wiadomości o firmie Sztuczna inteligencja agentowa wymusza konwergencję analityki i operacji

Dzisiejsze przedsiębiorstwa wymagają ujednoliconej sztucznej inteligencji i struktury danych: suwerennej, zintegrowanej podstawy, w której analityka, podstawowe operacje na danych i inicjatywy związane ze sztuczną inteligencją są zarządzane spójnie z założenia. W tej nowej erze liderów rynku nie będzie już definiować jedna, najlepsza w swojej klasie, samodzielna funkcja. Zamiast tego zwycięstwo będzie należeć do tych organizacji, które w bezpieczny sposób połączą międzyfunkcyjne możliwości, rozbiją wewnętrzne silosy i będą działać jako jedna zunifikowana, suwerenna platforma danych i sztucznej inteligencji.

Konwergencji nie można budować na fragmentacji

Wiele platform zorientowanych na analitykę obecnie pędzi w dół, dodając lub nabywając operacyjną bazę danych

możliwości uzupełnienia obrazu agenta. Ale ta „zbieżność przez przywiązanie” może wprowadzić tarcie:

• Zduplikowane dane w różnych systemach

• Ping-pong danych pomiędzy magazynami i sklepami operacyjnymi

• Nieprzewidywalne opóźnienie

• Rozdrobnione zarządzanie

• Uciekający token i koszty obliczeniowe

Ma to znaczenie, ponieważ środki wzmacniają nieefektywność. Każda dodatkowa sekunda opóźnień w trybie wieloetapowym

przepływy pracy. Każdy zduplikowany system zwiększa obciążenie związane z zarządzaniem i ryzyko operacyjne.

Konwergencja jest obecnie warunkiem wstępnym skali, którą można osiągnąć poprzez połączenie złożoności w jedną suwerenną całość

fundacja.

Moment renesansu: platformy muszą być na każdą porę roku

Platformy nowej generacji muszą być czymś więcej niż magazynem, czymś więcej niż silnikiem transakcyjnym i

więcej niż zestaw narzędzi AI. W epoce agentycznej infrastruktura musi obsługiwać trzy domeny jednocześnie:

• Wykonanie operacyjne

• Analityka o dużej współbieżności

• Rozumowanie i orkiestracja AI

Optymalizacja dla jednego obciążenia w izolacji już nie działa. Trwała konwergencja zaczyna się od etapu operacyjnego

warstwę zaufania i rozciąga się w górę na obciążenia analityczne i natywne AI. Nie da się tego przykręcić po fakcie.

To jest kierunek, w jakim Postgres ewoluuje: nie tylko transakcyjna baza danych, ale ujednolicona, zarządzana

podstawa realizacji operacyjnej, analityki o dużej współbieżności i rozumowania AI na podstawie bieżących danych.

Analityka przyspieszana przez procesor graficzny przybliża wykonywanie agentów do danych

Kolejną granicą jest wykonywanie analiz w pierwszej kolejności za pomocą procesora GPU. Jak niedawno zauważył Devin Pratt, dyrektor ds. badań w IDC:

„Pojawienie się agentycznej siły roboczej wymaga ponownego przemyślenia architektury danych. Aby zachować aktualność, przedsiębiorstwa

konieczne jest ograniczenie ping-ponga danych na fragmentarycznych platformach, który może zahamować postęp. EDB Postgres AI,

zasilany sztuczną inteligencją NVIDIA i przyspieszonym przetwarzaniem, jest pozycjonowany jako szybki i gotowy do zastosowania w przedsiębiorstwach

podstawę do obsługi tych systemów agentowych na dużą skalę, a jej celem jest pomoc organizacjom w przygotowaniu się

następna era autonomicznej pracy.”

Dzięki integracji z Apache Spark akcelerowanej przez NVIDIA cuDF silnik analityczny EDB może odciążyć

obciążenia analityczne do procesorów graficznych, umożliwiając:

• Do 50–100 razy szybsza analiza wieloterabajtowych zbiorów danych

• Izolacja obciążenia oparta na procesorze graficznym w celu ochrony wydajności zapytań operacyjnych

• Obsługa architektur Lakehouse i możliwości zarządzania za pośrednictwem Apache Iceberg

Umożliwia to agentom wysyłanie zapytań i syntezę terabajtów danych w ciągu kilku sekund, a nie godzin

analityka konwersacyjna, podejmowanie decyzji w czasie rzeczywistym i orkiestracja wielu agentów bez duplikowania danych

przez magazyny i jeziora, bez konieczności opuszczania Postgres przez użytkownika.

Suwerenna infrastruktura wyłoni zwycięzców platformy AI