GPU原生，认知驱动：星环科技面向AI Agents的新一代AI数据库|gpu|sql|云服务|星环|索引

企业AI正在从大模型问答迈向AI Agents。与一次提示、一次响应的大语言模型应用不同，AI Agents会围绕目标持续执行“推理—行动—观察—修正”的多轮循环，反复访问数据、检索知识、调用工具并更新任务状态。数据处理与知识召回的任何等待，都会在长链路、多并发调用中被持续放大。

星环科技GPU原生认知数据库（Transwarp Cognitive Database）以GPU为中心重构数据库计算架构，将SQL数据库、知识库与记忆系统融为一体，统一支撑数据分析、知识检索、可信上下文供给和持久化记忆；同时，星环科技将推出认知数据库云服务，通过Data Factory提供高性能数据与知识服务，通过Token Factory提升企业级AI推理效率，降低AI原生应用与AI Agents规模化落地的成本与门槛。

一、为什么数据库需要同时面向GPU与AI Agents重构？

为什么要用GPU重构数据库？

在传统AI架构中，GPU主要承担模型推理，CPU侧数据库和工具系统负责数据查询、复杂分析、文档处理与调用执行。

随着AI Agents进入高频、多轮、并发运行阶段，传统CPU通常仅具备数十至百级通用计算核心，内存带宽约为100—400GB/s，有限的并行计算与数据吞吐能力，以及CPU内存与GPU显存之间频繁的数据搬运带来的时延，正在成为端到端响应链路中的关键瓶颈。

GPU拥有上万个并行计算核心和TB/s的高带宽显存，更适合大规模数据扫描、复杂聚合、文档解析和向量计算等高并行负载。将数据库计算从CPU中心转向GPU中心，可以充分释放并行计算与高带宽优势，显著提升数据处理吞吐和响应效率，为AI Agents提供更快速的数据与知识供给。

GPU原生并非在传统数据库上叠加局部加速组件，而是以GPU为中心重构数据库的计算与数据访问架构，将SQL分析、文档解析、向量索引、知识召回等高并行计算交由GPU执行，使数据处理与模型推理在统一的GPU加速体系中协同运行。

同时，通过GIDS（GPU-Initiated Direct Storage）等技术，由GPU直接发起存储访问，绕过CPU与主机内存，减少数据中转、内存拷贝和I/O等待，进一步缩短从数据读取、处理和检索到模型推理的端到端链路。

为什么要为AI Agents重构数据库？

传统数据库主要面向人工查询和业务系统，而AI Agents正在成为新的数据使用者。它们会在任务执行过程中持续访问数据、检索知识、调用工具，数据库也需要从一次性返回查询结果，转向持续支撑Agent分析、判断与行动。

首先，Agent需要更快获得数据。数百个Agent并发运行，单个任务又可能连续发起数百次调用，任何一次查询或检索的等待，都会被放大为整体响应时延。

其次，Agent需要的不只是一次查询结果，而是完整、可信的业务上下文。企业事实、文档知识、语义信息和关联关系分散在不同系统中，只有统一组织和协同检索，才能帮助Agent更准确地理解问题、形成判断。

最后，Agent需要延续历史。用户偏好、任务进度、已有结论和交互记录需要被持续保存并准确召回，避免每次任务都从头开始，保障跨任务、跨会话的连续执行。

因此，面向AI Agents，数据库不能只负责高性能存储和查询数据，还要进一步支撑知识组织、上下文供给与长期记忆，成为Agent持续分析、判断和执行的认知基础设施。

二、星环科技GPU原生认知数据库：围绕AI Agents设计的一体化认知底座

星环科技GPU原生认知数据库面向AI Agents工作负载设计，在统一底座上融合SQL分析、知识检索、记忆与上下文管理能力，为高性能在线分析、RAG多模型混合检索、机器学习加速分析与会话上下文记忆提供统一支撑。

五项技术突破，重构面向AI Agents的认知数据底座

1、GPU加速结构化数据SQL分析，不仅更快，而且更省

在TPC-DS SF1000（1TB）测试中，星环科技GPU原生认知数据库完成完整99项查询任务，性能达到开源CPU数据库（DuckDB）的70倍；数据加载、Power测试、吞吐测试与数据维护等环节均获得数十倍至百倍级提升。更高的计算性能意味着，面对数百个AI Agents并发调用和复杂任务中的连续数据访问，数据库可以更快完成分析与检索，减少Agent等待数据的时间，提升整体响应和任务执行效率。

与Snowflake、Databricks不同规格配置对比，性能最高提升66倍，性价比最高提升14倍。当同等任务能够以更短时间、更少计算资源完成，更高的计算效率最终转化为更低的单位任务成本，让企业能够以更优的资源投入支撑更大规模的Agent应用。

2、GPU加速文档处理与知识召回，让AI更快获得可信上下文

基于星环科技COSMIC文档解析服务，在OmniDocBench所覆盖的复杂文档上（1651页PDF，10种文档类型，5种布局，5种语言，10万条精细注释），文档解析性能提升10倍。GPU向量索引进一步加速知识入库和召回，索引构建性能最高提升近50倍，检索吞吐最高提升238倍，让RAG与AI推理能够更快获得所需上下文。

在国产算力适配方面，认知数据库已完成海光DCU单卡与多卡优化，向量索引构建由天级缩短至分钟级，检索性能相比CPU最高提升58倍，并实现线性的多卡扩展。

3、显存利用率提升20倍，充分释放每一张GPU的效能

通过数据卸载和索引搜索优化，星环GPU索引可将大部分数据索引卸载至内存或SSD，显存消耗降低至约5%，实现20倍索引容量放大；即使将95%的计算相关数据卸载到内存或SSD，搜索吞吐仍可达到传统CPU索引的12倍。系统支持全显存、内存卸载和SSD卸载三种模式热切换。

支持全显存、内存卸载和SSD卸载三种搜索模式热切换，可根据数据规模、性能要求与成本预算灵活调整资源配置，在保障业务响应效率的同时，提高GPU资源利用率，降低大规模数据检索的基础设施成本。

4、记忆能力双冠军，让AI Agents越用越懂业务

星环科技认知数据库在BEAM 500K长程情景记忆与LongMemEval-S长对话记忆两项基准测试中整体准确率分别达到79.6%和92.8%，均超过主流开源记忆系统。

在长程事件排序、知识更新和信息提取等关键能力上，为AI Agents持续学习业务上下文、更新认知并跨会话执行任务提供支撑。

5、自然语言驱动，贯通数据开发、治理、分析与报告生成

星环科技认知数据库将自然语言交互内生于数据底座，通过理解业务意图并自动编排数据任务，将用户需求直接转化为可执行的数据工作流，贯通数据开发、数据治理、查询分析与报告生成全过程。业务人员无需掌握复杂工具和专业语法，即可直接调用企业数据能力，显著缩短从需求提出到结果交付的周期。

三、真实场景验证，GPU原生加速价值看得见

复杂企业知识问答：加速知识入库、检索与推理全链路，提升准确率

OfficeQA Pro包含近百年美国财政部公报的近万页宏观经济文档、2600万个数值、133项复杂企业文档推理任务和246个复杂问题。

星环科技GPU原生认知数据库将包含OCR的文档解析与知识入库性能提升约10倍、数据检索性能提升约20倍、单题端到端AI推理性能提升约6倍，最终准确率达到79.3%，超过业内领先大模型。

金融量化因子回测：更快验证策略与发现Alpha机会

智能投研涉及多源数据扫描、因子计算、历史回测、参数搜索和策略验证，往往需要反复执行大规模计算。在不同测试任务中，星环科技GPU原生认知数据库相较CPU方案最高实现5881倍性能提升。更短的因子计算、参数优化和历史回测周期，使研究人员能够在同一时间窗口内验证更多策略与假设，更快捕捉市场机会。

信贷全链路经营与风险分析：更快审批、更早识别风险变化

信贷业务分析需要贯通客户、授信、用信、还款及风险变化等全链路信息，并支持持续追问与多维钻取。星环科技GPU原生认知数据库加速资产质量分析、动态风险归因和信贷决策再分析，并支持持续追问与多维交互分析，在4.8亿条明细数据规模下，整体性能提升449倍，加速全链路数据分析，帮助客户更快看清业务全貌、定位风险变化并形成决策。

四、从Data Factory到Token Factory，推出认知数据库云服务

此外，星环科技同步将推出认知数据库云服务，整体包括Data Factory与Token Factory两类服务，从数据与知识处理到模型推理，以低成本高性能提升企业AI运行效率。