AIエージェントのための
リアルタイム分析データベース

Ryan Nowacoskiエンジニアリングディレクター · Demandbase

「Demandbase AI の導入により、LLM が生成する予測不能な SQL が流れ込むようになりましたが、従来の ClickHouse ベースのアーキテクチャはそれを想定した設計ではありませんでした。PhoenixAI は、Apache Iceberg テーブル上で直接、エージェントワークロード専用の高速かつ分離されたウェアハウスを提供し、オプティマイザが新しいテーブル結合も自動で処理します。現在では、エージェントが数千のテナントにまたがるペタバイト規模の正規化データを検索しながら、顧客向けダッシュボードも秒単位の SLA を維持しています。」

60%

ハードウェアリソース削減

90%

ストレージコスト削減

49→1

クラスター統合

Wei Zheng最高経営責任者 · Conductor

「数百社のエンタープライズブランドが Conductor を使い、数年分のデータをもとに AI と検索における自社の可視性を追跡しています。この顧客向けの体験をテラバイト規模・高い同時実行性のもとで提供するには、従来の分析レイヤーでは足りなくなっていました。現在は PhoenixAI がデータレイクハウス上のリアルタイム分析データベースとしてこのワークロードを担い、数億行をスキャンする本番クエリも1秒未満で返ります。これこそ、次世代のエージェント型ワークロードに必要なアーキテクチャです。」

<1秒

クエリレイテンシ

<2か月

着想から本番稼働まで

100%

小数演算精度

Xinyu Liuシニアスタッフソフトウェアエンジニア · Coinbase

「Coinbase のブロックチェーンデータセットは、300 以上の正規化テーブルにまたがる数千億行に及びます。不正検知やコンプライアンス業務には複雑なテーブル結合が必要で、ブロックチェーンのネットワーク分析には、従来のクエリエンジンでは実現できなかった低レイテンシのクエリ性能が求められていました。PhoenixAI がその前提を変えました。Kafka からのストリーミング更新は数秒でクエリ可能になり、アナリストは稼働中の正規化データから1秒未満で結果を得られ、AI エージェントも同じリアルタイムデータセット上で稼働しています。この規模でこの性能を出せることは、データチームにできることを根本から変えるものです。」

5,730億

本番環境で処理する行数

3万件/秒

Kafka データ取り込み

<1秒

クエリレイテンシ