并购
Firebolt收购案为MongoDB带来面向AI智能体的低延迟引擎

要点MongoDB旨在消除将实时运营数据与快速应用决策分隔开的数据移动税。
查看更多
- MongoDB旨在消除将实时运营数据与快速应用决策分隔开的数据移动税。
- Firebolt的引擎已经在拍字节规模上处理超过一万亿行的面向客户的分析。
- MongoDB与Firebolt之间的自动同步在计划推出之前仍是未完成的集成工作。
MongoDB于2026年11月17日宣布已收购Firebolt,为其智能数据平台增添了一款实时分析引擎,服务于需要基于实时运营数据采取行动的应用和AI智能体。
此次收购将MongoDB的运营数据平台与Firebolt的分析型数据库结合起来。Firebolt的数据库专为低延迟查询和高并发应用而设计。MongoDB计划让Firebolt引擎与自家数据库协同运行,并自动保持两套系统同步,因此客户无需为这项集成另行构建或管理数据管道。
Firebolt引擎与生产环境中的应用
MongoDB表示,Similarweb使用Firebolt处理面向客户的复杂分析任务,涉及超过一万亿行、规模达PB级的数据;动态查询无需进行大规模预聚合,即可在亚秒级完成。此次部署展示了收购所针对的高并发、面向客户的工作负载在生产环境中的实际应用。
Firebolt首席技术官Mosha Pasumansky表示,自动列式拆解让复杂、灵活的架构也能保留“列式存储和向量化处理的优势”,其中包括MongoDB文档模型原生支持的那类架构。该引擎还专为对象存储中快速变化的数据设计,可支持低延迟、高查询速率的分析。
实时分析将扩展智能数据平台。该平台目前已整合运营数据、搜索与向量搜索、Voyage AI模型、流处理,以及用于构建智能体和在生产环境中运行智能体的工具。MongoDB还计划最终支持客户将其他来源和格式的数据与MongoDB数据一并分析。
运营数据与AI智能体工作负载
MongoDB提出这一方案的理由,针对的是长期以来运营数据库与数据仓库之间的分工:前者运行应用,后者分析历史活动。面向应用的分析有着不同的要求:对大型数据集执行复杂查询、使用新鲜数据、在亚秒内响应,并具备足够的并发能力来支持实时服务。
MongoDB表示,AI智能体进一步提高了这些要求,因为它们会持续采取行动,可能产生数千个并发查询,并且需要基于新鲜数据快速获得答案。目标应用包括:在货运延误时重新规划路线、在货架商品售罄前重新订购库存,以及在交易结算前标记异常支付活动。
将运营数据迁移到独立的分析系统,可能要求企业构建数据管道、保持系统同步并运营另一个平台。MongoDB将由此产生的基础设施成本、复杂性,以及答案因数据过时而失准的风险称为“数据迁移税”;随着智能体驱动更多决策,这项负担也会随之增加。
推出计划与客户服务延续
Firebolt和实时分析并非传统数据仓库或数据湖的替代品。MongoDB的常见问题解答指出,这些系统仍适用于内部商业智能、报告和数据科学,而新增功能针对的是面向应用的分析。
MongoDB表示,《财富》100强企业中约有75%信任其产品来运行对安全性、持久性和可用性要求很高的应用,并称公司计划将同样的运营方式应用于实时分析。在这类工作负载中,服务中断可能损害客户体验,或让智能体在决策过程中停滞,而不仅仅是延误报告。
根据MongoDB的常见问题解答,现有Firebolt客户可以继续使用该产品,并获得同样的支持和服务。两家公司的团队已经开始合作推进集成工作。
MongoDB预计,未来几个月内,客户就能为其MongoDB数据启用实时分析。有意尝试的用户可以加入候补名单,争取成为首批体验这项功能的用户。
这笔交易对MongoDB客户的意义在于架构层面:从运营数据发生变化,到应用或智能体据此作出决策,中间需要经过的系统更少。Firebolt已支持大规模生产部署,但要实现这种组合所需的MongoDB自动同步功能仍有待完成集成,这项工作将在计划中的推出之前进行。












