来源:环球网
【环球网科技报道 记者 李文瑶】在上海2026年世界人工智能大会(WAIC)的星环科技展台上,工作人员给记者演示了这样的一组对比,同一组标准数据集,在业内知名云数据平台上运行需耗时6分多钟,而在星环科技最新发布的“GPU原生认知数据库”上,仅用了10秒就完成了全部任务——40倍的性能差距,让“快”这个字变得异常具象。
![]()
据了解,在今年大会上,星环科技发布面向AI Agents的新一代GPU原生认知数据库预览版本,并集中展示覆盖AI-Ready数据平台、大模型运营平台与企业级AI Agents的AI Infra全栈产品矩阵及最新行业实践。
在AI大模型热潮逐渐从“能聊天”走向“能办事”的2026年,星环科技创始人、CEO孙元浩在接受环球网记者采访时判断:数据库行业正站在一场产业变革的门槛上。而这场变革的起点,是彻底打破“CPU中心”的旧有架构,将数据库完整地搬上GPU。
从“人查询”到“Agent调用”,数据库遭遇性能墙
过去一年,企业部署AI的方式正在发生根本性变化。孙元浩观察到,很多企业最初只是把资料“堆”进大模型,让它做问答。但很快大家发现,真正的商业价值在于让AI变成一个能分析、会调用工具、有记忆、能执行任务的智能体(AI Agent)。
这给数据库带来了前所未有的压力。孙元浩解释说:“以前的数据库是为人工查询设计的,一次查询等几秒甚至几分钟,人可以接受。但现在,一个任务里Agent可能要反复调用数据几百次,形成推理循环,如果每次调用都要等几分钟,应用根本无法落地。”
更棘手的是传统架构的物理瓶颈。在典型的AI系统中,GPU负责模型推理,CPU负责数据查询和检索,两者通过PCIe接口频繁搬运数据。当数百个Agent高并发运行时,CPU有限的并行计算能力和内存带宽首先成为“卡脖子”环节。单颗CPU通常只有数百个计算核心和约400GB/s级的内存带宽,而GPU则拥有数以万计的并行计算单元和数TB/s级的高带宽显存。
“客户告诉我们,推理过程中的时间消耗,相当一部分花在了数据等待上。”孙元浩说,“这不是靠堆CPU就能解决的。必须从架构上重构。”
“全球唯一”的背后:一场抢跑三年的架构竞赛
星环科技此次发布的GPU原生认知数据库,核心突破在于将完整的数据库功能——包括SQL分析、向量检索、图计算、全文搜索等——全部迁移到GPU上运行。孙元浩称,这在全球范围内尚无第二家能做到。“包括Snowflake、Databricks这些国际头部公司,尝试的时间比我们更长,但他们的加速比平均只有1.5倍,没有经济性。因为GPU比CPU贵,1.5倍的性能提升没有意义。”
而星环科技给出的加速比是20倍到100倍。在TPC-DS SF1000和TPC-H SF1000基准测试中,星环科技GPU原生认知数据库分别完成99个和22个查询,测试通过率达到100%。相较主流开源数据库,TPC-DS性能提升70倍,TPC-H性能提升28倍。同等负载下,不只是更快,而且更省。在TPC-DS特定负载测试中,相较Snowflake、Databricks,星环科技GPU原生认知数据库性能提升66倍,性价比提升14倍。
这一差距是如何拉开的?孙元浩认为关键在于是否“完整迁移”而非“局部加速”。“如果只是把少数算子放到GPU上做协处理器,瓶颈还在数据传输和调度上。我们必须把整个执行引擎、存储管理、事务处理全部改写,让数据库的计算直接在GPU显存中完成,分析和检索结果直接进入后续推理,不再往返搬运。”
这是一场算力配比逻辑的颠覆。以往企业部署AI系统,CPU和GPU的配比大约是1:1,大量GPU在推理间隙处于空闲状态。而GPU原生数据库充分利用了GPU的空闲周期,使得企业可以在不增加硬件投入的情况下,大幅提升数据处理吞吐量。
从“存查”到“认知”:数据库角色的升维
性能提速只是第一步。在孙元浩的规划中,面向AI Agent的数据库,必须从“存储和查询数据的工具”升级为“支撑Agent持续认知与行动的基础设施”。
这催生了“认知数据库”的概念。传统的数据库只能理解行和列,而认知数据库需要理解数据的内容与含义。孙元浩举例说:“你可以把所有文档、碎片化的只言片语都扔进去,数据库会自动结合行业知识,帮你整理、分类、建立关联。当大模型提问时,数据库给出的不是一堆相关文档,而是最精准的答案。”
这背后是对多模态数据处理能力的极高要求。一个完整的业务上下文,往往分散在表格、文本、图谱、音视频等不同介质中。如果企业为每种数据类型单独采购一套数据库,不仅成本高昂,Agent在调用时还需要在不同系统间切换,延迟和复杂度都会急剧上升。
星环科技的选择是“一体化”路线——用一套数据库引擎统一支撑关系型、向量、图、全文、文档等多种模型。“集约化架构的总体拥有成本更低,性能更好。”孙元浩说,“AI时代,跑一个进程就要调多个数据库,每个都要付费的时代过去了。”
应用落地:金融、制造先行,安全与成本仍是考题
任何技术变革的最终检验标准都是场景。从星环科技目前的客户反馈来看,金融机构和金融科技公司是最积极的尝鲜者。信贷全链路风险分析、高频交易反欺诈、智能投研策略回测——这些对响应速度和决策时效要求极高的场景,是GPU原生数据库最擅长的领域。在某一信贷分析场景中,性能提升达到惊人的449倍。
制造业和零售业的需求同样旺盛。前者需要处理大量非结构化图纸、设备日志和传感器数据,后者则希望实时分析客户行为以实现精准营销。“还有一个特别典型的场景是AI编程,”孙元浩说,“程序员用AI写代码时,AI可能会尝试删除电脑里的文件。我们的安全沙箱功能会拦截这类高危动作,给它设定边界。”
安全,是AI治理中无法回避的议题。在孙元浩看来,AI数据安全至少有两层含义:一是防止AI泄露训练数据中的敏感信息,二是防止AI在执行任务时越权操作。星环科技的产品策略是提供严格的访问控制,甚至精细到文档段落级别,同时通过“沙箱”机制隔离风险行为。
成本则是另一道门槛。尽管算力和Token价格在下降,但企业全面拥抱AI Agent的代价依然高昂。“写个PPT可能要消耗几亿个Token,”孙元浩坦言,“必须进一步降低推理成本。”这不仅是硬件迭代的任务,更是软件重构的机会。他表示,星环科技在GPU重构数据库之后,还有未发布的原创创新,目标是“进一步提高吞吐量,再降一个数量级的成本”。
全球竞争格局:弯道超车的窗口期
在国际赛道上,星环科技并非孤例。Snowflake、Databricks等美国云数据平台巨头也都在调整产品方向,试图适应AI Agent时代的需求。但孙元浩认为,中国公司在这一轮架构切换中拿到了“先手”。
“我们比他们领先一代。”他直言,“他们尝试了好几年,没有做出来,我们率先突破了。”这种自信源于对技术路线的不同选择。当国际巨头倾向于在现有CPU架构上做优化、通过收购拼装不同数据引擎时,星环科技选择了一条更激进但也更彻底的路径——用GPU重构一切。
从WAIC的展台出发,星环科技给了行业一个观察窗口:当AI Agent从概念走向大规模生产,数据基础设施的“换底工程”才刚刚开始。谁能在性能、成本、认知能力三个维度同时取得突破,谁就有可能在这场全球竞赛中占据牌桌中心。
孙元浩也给出了自己的时间规划表:2026年底,新一代GPU原生认知数据库正式版上线;未来两三年,软硬件协同创新将带来更革命性的变化。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.