GPU原生，認知驅動：星環科技面向AI Agents的新一代AI數據庫

隨著企業人工智慧應用從大型語言模型的單次問答，逐步邁向具備自主行動能力的AI Agents，數據處理與知識回取的效率成為決定整體成效的關鍵。不同於一次性提示與回應，AI Agents必須在「推理—行動—觀察—修正」的多輪循環中反覆存取數據、查閱知識與調用工具，任何環節的延遲都會在長鏈路與多併發場景中被持續放大。為了解決這一系列挑戰，星環科技宣布推出GPU原生認知數據庫（Transwarp Cognitive Database），以GPU為核心重新設計數據庫運算架構，並將SQL數據庫、知識庫與記憶系統整合為一體，提供數據分析、知識檢索、可信上下文供給與持久化記憶的統一基礎。同時，星環科技也預告將推出認知數據庫雲服務，透過Data Factory與Token Factory兩大服務，進一步降低企業AI原生應用與AI Agents規模化落地的成本與門檻。 在傳統AI部署架構中，GPU主要負責模型推論，而數據查詢、複雜分析與文檔處理等任務則由CPU端的數據庫與工具系統承擔。然而，當AI Agents進入高頻、多輪且併發的運行階段，CPU僅有數十至上百個通用核心，記憶體頻寬約在100至400GB/s之間，有限的並行運算能力與數據吞吐量，加上CPU記憶體與GPU記憶體之間頻繁的資料搬運延遲，成為整體回應鏈路中最主要的瓶頸。相較之下，GPU擁有數萬個並行計算核心與TB/s等級的高頻寬記憶體，極適合大規模數據掃描、複雜彙總、文檔解析與向量運算等高平行負載。將數據庫運算從CPU中心轉向GPU中心，能充分釋放並行運算與高頻寬的優勢，大幅提升數據處理吞吐量與回應效率，為AI Agents提供更快速的數據與知識供給。 此外，AI Agents作為新的數據使用者，對數據庫提出了截然不同的需求。數百個Agent同時運行，單一任務可能連續發起數百次調用，任何一次查詢或檢索的等待都會被放大為整體回應延遲。Agent不僅需要快速的查詢結果，更必須取得完整且可信的業務上下文，包括分散在不同系統中的企業事實、文檔知識、語義資訊與關聯關係。同時，用戶偏好、任務進度與歷史交互紀錄必須被持續保存與準確召回，才能避免每次任務從零開始，實現跨會話的連續執行。因此，面向AI Agents的數據庫不能僅止於高效儲存與查詢，還需要進一步承擔知識組織、上下文供給與長期記憶的任務，成為Agent持續分析、判斷與執行的認知基礎設施。 星環科技的GPU原生認知數據庫正是針對這樣的工作負載設計，在統一的底座上融合了SQL分析、知識檢索、記憶與上下文管理能力，為高效能線上分析、RAG多模型混合檢索、機器學習加速分析與會話記憶提供一致性的支援。該數據庫在技術面上實現了多項突破。在結構化數據SQL分析方面，TPC-DS SF1000（1TB）測試中，星環科技GPU原生認知數據庫完成完整99項查詢任務，效能達到開源CPU數據庫（DuckDB）的70倍；在數據加載、Power測試、吞吐測試與維護環節也獲得數十倍至百倍級提升。與Snowflake、Databricks不同規格配置相比，效能最高提升66倍，性價比最高提升14倍，代表企業能用更少的資源支撐更大規模的Agent應用。 在文檔處理與知識召回方面，基於星環科技COSMIC文檔解析服務，在OmniDocBench涵蓋的複雜文檔測試中（1651頁PDF、10種文檔類型、5種佈局、5種語言、10萬條精細註釋），文檔解析效能提升10倍。GPU向量索引更進一步加速知識入庫與召回，索引構建效能最高提升近50倍，檢索吞吐最高提升238倍，讓RAG與AI推論能更快取得所需上下文。在國產算力適配上，認知數據庫已完成海光DCU單卡與多卡優化，向量索引構建從天級縮短至分鐘級，檢索效能相比CPU最高提升58倍，並實現線性多卡擴展。 針對GPU資源利用效率，星環科技透過數據卸載與索引搜索優化，將大部分數據索引卸載至記憶體或SSD，使顯存消耗降低至約5%，達成20倍的索引容量放大；即使將95%的運算相關數據卸載到記憶體或SSD，搜索吞吐仍可達到傳統CPU索引的12倍。系統支援全顯存、記憶體卸載與SSD卸載三種模式熱切換，企業可根據數據規模、效能要求與成本預算靈活調整配置。在記憶能力方面，星環科技認知數據庫在BEAM 500K長程情景記憶與LongMemEval-S長對話記憶兩項基準測試中，整體準確率分別達到79.6%與92.8%，超越主流開源記憶系統，為AI Agents持續學習業務上下文、更新認知與跨會話執行任務提供有力支撐。 此外，該數據庫將自然語言交互內建於數據底座，能理解業務意圖並自動編排數據任務，貫通數據開發、治理、分析與報告生成全流程，讓業務人員無需掌握複雜工具即可直接調用企業數據能力，大幅縮短從需求提出到結果交付的週期。在真實場景驗證中，OfficeQA Pro測試（包含近百年美國財政部公報近萬頁文檔、2600萬個數值、133項複雜推理任務與246個問題）顯示，星環科技GPU原生認知數據庫將含OCR的文檔解析與知識入庫效能提升約10倍，數據檢索效能提升約20倍，單題端到端AI推理效能提升約6倍，最終準確率達到79.3%，超越業內領先大模型。 在金融量化因子回測領域，智能投研涉及多源數據掃描、因子計算、歷史回測與策略驗證，需要反覆執行大規模運算。星環科技GPU原生認知數據庫在不同測試任務中，相較CPU方案最高實現5881倍效能提升，讓研究人員能在同一時間窗口內驗證更多策略與假設。在信貸全鏈路經營與風險分析場景，該數據庫加速資產質量分析、動態風險歸因與信貸決策再分析，支援持續追問與多維交互分析；在4.8億條明細數據規模下，整體效能提升449倍，幫助金融機構更快看清業務全貌、定位風險變化。 因應企業對雲端部署的需求，星環科技同步推出認知數據庫雲服務，包含Data Factory與Token Factory兩大服務。Data Factory面向企業數據與知識管理，以認知數據庫即服務的方式支撐AI數據與知識工程、數據治理、分析、檢索與內容創作等場景，可在同等成本下實現10倍以上效能提升，支援Snowflake、Databricks等雲數據庫一鍵遷移以及S3對象存儲與本地檔案接入。Token Factory則提供運算資源調度、模型服務與Token服務，針對AI編程、AI辦公與智能開發工具等場景，可實現輸入吞吐提升10倍、輸出吞吐提升20%至80%，以更高推理效率與更低運行成本支撐企業級AI應用規模化落地。 從大模型問答到AI Agents的演進，數據基礎設施的責任已不再只是儲存與查詢，而是持續的數據分析、知識召回、上下文供給與記憶管理。星環科技GPU原生認知數據庫以GPU原生架構重新定義數據處理方式，並以知識與記憶能力重塑數據服務模式，為企業提供更快、更準、更及時的數據與認知支援，讓可落地、可擴展且可持續演進的AI Agents成為現實。GPU原生、認知驅動，面向AI Agents的新一代AI數據庫正逐步站上產業舞台中央。