多くの分析優先プラットフォームが現在、ダウンスタックで競い合い、運用データベースを追加または取得しています
エージェントの全体像を完成させる機能。しかし、この「愛着による収束」は摩擦を引き起こす可能性があります。
システム間でデータが重複する
倉庫と営業店舗間のデータピンポン
予測できない遅延
断片化されたガバナンス
暴走するトークンとコンピューティングのコスト
エージェントは非効率性を増幅させるため、これは重要です。レイテンシが 1 秒増えるごとにマルチステップ全体で増加します
ワークフロー。システムが重複するたびに、ガバナンスの負担と運用リスクが増大します。
コンバージェンスはスケールの前提条件となっており、複雑さを単一の主権のあるものに集約することで達成されます。
財団。
次世代のプラットフォームは単なる倉庫やトランザクション エンジン以上のものでなければなりません。
AI ツールチェーン以上のもの。エージェント時代では、インフラストラクチャは 3 つのドメインを同時にサポートする必要があります。
業務執行
同時実行性の高い分析
AI の推論とオーケストレーション
1 つのワークロードを個別に最適化することはできなくなりました。耐久性のあるコンバージェンスは運用段階から始まります
トラスト層にまで拡張され、分析と AI ネイティブのワークロードにまで拡張されます。後からボルトで固定することはできません。
これは、Postgres が進化している方向性です。単なるトランザクション データベースではなく、統合され、管理されたデータベースです。
運用の実行、同時実行性の高い分析、ライブ データに対する AI 推論の基盤。
次のフロンティアは、GPU ファーストの分析実行です。 IDC のリサーチディレクターである Devin Pratt 氏は最近次のように述べています。
「エージェントのような労働力の到来により、データ アーキテクチャを再考する必要があります。企業は関連性を維持するために、
進捗を遅らせる可能性がある、断片化したプラットフォーム間でのデータのピンポンを減らす必要があります。 EDB Postgres AI、
NVIDIA AI とアクセラレーテッド コンピューティングを搭載し、高速でエンタープライズ対応のシステムとして位置付けられています。
これらのエージェント システムを大規模に運用するための基盤を構築し、組織の準備を支援することを目的としています。
自律的な仕事の次の時代。」
NVIDIA cuDF によって高速化された Apache Spark との統合により、EDB の分析エンジンの負荷を軽減できます。
分析ワークロードを GPU に転送することで、次のことが可能になります。
マルチテラバイトのデータセットで最大 50 ～ 100 倍高速な分析
GPU ベースのワークロード分離により、運用クエリのパフォーマンスを保護
Apache Iceberg によるレイクハウス アーキテクチャとガバナンス機能のサポート
これにより、エージェントは数時間ではなく数秒でテラバイト規模のデータのクエリと合成を行うことができ、サポートが可能になります。
データを複製することなく、会話分析、リアルタイムの意思決定、マルチエージェント オーケストレーションを実現します。
倉庫や湖を越えて、ユーザーが Postgres から離れる必要はありません。
コンタクトパーソン: Ms. Sandy Yang
電話番号: 13426366826
Japanese
