先划几个重点：把完整的数据库功能搬到GPU上跑，这可不是在沙发上挪个位置那么简单，工程难度堪称地狱级——存储引擎、查询优化器、事务管理，哪一个模块都得从头重写。
7月17日，星环科技在上海世界人工智能大会（WAIC）上正式发布了GPU原生认知数据库预览版。这个产品把数据库的完整功能整体迁移到了GPU上运行，等于是把数据库底层的计算架构彻底重构了一遍。
星环科技创始人孙元浩的说法很直接：星环科技是目前全球唯一做到将完整数据库功能在GPU上运行的公司，领先国际竞争对手一代。在TPC-DS基准测试中，用多卡GPU跑1TB数据集的99个复杂查询，只需要几秒钟；而传统的CPU方案，少说也要几十秒，长则几百秒。
这个产品从立项到拿出预览版，大约花了一年半时间。目前已经开放了客户测试申请，正式版预计今年年底前上线。
为什么选在这个时间点发布？背景很明确——企业级AI应用正在从大模型问答转向AI Agent。Agent在执行任务时会持续调用数据、检索知识，单次任务可能发起数百次数据访问。传统CPU数据库面对这种高并发负载，计算核心和内存带宽都捉襟见肘，更麻烦的是，数据在CPU和GPU之间来回搬运，时延问题非常突出。
一位数据库行业人士也印证了这一点：把完整数据库功能迁移到GPU，工程难度极高，存储引擎、查询优化器、事务管理都得全面重写。
GPU的优势在于，它拥有万级并行计算单元和数TB/s级的高带宽显存。星环科技的方案，等于把数据库整体搬到了GPU上，让数据分析计算和模型推理在同一个显存里完成，彻底绕开了跨芯片的数据搬运。孙元浩解释，这一架构变化也改变了传统CPU-GPU 1:1配比的需求，GPU空闲算力可以被充分利用起来。
除了计算架构的变化，这个新产品还把知识检索、上下文供给和长期记忆管理都纳入了同一个数据库底座。孙元浩将其定义为“认知数据库”，它不只记录结构化数据，还能理解文档内容、自动建立关联。据称，系统记忆准确率超过90%，在BEAM 500K和LongMemEval-S基准测试中，表现超过了主流开源记忆系统。
在GPU加速数据库这个方向上，Snowflake和Databricks也在探索。孙元浩的评价是：国际公司尝试的时间更长，但只是实现了局部加速，加速比平均只有1.5倍左右。问题是，GPU比CPU贵两三倍，拿1.5倍的加速去换，经济账完全算不过来。
从客户反馈来看，对GPU原生数据库最积极的行业集中在金融、制造、零售和交通。在本次WAIC展会上，星环科技展示了浦发银&行、天津能源投资集团等客户的案例。以信贷全链路分析为例，面对4.8亿条明细数据，GPU原生数据库在特定场景下实现了449倍的性能提升；在智能投研场景中，性能提升范围覆盖了30倍到5881倍。
不过，性能数据是一回事，能不能转化成商业收入又是另一回事。星环科技近年财报显示公司尚未盈利，企业级基础软件的拓展受限于客户预算周期。GPU原生数据库的定价策略、与现有产品的兼容迁移方案、以及从试用到采购的转化率，将决定这个产品能否成为新的增长点。
在产品矩阵方面，星环科技同时展示了大模型运营平台Sophon LLMOps、智能体开发平台AgentBox、智能数据平台XClaw和数据治理平台Astro，覆盖从语料治理到智能办公的完整链路。但孙元浩强调，公司核心仍然是数据基础软件，数据库和大数据平台是主业。
最后聊一下算力成本。孙元浩认为，虽然Token单价在下降，但企业实际使用中的总成本仍然很高。他判断，未来两三年硬件会有革命性变化，软件层面也在重构，必须通过软硬件联合创新持续降低推理成本，企业才能真正大规模用得起AI。
