内容提要
MongoDB入选Gartner云操作型数据库管理系统魔力象限领导者。文章指出,AI代理使需求更波动,企业应关注每任务成本而非每token成本;将操作数据、向量搜索与重排序整合于同一平台可降本增效。MongoDB 9.0吞吐量提升最高20%,查询更快;Atlas Infinite可弹性扩展;Atlas Agent Engine支持代理开发治理;Voyage AI模型增强检索。数据平台是AI成功关键。
延伸解读
Gartner 拆分魔力象限,选型更聚焦操作型数据库
今年 Gartner 将原云数据库管理系统魔力象限拆分为操作型数据库与 Lakehouse 两份报告,因为两者的购买标准和决策者不同。对于需要运行应用和 AI 代理的企业,操作型数据库报告更贴合需求。Gartner 将云操作型 DBMS 定义为以 PaaS 交付、优化常规事务、写入和应用状态管理,并强调高并发、低延迟和事务保证的软件。这有助于读者理解该奖项的特定范畴,而非泛化的数据库能力。
AI 代理改变数据库需求:弹性与每任务成本优先
文章指出,AI 代理会发起数十次调用甚至衍生其他代理,使需求更波动,因此弹性比峰值吞吐量更重要。同时,控制 AI 支出应关注每任务成本,而非每 token 或每席位成本。将操作数据、向量搜索和重排序整合在同一平台,可在单一管道中完成过滤、检索和重排序,既省钱又提升结果。这提示企业在架构选型时,需评估平台对突发流量的吸收能力和端到端任务成本。
MongoDB 9.0 与 Atlas Infinite 针对代理时代优化
MongoDB 9.0 相比 8.0 事务工作负载吞吐量最高提升 20%,find-one 查询快 35%,update-one 快 30%,可在不增加基础设施或重构应用的情况下支撑更多用户和 AI 活动。Atlas Infinite 则针对需求持续、不可预测且极端的代理时代设计,能吸收流量突发,并在同一基础上从原型扩展到 PB 级。这些更新直接回应了代理带来的波动性和扩展性挑战,但具体收益仍取决于实际工作负载。
统一数据平台简化 AI 应用治理与检索
文章强调,团队直接在 MongoDB 智能数据平台上构建 AI 应用,而非治理分散组件。Atlas Agent Engine 支持开发者构建、部署和治理代理,提供持久记忆、上下文、内置护栏和状态管理,减少拼接自定义状态存储和管道的工作。Voyage AI 的嵌入和重排序模型与操作数据同处一地,使代理在单一管道中检索准确上下文。这反映了将操作数据与向量检索融合的趋势,可降低运维复杂度和延迟。
Q&A
MongoDB在2026年Gartner云操作型数据库管理系统魔力象限中获得了什么评价?
MongoDB入选领导者象限。文章认为这反映了MongoDB对数据平台的投入、产品实力以及超过7万客户(包括约75%的财富100强企业)的信任。
为什么Gartner将云数据库管理系统魔力象限拆分为操作型数据库和Lakehouse两个报告?
因为操作型数据库和Lakehouse的购买标准和决策者不同,拆分后能为选择运行应用和代理的数据库提供更有针对性的报告。
AI代理对操作型数据库提出了哪些新要求?
AI代理使需求更波动(可能发起数十次调用甚至生成其他代理),因此数据库需要弹性扩展以吸收峰值需求,保持上下文新鲜,并降低每任务成本。
企业控制AI支出应该关注什么成本指标?为什么?
应关注每任务成本,而非每token成本或每席位成本。目标是用对20万token而不是错用100万token。将操作数据、向量搜索和重排序整合在同一平台,可以在一个管道中过滤、检索和重排序,从而省钱并提升效果。
MongoDB 9.0在性能上有哪些提升?
相比MongoDB 8.0,事务工作负载吞吐量最高提升20%,find-one查询速度提升最高35%,update-one查询速度提升最高30%。这意味着在增加基础设施或重构应用前能支持更多用户、事务和AI活动。
Atlas Infinite和Atlas Agent Engine分别解决什么问题?
Atlas Infinite是MongoDB Atlas最大的架构创新,专为代理时代需求持续、不可预测且极端的场景设计,能吸收流量爆发并在同一基础上从原型扩展到PB级。Atlas Agent Engine让开发者构建、部署和治理具有持久记忆、上下文、内置护栏和状态管理的代理,无需拼接自定义状态存储、护栏和数据管道即可从原型走向生产。
Voyage AI模型如何增强AI代理的检索能力?
Voyage AI的嵌入模型和重排序器与操作数据一起运行,使代理在一个管道中检索准确上下文,而不是多个管道。近期发布包括Rerank 3系列、专为编码代理调优的检索模型voyage-code-4,以及Atlas Vector Search中的自动嵌入。