De acordo com pt.wedoany.com-A PhoenixAI Inc. (anteriormente CelerData) anunciou o recebimento de US$ 80 milhões em novos financiamentos para impulsionar o desenvolvimento de seu banco de dados nativo de inteligência artificial e expandir a governança para setores regulamentados. Esta rodada Série B foi liderada pela Sky9 Capital, com participação da Atypical Ventures, Olive Technology Ventures e investidores anteriores.
À medida que os agentes de inteligência artificial passam do planejamento e prototipagem para a produção, seus padrões de aplicação evoluíram da experimentação para a implantação em larga escala. Grandes quantidades de agentes de IA enviam milhares de consultas por segundo aos bancos de dados, sobrecarregando as pilhas de dados modernas. A PhoenixAI construiu um banco de dados analítico pronto para agentes de IA, projetado para atender a esta era de agentes e às crescentes demandas das empresas. Bancos de dados transacionais processam operações individuais, como inserir linhas, atualizar saldos de contas e registrar pedidos. Eles registram uma coisa de forma confiável e atômica por vez, com dados persistentes e altamente normalizados. Os agentes têm dificuldades aqui, pois esses formatos de dados são otimizados para operações estreitas, enquanto os agentes lidam com casos de uso conversacionais e não estruturados, típicos do pensamento humano, como "Quais são os dez principais clientes com maior crescimento de receita, por linha de produto, nos últimos 90 dias?" — uma questão analítica que exige percorrer várias tabelas e escanear milhões de linhas de dados.
Bancos de dados analíticos podem armazenar e processar consultas complexas em conjuntos massivos de dados. Eles escaneiam bilhões de linhas, realizam agregações, junções e sumarizações, mas sacrificam a velocidade de gravação pela velocidade de leitura. Representantes neste campo incluem Snowflake Inc., ClickHouse Inc., Apache Druid, Google BigQuery e a PhoenixAI. Bancos de dados analíticos não substituem os transacionais; ambos coexistem. Os transacionais servem como sistema de registro, atuando como fonte de dados verdadeira; enquanto os analíticos fornecem um sistema de insights para o mundo dos agentes. A PhoenixAI não pretende substituir os sistemas ERP da Oracle ou SAP das empresas, mas sim construir uma camada sobre eles para torná-los mais inteligentes, permitindo que os agentes de IA ajam e pensem mais rapidamente.
A PhoenixAI afirma ter reestruturado seu banco de dados analítico para enfrentar a era dos agentes de IA, especialmente para lidar com milhares de clusters de agentes em busca de informações. O presidente Rick Underwood afirmou que a maioria dos bancos de dados analíticos existentes foi projetada para um mundo que já não existe mais, onde humanos executavam painéis em tabelas planas e a complexidade era problema de outros. Quando milhares de agentes precisam consultar, raciocinar e agir simultaneamente em dados em tempo real na escala de petabytes — qualquer pergunta, simples ou complexa — o banco de dados é ou um gargalo ou um avanço. A PhoenixAI alega alcançar latência de submilissegundos e alta concorrência em dados em tempo real, permitindo que múltiplos agentes consultem simultaneamente. Isso permite que os agentes ingiram dados rapidamente enquanto eles são atualizados em grandes escalas — sem mais espera, bloqueios ou gargalos. A empresa chama essa forma de "sem pipeline", onde dados frescos do Kafka (uma plataforma de streaming de eventos de código aberto para desacoplar pipelines de dados) fluem continuamente, atualizando informações em segundos, não em minutos ou horas.
Outros grandes players no mercado de bancos de dados analíticos também estão avançando em funcionalidades relacionadas. A Snowflake acabou de lançar seus próprios recursos de agente. A Databricks Inc. está impulsionando a tempo real através do Delta Live Tables. O ClickHouse Cloud aumentou significativamente a capacidade de concorrência. Uma corrida para consolidar a categoria de mercado de "banco de dados para agentes" e construir a camada de infraestrutura de dados está em andamento, que alimentará este futuro voraz de IA. Neste futuro, as consultas não dependem apenas de qual linha do banco de dados verificar, mas também de como a análise interage com as informações.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
