Репортаж от Wedoany，Китайская компания Transwarp представила GPU-ориентированную когнитивную базу данных (Transwarp Cognitive Database), объединяющую SQL-базу данных, базу знаний и систему памяти. Решение предназначено для обеспечения AI-агентов (интеллектуальных агентов) единой поддержкой данных, знаний и памяти, снижая затраты и барьеры для масштабного внедрения нативных AI-приложений.
Корпоративный AI эволюционирует от взаимодействия с большими языковыми моделями к AI-агентам. В отличие от традиционных больших языковых моделей, дающих одноразовый ответ, AI-агенты выполняют непрерывный многоцикловый процесс «рассуждение — действие — наблюдение — коррекция», многократно обращаясь к данным, извлекая знания, вызывая инструменты и обновляя статус задач. Transwarp отмечает, что традиционная архитектура CPU имеет лишь десятки или сотни универсальных вычислительных ядер с пропускной способностью памяти около 100–400 ГБ/с. При обработке высокочастотных, многоцикловых и параллельных задач передача данных между CPU и GPU становится ключевым узким местом. Перестройка архитектуры вычислений базы данных на основе GPU позволяет использовать десятки тысяч параллельных ядер и высокоскоростную видеопамять с пропускной способностью ТБ/с для выполнения высокопараллельных нагрузок, таких как масштабное сканирование данных, сложные агрегации, анализ документов и векторные вычисления. Одновременно технология GPU-Initiated Direct Storage (GIDS) позволяет GPU напрямую инициировать доступ к хранилищу, сокращая промежуточную передачу данных и копирование памяти.
База данных достигла пяти технологических прорывов. Первый: ускорение анализа структурированных данных с помощью GPU. В тесте TPC-DS SF1000 выполнено 99 запросов, производительность в 70 раз выше, чем у открытой CPU-базы данных DuckDB; по сравнению со Snowflake и Databricks производительность увеличена до 66 раз, а соотношение цена/производительность — до 14 раз. Второй: ускорение обработки документов и извлечения знаний с помощью GPU. На основе сервиса анализа документов COSMIC производительность обработки сложных документов OmniDocBench увеличена в 10 раз; скорость построения векторных индексов на GPU увеличена до 50 раз, а пропускная способность поиска — до 238 раз. В адаптации к отечественным вычислительным мощностям выполнена оптимизация для Hygon DCU: построение векторных индексов сокращено с дней до минут, а производительность поиска увеличена до 58 раз по сравнению с CPU. Третий: повышение эффективности использования видеопамяти в 20 раз. Благодаря оптимизации выгрузки данных и поиска по индексам потребление видеопамяти снижено до ~5%; даже при выгрузке 95% вычислительных данных в память или SSD пропускная способность поиска в 12 раз выше, чем у традиционных CPU-индексов. Четвертый: точность памяти в тестах долгосрочной контекстной памяти BEAM 500K и долгосрочной диалоговой памяти LongMemEval-S достигла 79,6% и 92,8% соответственно. Пятый: поддержка управления на естественном языке, автоматическое преобразование пользовательских запросов в исполняемые рабочие процессы данных, охватывающие весь цикл разработки, управления, анализа и генерации отчетов.
В реальных сценариях тестирование OfficeQA Pro по сложным корпоративным вопросам и ответам, включающее почти 10 000 страниц документов Бюллетеня Министерства финансов США за почти столетие и 133 задачи рассуждения, показало повышение сквозной производительности AI-рассуждений примерно в 6 раз, с точностью 79,3%. В бэктестинге финансовых количественных факторов производительность увеличена до 5881 раза по сравнению с CPU-решением. В анализе полного цикла кредитования и рисков, при работе с 480 миллионами записей, общая производительность увеличена в 449 раз.
Кроме того, Transwarp запустит облачный сервис когнитивной базы данных, включающий Data Factory и Token Factory. Data Factory обеспечивает повышение производительности более чем в 10 раз при тех же затратах, поддерживая одномиграционную миграцию из облачных баз данных, таких как Snowflake и Databricks. Token Factory увеличивает пропускную способность ввода в 10 раз, а вывода — на 20–80%, повышая эффективность корпоративных AI-рассуждений.
Примечание: данные о производительности и оценках в статье основаны на внутренних тестах Transwarp и открытых бенчмарках; фактические показатели зависят от конфигурации программного и аппаратного обеспечения, объема данных и методов тестирования.
