGC 素材的语义检索效率提升 10 倍，运营成本降低 90%。
Table Bucket 的加入，进一步补齐了结构化数据管理的能力拼图，让 OSS 的多模态数据底座更加完整。目前，OSS Table Bucket 已在中国、新加坡、法兰克福三个地域开启内测，企业用户可点击「阅读原文」了解产品详情并申请内测资格。
未来，阿里云 OSS 还将持续引入面向 AI 应用的新一代湖格式 Lance，提供原生多模态表格存储与混合检索能力，不断夯实 OSS 在 AI 原生数据存储管理领域的技术领先优势，助力企业在 AI Agent 时代实现数据资产的高效管理与价值挖掘。