過(guò)去兩年中，數(shù)據(jù)平臺(tái)領(lǐng)域出現(xiàn)了前所未有的投資浪潮。Databricks、Snowflake、Salesforce等公司已投入數(shù)十億美元收購(gòu)數(shù)據(jù)庫(kù)和治理技術(shù)。這種支出并非偶然，而是一個(gè)明確的信號(hào)。

我們已經(jīng)告別了單一系統(tǒng)贏者通吃的時(shí)代。幾十年來(lái)，企業(yè)數(shù)據(jù)棧通過(guò)為交易、分析、治理和AI實(shí)驗(yàn)添加專門化平臺(tái)而不斷擴(kuò)展。當(dāng)工作負(fù)載可預(yù)測(cè)且按時(shí)間和功能分離時(shí)，這種方法是有效的。

智能體AI改變了這一切。智能體打破了傳統(tǒng)工作負(fù)載的邊界。它們?cè)谕还ぷ髁鞒讨袑?duì)實(shí)時(shí)企業(yè)數(shù)據(jù)進(jìn)行檢索、分析、決策和執(zhí)行。

企業(yè)現(xiàn)在需要一個(gè)AI和數(shù)據(jù)憲章。一個(gè)主權(quán)基礎(chǔ)，在這里分析、運(yùn)營(yíng)和AI通過(guò)設(shè)計(jì)共同治理。在這個(gè)時(shí)代，贏家不會(huì)是那些擁有單一最佳能力的公司，而是那些安全地融合能力并作為統(tǒng)一主權(quán)平臺(tái)運(yùn)營(yíng)的公司。

融合不能建立在碎片化基礎(chǔ)上

許多以分析為主的平臺(tái)現(xiàn)在正在向下游發(fā)展，添加或收購(gòu)運(yùn)營(yíng)數(shù)據(jù)庫(kù)能力來(lái)完善智能體圖景。但這種"附加式融合"可能引入摩擦：

系統(tǒng)間數(shù)據(jù)重復(fù)

數(shù)據(jù)倉(cāng)庫(kù)和運(yùn)營(yíng)存儲(chǔ)之間的數(shù)據(jù)往返傳輸

不可預(yù)測(cè)的延遲

碎片化治理

失控的Token和計(jì)算成本

這很重要，因?yàn)橹悄荏w會(huì)放大低效性。每一秒的額外延遲都會(huì)在多步驟工作流程中復(fù)合。每個(gè)重復(fù)系統(tǒng)都會(huì)增加治理負(fù)擔(dān)和運(yùn)營(yíng)風(fēng)險(xiǎn)。

融合現(xiàn)在是規(guī)?；那疤釛l件，通過(guò)將復(fù)雜性折疊到單一主權(quán)基礎(chǔ)中來(lái)實(shí)現(xiàn)。

復(fù)興時(shí)刻：平臺(tái)必須適應(yīng)所有場(chǎng)景

下一代平臺(tái)必須不僅僅是數(shù)據(jù)倉(cāng)庫(kù)、不僅僅是交易引擎、也不僅僅是AI工具鏈。在智能體時(shí)代，基礎(chǔ)設(shè)施必須同時(shí)支持三個(gè)領(lǐng)域：

運(yùn)營(yíng)執(zhí)行

高并發(fā)分析

AI推理和編排

孤立地優(yōu)化一種工作負(fù)載不再有效。持久的融合從運(yùn)營(yíng)信任層開始，向上擴(kuò)展到分析和AI原生工作負(fù)載。它不能在事后拼接。

這正是Postgres發(fā)展的方向：不僅僅是一個(gè)交易數(shù)據(jù)庫(kù)，而是運(yùn)營(yíng)執(zhí)行、高并發(fā)分析和對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行AI推理的統(tǒng)一治理基礎(chǔ)。

GPU加速分析將智能體執(zhí)行帶到更接近數(shù)據(jù)的地方

下一個(gè)前沿是GPU優(yōu)先的分析執(zhí)行。正如IDC研究總監(jiān)Devin Pratt最近指出的：

"智能體工作力的到來(lái)要求重新思考數(shù)據(jù)架構(gòu)。為了保持相關(guān)性，企業(yè)需要減少碎片化平臺(tái)間可能阻礙進(jìn)展的數(shù)據(jù)往返傳輸。由NVIDIA AI和加速計(jì)算驅(qū)動(dòng)的EDB Postgres AI定位為高速度、企業(yè)就緒的基礎(chǔ)，用于大規(guī)模運(yùn)營(yíng)這些智能體系統(tǒng)，目標(biāo)是幫助組織為下一個(gè)自主工作時(shí)代做準(zhǔn)備。"

通過(guò)與由NVIDIA cuDF加速的Apache Spark集成，EDB的分析引擎可以將分析工作負(fù)載卸載到GPU，實(shí)現(xiàn)：

在多TB數(shù)據(jù)集上實(shí)現(xiàn)高達(dá)50-100倍的更快分析

基于GPU的工作負(fù)載隔離以保護(hù)運(yùn)營(yíng)查詢性能

通過(guò)Apache Iceberg支持湖倉(cāng)架構(gòu)和治理能力

這使得智能體能夠在數(shù)秒而不是數(shù)小時(shí)內(nèi)查詢和綜合TB級(jí)數(shù)據(jù)，支持對(duì)話式分析、實(shí)時(shí)決策和多智能體編排，無(wú)需在數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)湖之間重復(fù)數(shù)據(jù)，用戶也無(wú)需離開Postgres。

主權(quán)基礎(chǔ)設(shè)施將定義AI平臺(tái)贏家

智能體AI競(jìng)賽不再是關(guān)于分析更多數(shù)據(jù)，而是關(guān)于使AI系統(tǒng)能夠安全且可預(yù)測(cè)地對(duì)企業(yè)數(shù)據(jù)采取行動(dòng)。

你不能在汽車達(dá)到最高速度后再給它加剎車。治理、主權(quán)、工作負(fù)載隔離和可審計(jì)性必須從一開始就內(nèi)置到系統(tǒng)中。在智能體時(shí)代，融合就是架構(gòu)。主權(quán)就是控制。而基礎(chǔ)設(shè)施將決定贏家。

Q&A

Q1：什么是智能體AI？它如何改變企業(yè)數(shù)據(jù)處理方式？

A：智能體AI是能夠檢索、分析、決策和執(zhí)行的AI系統(tǒng)，它們?cè)谕还ぷ髁鞒讨袑?duì)實(shí)時(shí)企業(yè)數(shù)據(jù)進(jìn)行操作，打破了傳統(tǒng)工作負(fù)載的邊界，改變了企業(yè)需要獨(dú)立系統(tǒng)處理不同功能的模式。

Q2：GPU加速分析能夠帶來(lái)什么具體優(yōu)勢(shì)？

A：GPU加速分析通過(guò)將分析工作負(fù)載卸載到GPU，能夠在多TB數(shù)據(jù)集上實(shí)現(xiàn)50-100倍的分析速度提升，同時(shí)提供工作負(fù)載隔離保護(hù)和湖倉(cāng)架構(gòu)支持，讓智能體能在數(shù)秒內(nèi)處理TB級(jí)數(shù)據(jù)。

Q3：為什么說(shuō)融合不能建立在碎片化基礎(chǔ)上？

A：因?yàn)樗槠瘯?huì)導(dǎo)致系統(tǒng)間數(shù)據(jù)重復(fù)、數(shù)據(jù)往返傳輸、不可預(yù)測(cè)延遲和碎片化治理等問(wèn)題，而智能體會(huì)放大這些低效性，每秒延遲都會(huì)在多步驟工作流中復(fù)合，增加治理負(fù)擔(dān)和運(yùn)營(yíng)風(fēng)險(xiǎn)。