Polynya的一次性数据仓库:为AI智能体打造全新经济模型

Hacker News April 2026
来源:Hacker NewsAI agents归档:April 2026
Polynya推出激进架构,将数据仓库视为AI智能体的“一次性”资源。通过将数据复制到Apache Iceberg,仅在智能体触发查询时临时启动ClickHouse实例,该模型彻底消除了24/7基础设施的巨大浪费,开启了成本高效、实时自主决策的新纪元。

对于AI智能体时代而言,传统数据基础设施的经济模型已经彻底失灵。传统数据仓库专为人类驱动的、可预测的查询模式设计,全天候运行,即使在空闲时也消耗大量计算和存储成本。对于间歇性运作的AI智能体——由事件、用户请求或内部状态变化触发——这种模式极其浪费。Polynya的解决方案优雅而颠覆:完全解耦计算与存储。数据持续复制到Apache Iceberg(一种提供ACID事务、模式演进和时间旅行能力的开放表格式)。当智能体需要数据时,按需配置一个轻量级ClickHouse实例,执行查询后立即销毁。这种“一次性”方法意味着:零空闲成本、按查询付费,以及为事件驱动型AI工作负载量身定制的架构。早期基准测试显示,每千次查询成本降低96%,从0.50美元降至0.02美元,同时通过预热池将冷启动延迟从1.2秒降至180毫秒。Polynya并非完全独创——Athena和BigQuery等无服务器查询服务已提供按查询付费模式——但其与智能体状态及Iceberg事务保证的紧密耦合是独一无二的。

技术深度解析

Polynya的架构是将计算-存储分离原则推向逻辑极致的典范。该系统包含三个核心层:复制层,将数据流式传输到存储在对象存储(如S3、GCS)上的Apache Iceberg表中;控制平面,监听智能体触发的事件;计算结构,负责配置和销毁ClickHouse实例。

复制层: Polynya使用变更数据捕获(CDC)或批量复制,持续将源数据同步到Iceberg。Iceberg的开放表格式在此至关重要——它提供快照隔离,意味着每次写入都会创建表的一个新的、不可变的版本。这使得智能体无需锁定即可查询一致的时间点视图。该格式还支持分区演进和隐藏分区,这对于列式存储中的高效剪枝至关重要。

控制平面与事件驱动计算: 当智能体发送查询请求时,控制平面根据查询复杂度和数据量评估所需资源(CPU、内存)。然后,它从预热池中配置一个ClickHouse实例,或从头启动一个。ClickHouse因其在分析查询上卓越的单节点性能而被选中——每节点每秒可扫描数十亿行。实例通过ClickHouse的Iceberg表引擎(自v22.3版本起可用)将Iceberg表配置为数据源。查询完成后,实例被终止,任何中间结果返回给智能体或写回Iceberg。

持久化工作区: 一个关键创新是持久化工作区。这本质上是一个小型、长期存在的存储卷(由SQLite等轻量级数据库或专用Iceberg命名空间支持),用于存储智能体状态——会话变量、中间结果、学习到的模式。这使得智能体能够在多个“一次性”计算会话之间保持上下文。例如,一个欺诈检测智能体可以记住用户的历史交易模式,而无需保持ClickHouse实例存活。

性能基准测试: Polynya早期内部基准测试(在其技术博客中分享)显示了令人信服的结果:

| 指标 | 传统始终在线ClickHouse | Polynya一次性(冷启动) | Polynya一次性(预热池) |
|---|---|---|---|
| 查询延迟(p50) | 50ms | 1.2s | 180ms |
| 查询延迟(p99) | 200ms | 3.5s | 500ms |
| 每千次查询成本 | $0.50 | $0.02 | $0.03 |
| 空闲成本(24小时) | $12.00 | $0.00 | $0.00 |

数据要点: 权衡显而易见:冷启动会引入显著延迟(1.2秒 vs 50毫秒),但预热池可将此降至180毫秒——对于许多智能体工作负载而言是可接受的。成本节省惊人:每查询成本降低96%,且空闲成本为零。对于延迟敏感的智能体(如高频交易),预热池方法是必要的;对于批处理型智能体(如每日报告生成),冷启动即可。

相关开源项目: 社区可通过以下项目探索类似概念:
- Apache Iceberg (github.com/apache/iceberg):基础表格式。5800+星。对于理解快照隔离和分区演进至关重要。
- ClickHouse (github.com/ClickHouse/ClickHouse):分析引擎。38000+星。其Iceberg表引擎是关键。
- Trino (github.com/trinodb/trino):一个备选查询引擎,同样支持Iceberg,可用于类似的一次性模式。
- Flyte (github.com/flyteorg/flyte):一个工作流编排平台,可管理此类一次性计算的生命周期。

Polynya的方法并非全新——无服务器查询服务如Athena和BigQuery的dry-run模式已提供按查询付费——但Polynya与智能体状态及Iceberg事务保证的紧密耦合是独一无二的。

关键参与者与案例研究

Polynya是一家相对较新的公司,由前Infobright和ClickHouse工程师团队创立。他们从一群天使投资人(包括Snowflake和Databricks的前CTO)那里筹集了450万美元的种子轮。其当前产品处于私人测试阶段,拥有12个设计合作伙伴。

竞争格局:

| 公司/产品 | 架构 | 定价模式 | 智能体适用性 | 关键限制 |
|---|---|---|---|---|
| Polynya | 一次性ClickHouse + Iceberg | 按查询付费 + 存储 | 高(事件驱动、有状态) | 冷启动延迟;生态系统有限 |
| Snowflake | 始终在线虚拟仓库 | 按秒计算 + 存储 | 低(对间歇性查询浪费) | 最低1分钟计费;无真正零扩展 |
| BigQuery | 无服务器、自动扩展 | 按扫描字节付费 | 中(无状态管理) | 成本不可预测;无持久化智能体工作区 |
| Databricks SQL | 无服务器SQL仓库 | 按DBU(计算单元)付费 | 低(最低2分钟计费) | 短突发查询昂贵 |
| MotherDuck | 嵌入式,基于DuckDB | 待定 | 待定 | 待定 |

更多来自 Hacker News

伯南克加入Anthropic信托:当AI安全遇上央行系统性风险手册在一项重新定义AI安全架构的举措中,Anthropic任命前美联储主席本·伯南克加入其监管信托——这是一个独立于公司治理结构之外、对安全决策拥有约束力的治理机构。这并非象征性的董事会席位;该信托有权否决模型发布、要求安全干预,并凌驾于商业优黑盒透视:新工具将LLM推理过程映射为3D几何结构AINews独家获取了一款新型可视化平台的访问权限,该平台能将大语言模型的内部推理过程动态渲染为三维语义景观。与静态的注意力热力图不同,该工具追踪每个token在模型各层中的嵌入轨迹——展示路径如何分支、汇聚,以及在对应事实错误或幻觉的节点Transformer无师自通井字棋:涌现推理的静默革命在一项挑战AI架构基本假设的标志性实验中,研究人员证明,一个标准的Transformer模型仅通过数据训练,无需任何显式规则编码,就能掌握井字棋的完整策略。该模型在数百万局游戏序列上训练后,其内部注意力头自发形成了棋盘位置编码、线路检测通路查看来源专题页Hacker News 已收录 5670 篇文章

相关专题

AI agents962 篇相关文章

时间归档

April 20263042 篇已发布文章

延伸阅读

ClickHouse 一年AI编码实验:效率提升30%,却暗藏逻辑陷阱ClickHouse 团队将AI编码代理深度融入开发流程,进行了一整年的实验。结果喜忧参半:AI将常规任务速度提升30%,却引入了人类审查难以发现的微妙逻辑错误,尤其在并发与内存管理领域。团队被迫构建专用自动化测试层来捕捉这些“幻觉”,揭示提示工程化身血腥竞技:深入BattleLLMRobots的AI角斗场BattleLLMRobots将提示工程从枯燥的调试工作转变为一项观赏性运动。用户精心设计提示词,操控AI“机器人”在自动化竞技场中一决高下,极限测试大语言模型的推理能力、实时策略与社区驱动的创新力。97%的网站对AI代理“隐形”:协议问题正在拖垮自主网络一项惊人的分析显示,97%的网站没有为AI代理提供可编程接口,使得绝大多数网络对自主软件而言几乎完全不可见。这一发现暴露了现代AI的核心矛盾:模型能思考,却无法行动。AI智能体踢足球:Agentic FC开启自主模拟时代Agentic FC并非又一款足球经理游戏——它是一个活生生的实验室,让大语言模型从被动聊天机器人进化为自主决策者。借助模型上下文协议,多个AI智能体独立处理战术、转会与比赛策略,标志着我们在复杂闭环环境中测试与部署AI的方式迎来关键转折。

常见问题

这起“Polynya's Disposable Data Warehouses: A New Economics for AI Agents”融资事件讲了什么?

The fundamental economics of data infrastructure are broken for the age of AI agents. Traditional data warehouses, designed for human-driven, predictable query patterns, run around…

从“Polynya disposable data warehouse pricing vs Snowflake”看,为什么这笔融资值得关注?

Polynya's architecture is a masterclass in applying the compute-storage separation principle to its logical extreme. The system comprises three core layers: a replication layer that streams data into Apache Iceberg table…

这起融资事件在“How Polynya uses Apache Iceberg for AI agent state”上释放了什么行业信号?

它通常意味着该赛道正在进入资源加速集聚期,后续值得继续关注团队扩张、产品落地、商业化验证和同类公司跟进。