20 年前，EDB的最初创始人下了两个赌注：一是越来越多的人会想要使用 Postgres，二是越来越多的人会想要停止使用 Oracle。
这些赌注通常都获得了回报。多年来，Postgres的受欢迎程度一路飙升，EDB持续关注 Oracle 兼容性、定期为 PostgreSQL 社区项目做出重大贡献，以及开发用于在企业规模上运行 Postgres 的数据库工具，这些都使该公司得以实现持续增长。
EDB诞生已有20 年，Postgres 技术诞生已有近 30 年，行业经历了一些显著的变化，在这一切中，用户回归（或转向）使用 Postgres 来应对最复杂的数据挑战。
Postgres 的普及是一场胜利，但这不是终点。它是 EDB 继续创新、试验和提高 Postgres 可能性的催化剂。
现在我们又下了一个新的赌注，在这个赌注中，EDB 将重点解决三个新问题。
1. 系统和用户的激增：几十年来，不同的数据系统、技术、地理位置和用户的增加造成了越来越难以管理的碎片化格局。
2. 碎片化的数据系统使价值无法得到充分体现：同样庞大的数据资产蕴含着巨大的洞察潜力，但鉴于这些数据资产的管理开销巨大且十分复杂，其价值尚未得到实现。
3. 用户仍然需要付出很大努力才能完成工作：人工智能的出现表明，它有潜力让执行任务和为客户构建解决方案变得更加容易。没有意识到其价值，任何公司都会比你说“.com”更快陷入危险。
那么下一个大赌注是什么？
EDB 正在从一家 Postgres 数据库公司转型为一家 Postgres 数据和 AI 平台公司。此次扩张使公司能够利用我们的事务工作负载专业知识并提供满足客户不断变化的数据分析和智能生成需求的功能。开发人员喜欢使用 Postgres，EDB使他们能够随着用例的扩展而留在 Postgres 生态系统中。
EDB 正在利用EDB Postgres® AI 实现这一目标。
EDB Postgres AI：用于事务、分析和 AI 工作负载的智能平台
从根本上讲，EDB 仍然专注于事务性工作负载。它必须如此。事务性数据代表了我们的生活经历和社会互动的数字足迹。要深入了解用户与数字系统的交互，需要分析通过这些交互产生的数据。提供有助于开发知识、创造解决方案和应对日常生活挑战的技术，需要使用代表社会与自身互动的各种方式（包括积极和消极方式）的数据来训练模型。
从本质上讲，EDB将继续是一家构建 Postgres 的公司，提供在企业规模上运行 Postgres 的工具，现在也是一家构建 Postgres 生态系统的公司，该生态系统能够通过我们的客户及其用户寻求从其数据中获取价值的所有方式实现价值。
让我们开始讨论如何解决上述三个问题：
1. 无论您在何处运行 Postgres，都可以进行数据资产管理和智能可观察性。
EDB Postgres AI着手解决这一问题，通过提供一个资产管理平台，汇总自管理、云托管和第三方 Postgres 系统的代表性。管理员可以查看关键健康指标、与系统所有者合作解决问题，并访问类型、版本和区域等元数据以确保合规性。
展望未来，我们计划引入对非 Postgres 数据库系统的支持，提供生命周期管理功能以及点对点迁移等功能。
图片：EDB Postgres AI 登录视图
2. 在 Postgres 内部运行快速分析 – 而不会牺牲性能。
几年前，EDB对客户进行了调查，发现大约 60% 的客户将部分 Postgres 订阅部署用于分析用例。尽管人们普遍认为 Postgres 并未针对分析进行优化（事实并非如此），但这项调查更表明，我们的客户愿意在性能和规模上做出妥协，使分析更接近他们的交易系统，并通过 Postgres 界面执行这些分析用例。
我们正在消除这种妥协。EDB Postgres AI Lakehouse 功能使我们的客户能够通过标准 Postgres 接口运行他们的分析工作负载，同时 a) 不影响他们的运营工作负载，以及 b) 实现比传统 Postgres 系统更高的性能和规模。
在第一次迭代中，我们已经对 Lakehouse 进行了基准测试，与传统的 Postgres 系统相比，分析查询速度平均快 30 倍，磁盘表大小小 5 倍，存储成本效益高 18 倍。
展望未来，我们的最终目标是直接在 Postgres 集群本身上启用分析工作负载，并通过 HTAP 风格的架构提供更接近实时的分析体验。不久的将来还会有更多相关内容。
图片：EDB Postgres AI 概览
3.通过AI实现Postgres近乎无限的潜力。
随着人工智能的蓬勃发展，EDB 有机会利用人工智能增强客户的数据管理体验。我们在这方面的战略是双管齐下的 - 我们希望将人工智能引入 Postgres，并将 Postgres 引入人工智能。
前者，迁移数据库很困难。借助 EDB Postgres AI，我们将继续履行我们的承诺，通过发布 AI 驱动的迁移副驾驶，帮助客户摆脱旧系统。副驾驶接受了 EDB 庞大知识库和数十年经验的培训，可帮助用户快速了解和解决他们在迁移 Oracle 系统时遇到的任何不兼容问题。
对于后者，我们在这里的投资是使直接使用Postgres构建AI应用程序成为可能。就像我们在noSQL浪潮中看到的那样，矢量数据库技术的引入要求开发人员离开他们的Postgres生态系统来构建AI应用程序。这实际上是“数据系统扩散”的新浪潮。
第一步是提供对 pgvector 的支持，它使用户能够存储、检索和查询向量嵌入 - 这是 AI 数据相似性搜索和分类的基础。
此外，还有一个 Postgres 扩展的技术预览，我们称之为 pgai。此扩展使应用程序能够直接与 AI 数据交互，抽象向量嵌入的复杂性，并扩展数据准备、基于 LLM 的数据生成、支持将 AI 数据存储在 Postgres 表中以及通过自动向量嵌入和索引管理实时检索 AI 数据的功能。最后，该解决方案还利用我们的 Lakehouse 功能在对象存储上存储和处理大量 AI 数据。
结论
最终，EDB 正在对我们的产品功能进行变革性投资，使我们的客户能够应对企业级数据挑战。通过利用 Postgres 的强大功能，我们旨在将其价值扩展到整个数据领域，确保其未来成为行业领先的数据管理平台。
要了解有关 EDB Postgres AI 如何转变您的数据策略的更多信息，请访问www.enterprisedb.com。
