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。