de.wedoany.com-Bericht: PhoenixAI Inc. (ehemals CelerData) gab bekannt, dass es 80 Millionen US-Dollar an neuer Finanzierung erhalten hat, um die Entwicklung seiner KI-nativen Datenbank voranzutreiben und die Governance in regulierten Branchen auszuweiten. Diese Serie-B-Finanzierungsrunde wurde von Sky9 Capital angeführt, mit Beteiligung von Atypical Ventures, Olive Technology Ventures sowie bestehenden Investoren.
Da KI-Agenten von der Planungs- und Prototypenphase in die Produktion übergehen, hat sich ihr Anwendungsmuster von Experimenten hin zur großflächigen Bereitstellung verlagert. Eine große Anzahl von KI-Agenten sendet jede Sekunde Tausende von Abfragen an die Datenbank, und der moderne Daten-Stack ist überlastet. PhoenixAI hat eine analysebereite Datenbank für agentenorientierte KI entwickelt, die den Anforderungen dieser Ära der Agenten und den wachsenden Bedürfnissen von Unternehmen gerecht werden soll. Transaktionsdatenbanken verarbeiten einzelne Operationen wie das Einfügen von Zeilen, das Aktualisieren von Kontoständen und das Aufzeichnen von Bestellungen. Sie zeichnen zuverlässig und atomar eine Sache auf, mit Dauerhaftigkeit und hochgradig normalisierten Daten. Agenten haben hier Schwierigkeiten, da diese Datenformate für enge Operationen optimiert sind, während Agenten mit unstrukturierten, dialogbasierten Anwendungsfällen umgehen, die menschlichem Denken entsprechen, wie z. B. „Welche sind unsere zehn umsatzstärksten Kunden der letzten 90 Tage, aufgeschlüsselt nach Produktlinie?" – eine analytische Frage, die das Durchsuchen mehrerer Tabellen und das Scannen von Millionen von Zeilen erfordert.
Analytische Datenbanken können komplexe Abfragen über riesige Datensätze speichern und verarbeiten. Sie scannen Milliarden von Zeilen, führen Aggregationen, Verknüpfungen und Zusammenfassungen durch, opfern jedoch Schreibgeschwindigkeit zugunsten von Lesegeschwindigkeit. Vertreter dieses Bereichs sind Snowflake Inc., ClickHouse Inc., Apache Druid, Google BigQuery und PhoenixAI. Analytische Datenbanken ersetzen keine Transaktionsdatenbanken; beide existieren parallel. Transaktionsdatenbanken dienen als Aufzeichnungssystem und fungieren als Quelle der Wahrheit; analytische Datenbanken hingegen bieten dem Agenten-Universum ein Erkenntnissystem. PhoenixAI ersetzt nicht die Oracle- oder SAP-ERP-Systeme von Unternehmen, sondern baut eine Schicht darüber, die sie intelligenter macht, damit KI-Agenten schneller handeln und denken können.
PhoenixAI gibt an, seine analytische Datenbank neu architekturiert zu haben, um der Ära der KI-Agenten gerecht zu werden, insbesondere der Verarbeitung von Tausenden von Agenten-Clustern, die nach Informationen suchen. Präsident Rick Underwood erklärte, dass die meisten bestehenden analytischen Datenbanken für eine Welt entwickelt wurden, die es nicht mehr gibt – eine Welt, in der Menschen Dashboards auf flachen Tabellen ausführen und Komplexität das Problem anderer war. Wenn Tausende von Agenten gleichzeitig auf Petabyte-großen Echtzeitdaten abfragen, schlussfolgern und handeln müssen – bei jeder Frage, ob einfach oder komplex –, wird die Datenbank entweder zum Engpass oder zum Durchbruch. PhoenixAI behauptet, subsekundenlange Latenz und hohe Parallelität bei Echtzeitdaten zu erreichen, sodass mehrere Agenten gleichzeitig abfragen können. Dies ermöglicht es Agenten, Daten schnell aufzunehmen, während sie über große Maßstäbe hinweg aktualisiert werden – kein Warten, Blockieren oder Engpässe mehr. Das Unternehmen bezeichnet diese Form als „pipeline-los", bei der frische Daten von Kafka (einer Open-Source-Event-Streaming-Plattform zur Entkopplung von Datenpipelines) kontinuierlich einfließen und Informationen innerhalb von Sekunden statt Minuten oder Stunden aktualisieren.
Andere Hauptakteure im Markt für analytische Datenbanken treiben ebenfalls entsprechende Funktionen voran. Snowflake hat gerade eigene Agentenfunktionen eingeführt. Databricks Inc. treibt die Echtzeitfähigkeit mit Delta Live Tables voran. ClickHouse Cloud hat die Parallelitätsfähigkeit deutlich verbessert. Ein Wettlauf um die Festigung der Marktkategorie „Agenten-Datenbank" und den Aufbau einer Infrastruktur-Datenschicht ist im Gange, die diese gierige KI-Zukunft nähren wird. In dieser Zukunft hängt eine Abfrage nicht nur davon ab, welche Datenbankzeile überprüft wird, sondern auch davon, wie die Analyse mit Informationen interagiert.
Dieser Artikel wurde von Wedoany übersetzt und bearbeitet. Bei jeglicher Zitierung oder Nutzung durch künstliche Intelligenz (KI) ist die Quellenangabe „Wedoany“ zwingend vorgeschrieben. Sollten Urheberrechtsverletzungen oder andere Probleme vorliegen, bitten wir Sie, uns unverzüglich zu benachrichtigen. Wir werden den entsprechenden Inhalt umgehend anpassen oder löschen.
E-Mail: news@wedoany.com
