Akwizycje

Zakup Firebolt zapewnia MongoDB silnik o niskich opóźnieniach dla agentów AI

Evan Mercer
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyMongoDB dąży do wyeliminowania opłaty za przenoszenie danych, która oddziela bieżące…
Zobacz więcej
  • MongoDB dąży do wyeliminowania opłaty za przenoszenie danych, która oddziela bieżące dane operacyjne od szybkich decyzji aplikacyjnych.
  • Silnik Firebolt już obsługuje analitykę skierowaną do klientów w ponad bilionie wierszy w skali petabajtów.
  • Automatyczna synchronizacja między MongoDB i Firebolt pozostaje nieukończoną pracą integracyjną przed planowanym wdrożeniem.

MongoDB ogłosiło 17 listopada 2026 r., że przejęło Firebolt, dodając do swojej platformy Intelligent Data Platform silnik analityczny czasu rzeczywistego dla aplikacji i agentów AI, które muszą działać na podstawie aktualnych danych operacyjnych.

Przejęcie łączy platformę danych operacyjnych MongoDB z analityczną bazą danych Firebolt, zaprojektowaną z myślą o zapytaniach o niskich opóźnieniach i aplikacjach o dużej współbieżności. MongoDB planuje uruchomić silnik Firebolt równolegle ze swoją bazą danych i automatycznie synchronizować oba systemy, dzięki czemu klienci nie będą musieli tworzyć ani obsługiwać osobnego potoku integracyjnego.

Silnik Firebolt i jego zastosowanie produkcyjne

Według MongoDB firma Similarweb używa Firebolt do złożonej analityki skierowanej do klientów, obejmującej ponad bilion wierszy w skali petabajtów. Dynamiczne zapytania są realizowane w czasie poniżej sekundy, bez rozbudowanej agregacji wstępnej. To wdrożenie pokazuje w praktyce, jak wyglądają obciążenia o dużej współbieżności i skierowane do klientów, na których koncentruje się przejęcie.

Dyrektor techniczny Firebolt, Mosha Pasumansky, powiedział, że automatyczne rozbijanie na kolumny pozwala zachować „zalety kolumnowego przechowywania danych i przetwarzania wektorowego” w przypadku złożonych, elastycznych schematów, w tym takich, jakie natywnie obsługuje model dokumentowy MongoDB. Silnik zaprojektowano również z myślą o analityce zapewniającej niskie opóźnienia i obsługę dużej liczby zapytań dotyczących często zmieniających się danych przechowywanych w magazynie obiektowym.

Analityka czasu rzeczywistego rozszerzy możliwości platformy Intelligent Data Platform, która już łączy dane operacyjne, wyszukiwanie i wyszukiwanie wektorowe, modele Voyage AI, przetwarzanie strumieniowe oraz narzędzia do tworzenia i uruchamiania agentów w środowisku produkcyjnym. MongoDB planuje również w przyszłości umożliwić klientom analizowanie danych z innych źródeł i w innych formatach, obok danych z MongoDB.

Dane operacyjne i obciążenia agentów AI

Uzasadnienie MongoDB dotyczy utrzymującego się od dawna podziału między operacyjnymi bazami danych, które obsługują aplikacje, a hurtowniami danych, które analizują historyczną aktywność. Analityka na potrzeby aplikacji ma inne wymagania: złożone zapytania dotyczące dużych zbiorów danych, aktualne dane, odpowiedzi w czasie poniżej sekundy oraz wystarczającą współbieżność, by obsługiwać usługi działające na żywo.

Według MongoDB agenci AI podnoszą poprzeczkę, ponieważ działają bez przerwy, mogą generować tysiące równoległych zapytań i potrzebują szybkich odpowiedzi opartych na aktualnych danych. Decyzje podejmowane przez aplikacje mogą obejmować zmianę trasy przesyłki, by ominąć opóźnienie, ponowne zamówienie zapasów, zanim półki opustoszeją, oraz wykrycie nietypowej aktywności płatniczej, zanim transakcja zostanie rozliczona.

Przeniesienie danych operacyjnych do osobnego systemu analitycznego może wymagać od organizacji budowy potoków danych, utrzymywania synchronizacji systemów i obsługi kolejnej platformy. MongoDB nazywa wynikające z tego koszty infrastruktury, złożoność i ryzyko otrzymywania nieaktualnych odpowiedzi „podatkiem od przenoszenia danych”, który rośnie wraz ze wzrostem liczby decyzji podejmowanych przez agentów.

Wdrażanie i ciągłość obsługi klientów

Firebolt i analityka czasu rzeczywistego nie zastępują tradycyjnych hurtowni danych ani jezior danych. Zgodnie z sekcją FAQ MongoDB systemy te nadal sprawdzają się w wewnętrznej analityce biznesowej, raportowaniu i analizie danych, natomiast nowe rozwiązanie odpowiada na potrzeby analityki na potrzeby aplikacji.

MongoDB podaje, że około 75% firm z listy Fortune 100 powierza mu aplikacje wymagające wysokiego poziomu bezpieczeństwa, trwałości i dostępności, a firma zamierza zastosować to samo podejście operacyjne w analityce czasu rzeczywistego. W przypadku takich obciążeń awaria może zakłócić obsługę klienta lub zatrzymać agenta w trakcie podejmowania decyzji, a nie tylko opóźnić sporządzenie raportu.

Zgodnie z sekcją FAQ MongoDB dotychczasowi klienci Firebolt mogą nadal korzystać z produktu, zachowując ten sam zakres wsparcia i usług. Zespoły obu firm już współpracują nad integracją.

MongoDB spodziewa się, że w nadchodzących miesiącach klienci będą mogli włączyć analitykę czasu rzeczywistego dla swoich danych w MongoDB. Zainteresowani użytkownicy mogą zapisać się na listę oczekujących, by znaleźć się w gronie pierwszych osób, które wypróbują tę funkcję.

Znaczenie tej transakcji dla klientów MongoDB ma wymiar architektoniczny: oznacza mniej systemów między zmianą danych operacyjnych a decyzją aplikacji lub agenta. Firebolt już obsługuje wdrożenie produkcyjne na dużą skalę, ale automatyczna synchronizacja z MongoDB, niezbędna do połączenia obu rozwiązań, wciąż wymaga prac integracyjnych przed planowanym wdrożeniem.

Evan Mercer jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się startupami AI, kapitałem ryzyka i dynamiką finansowania kształtującą kolejną generację firm technologicznych. Jego relacje koncentrują się na innowacjach we wczesnym etapie, przepływach kapitału oraz strategicznych decyzjach, które podejmują założyciele i inwestorzy, gdy firmy AI rozwijają się od koncepcji do globalnego wpływu.

Ze strategicznej i analitycznej perspektywy Evan bada rundy finansowania, pozycjonowanie rynkowe oraz pojawiające się trendy w ekosystemie startupów AI. Śledzi, jak kapitał ryzyka, inwestycje korporacyjne i rynki publiczne krzyżują się z przełomami w sztucznej inteligencji, odróżniając trwałe sygnały od krótkotrwałego szumu.

Artykuły autorstwa Evana Mercera są generowane przez SI i recenzowane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, kontekst i odpowiedzialne relacjonowanie globalnego krajobrazu inwestycji w AI