星环科技以GPU原生开启AI数据库新时代

史上规模最大的WAIC 2026成为AI从业者的狂欢盛宴，当AI技术的热度持续攀升时，背后的数据基础设施也迎来了广泛关注。

连续九年亮相WAIC的星环科技，作为企业级AI Infra领域的核心服务商，在此次展会上全面展示了面向Agentic AI时代的新一代AI基础设施全栈能力，而其中最受瞩目的，莫过于其重磅推出的GPU原生认知数据库预览版。这款产品的亮相，不仅是星环科技在AI数据库领域交出的一份亮眼答卷，更为企业构建AI Agent数据底座、推动行业数据基础设施革新，提供了极具参考价值的全新路径。

星环科技创始人&CEO 孙元浩

01

Agentic AI时代，数据库需要一次重构

步入Agentic AI时代，数据库的使用场景与核心用户发生了根本性转变，使用者从传统的人工操作，变为海量自主Agent。这些自主Agent在接收任务后，能够自主完成规划、推理、执行、观察与修正，在此过程中，会持续高频次调用数据库、各类工具及外部知识，直至任务圆满完成。

不难发现，Agent系统运转的快慢、好坏取决于模型能力、推理效率以及数据就绪情况。随着AI技术、算力建设的快速发展，数据成为AI落地过程中更为突出的瓶颈。例如，能否为Agent提供全面、及时的上下文信息，能否从企业海量的结构化、非结构化数据中快速检索到精准信息，都会直接影响Agent的落地效果与实际价值。

针对这一行业痛点，星环科技创始人&CEO孙元浩指出，Agentic AI时代对数据库提出了五大全新要求：一是支持结构化与非结构化数据的统一处理；二是支持语义搜索与知识高效召回；三是支持超高频次的调用需求；四是支持Agent的持久化记忆管理；五是支持极低延迟与高吞吐的访问能力。

然而，传统的数据库体系早已无法适配这些新需求，AI技术的发展正驱动数据架构加速变革，业内对于一款好用、适配的AI数据库的呼声也越来越高。

目前，AI数据库尚未形成统一的行业定义，各大厂商均在积极探索布局：有的在原有数据库产品基础上增加向量插件，有的重点优化多模数据处理能力，还有的实现了混合搜索功能，但这些都只是局部优化，未能从根本上解决问题。

事实上，数据库的核心价值，一方面是支撑好上层应用的各类需求，另一方面则是充分挖掘底层硬件资源的潜力。而AI数据库的演进，正是由上层应用需求与底层硬件供给双轮驱动的。星环科技立足供需两端深入调研后发现，Agentic AI时代，越来越多的性能瓶颈集中出现在CPU侧。

传统数据库均围绕CPU架构设计，其计算能力存在明显局限，难以支撑高并发、高并行的AI数据负载。更关键的是，从当前Agentic AI的推理链路来看，大模型运行在GPU之上，而大量的数据库操作、向量检索、文档解析等数据处理工作，仍停留在CPU端运行。CPU与GPU之间存在着难以逾越的性能鸿沟——CPU通常仅有数十到数百个核心，内存带宽约为100GB/s至400GB/s；而GPU拥有上万个计算核心，显存带宽已达到1.6TB/s至8TB/s，且仍在持续提升。

这种算力不匹配的问题，直接导致了Agent系统运转的低效。当Agent完成一次推理后，需要等待CPU完成数据处理，再继续下一轮推理，形成了GPU等待CPU的局面。

孙元浩用一个生动的比喻道出了其中关键，运行在GPU之上的AI推理已经进入“飞机时代”，而运行在CPU之上的数据库却仍然停留在“步行时代”，如果做数据准备的数据库无法跟上AI推理速度，就会严重拖累整个Agent系统的效率。

由此可见，数据库如果在原有架构基础上修修补补，已经无法满足Agentic AI时代的新需求，AI数据库需要一次以GPU为核心的彻底重构。“Agentic AI时代的数据库必须从CPU架构迁移到GPU架构。”孙元浩说。

AI数据库，也许是时候考虑更换算力底座了。

02

重构算力底座，以GPU为核心打造认知数据库

在WAIC 2026期间，星环科技发布了面向AI Agents的新一代GPU原生认知数据库预览版本。这款产品重新设计了数据库架构，以GPU原生架构统一支撑数据分析、知识检索、长期记忆与可信上下文供给，在提升性能与性价比的同时，减少系统拼接，降低使用门槛，帮助企业更快构建真正可落地、可持续演进的Agent应用。

具体来看，星环科技认知数据库具备四大核心能力，并在多项行业基准测试中取得突破性成绩：

其一，GPU原生加速，实现端到端链路优化：与市面上部分仅针对个别算子进行GPU加速的产品不同，星环科技认知数据库重新设计了数据库架构，采用GPU原生架构设计，将非结构化数据处理、SQL分析、向量检索、图计算等核心能力全部迁移到GPU运行环境，并与Agent共享同一套高速计算资源，由GPU直接发起存储访问，无需额外进行数据传输，从根本上加速了端到端推理链路。

在SQL分析方面，在TPC-DS 1TB标准测试中，其认知数据库实现了完整99项查询任务测试，相比开源CPU数据库DuckDB获得70倍性能提升。与国际主流云数据库相比，性能最高达到66倍，性价比最高达到14倍。

在非结构化数据处理方面，该认知数据库构建了COSMIC GPU文档解析引擎，在OmniDocBench测试中，文档解析吞吐量达到每秒30至100页，相比业内主流方案提升约10至50倍。同时，在向量索引方面，该认知数据库支持基于cuVS的多种GPU向量索引算法，实现索引构建速度最高50倍提升、向量检索吞吐量最高238倍提升。在知识入库、知识召回和上下文构建的效率获得数量级提升。

此外，为了最大化利用GPU显存资源，该认知数据库通过数据卸载与索引优化技术，力求榨干每一张GPU性能。在BioASQ基准测试中，通过将95%的索引数据存放在内存/SSD中，仅保留关键索引驻留显存，最终以5%的显存消耗实现超过12倍的性能提升、20倍的索引数据规模提升。

其二，多类型知识检索，简化企业数据栈：星环科技认知数据库支持多模态知识识别，解析、语义提取和统一存储；同时，支持关系型、向量、图、时序等多模型数据统一存储管理和融合检索。通过一个底座统一纳管，替代多套系统拼接，简化数据栈。

以前企业应用AI需要构建RAG知识库，往往会用到多套数据库，而认知数据库一套系统全部搞定，还能做到更低成本、更高的性能。

其三，可扩展上下文记忆，让Agent越用越懂：基于自研分布式文件系统，在认知数据库中构建了持久化记忆系统CogMemory，支持多类型记忆持续沉淀，并通过GPU加速实现低延迟检索与精准召回，让Agent跨会话延续理解，越用越懂。

CogMemory在两项国际主流记忆基准测试中取得突破：LongMemEval-S获得92.8%准确率，BEAM获得79.6%准确率，均排名第一。

其四，自然语言数据分析，降低开发与使用门槛：支持自然语言交互，并兼容SQL、Python与RESTful APl，可自动识别用户意图，用户只需要使用自然语言即可完成：数据接入、数据清洗、数据治理、数据质量管理、数据分析、报告生成的全栈数据工作流程，降低数据分析与应用开发门槛，助力企业进入自主分析时代。

针对部分用户“GPU单价高于CPU，替换后成本是否会增加”的疑惑，星环科技给出了明确答案，虽然GPU的单价高于CPU，但当性能提升达到数十倍甚至数百倍时，企业完成同等任务所需的时间更短、占用的资源更少，单位计算成本会被大幅摊薄，最终实现“性能更强、TCO总拥有成本更低”的效果。

“认知数据库并不只是一个更快的数据库，它是一套面向AI Agent设计的认知基础设施。”孙元浩强调，以GPU重构后的认知数据库，让知识入库、知识召回和上下文构建的效率实现了数量级提升，为AI Agent的落地应用筑牢了数据与认知基础。

目前，这款认知数据库已在真实场景中得到了价值验证。比如，在金融量化投资场景中，实现因子回测最高5881倍加速。在银行实时风控场景中，完成了4.8亿条明细数据的亚秒级分析响应，充分彰显了其在复杂场景下的实用价值。

03

小结：GPU原生开启AI数据库新时代

当前，全球AI Infra赛道迎来新一轮爆发，Databricks、Snowflake、星环科技等头部厂商纷纷布局，共同推进面向AI Agents的数据底座建设。与行业多数玩家对传统数据库进行“AI化改造”不同，星环科技选择了一条更具颠覆性、也更难的路径：彻底重构，将数据库算力底座从CPU换到GPU，让数据库从“步行时代”跃迁至与AI推理同频的“飞机时代”。

随着AI从“能聊天”走向“能办事”，推动数据基础设施变革已迫在眉睫。在AI数据库这片“无人区”里，目前没有形成行业共识，也没有标准答案。星环科技推出的GPU原生认知数据库，是一次对底层架构的大胆重构，其优异的性能表现已在真实场景中得到初步验证，这无疑为行业发展提供了一种值得关注的新思路，也或将就此开启AI数据库的全新时代。