EDB Postgres® AI 2026 第一季新功能亮點

EDB 產品資訊 PostgreSQL 產品資訊 2026 年 4 月 1 日

數位轉型核心：EDB Postgres® AI

目前僅 13% 的企業成功將 AI Agent 專案導入生產環境，主因在於基礎設施限制。根據 EDB 的調查，企業急需一個能直接掌控，並統一處理交易、分析與 AI 工作負載的平台。

傳統資料堆疊因拼湊舊系統與各家雲端平台，導致資料自主權風險、效能不穩且成本難以預測。EDB Postgres® AI 提供 PB 級效能並節省 58% 成本，且無供應商鎖定（Vendor lock-in）。

PB 級分析：穩定效能與可預測成本

全方位資料倉儲監控與管理

EDB 致力於提升 Postgres 的分析引擎實力。根據 McKnight Consulting Group 的測試，WarehousePG 對比 Snowflake 與 Databricks 等雲端資料倉儲，表現如下：

成本效益： TCO 最高節省 58%，採用可預測成本模型，無隱藏費用。
高穩定性：在高併發負載下，效能穩定度高出 52%。
部署彈性：支援雲端、地端、隔離環境（Air gapped）或混合雲。

圖 1：EDB Postgres AI 對比雲端資料倉儲可節省 58% TCO。

維運優化：WarehousePG Enterprise Manager (WEM)

測試證實，PB 級分析不需依賴封閉平台或雲端綁定。為簡化維運，EDB 推出 WEM 管理工具，提供視覺化介面取代複雜的指令列，讓叢集管理與監控更直覺。

圖 2：WEM 視覺化介面提供單一窗口管理與監控 WarehousePG 叢集。

WEM 整合了即時遙測、AI 輔助開發與互動式配置功能，將複雜的分散式資料庫操作整合至單一管理介面。管理者可直接進行叢集健康檢查、SQL 效能調校，並在高效能環境中管理安全性。

透過大規模擴展能力與簡化管理的結合，EDB Postgres AI for WarehousePG 為 AI Agent 時代的維運需求提供了更簡便的標準。

推薦閲讀：分析型資料庫一定要多叢集？EDB WarehousePG 有不同做法

GPU 加速讓分析效能提升 91 倍

除了強化資料倉儲，EDB 也持續提升維運資料（Operational data）的分析速度。上個月在 NVIDIA GTC 大會上，EDB 發佈了 PGAA 擴充功能與 NVIDIA RAPIDS for Apache Spark 的深度整合。

透過 Spark 的橫向擴展能力，並將計算密集型的分析工作負載卸載（Offload）至 NVIDIA GPU，企業可消除傳統 CPU 的效能瓶頸。此 GPU 加速技術讓即時維運資料的分析查詢速度提升高達 91 倍，提供 AI Agent 即時處理與決策所需的高吞吐量與次秒級延遲。

使用 EDB Postgres AI 構建自主 Agent

根據 Gartner 預測，企業在 AI 資料庫系統的支出將於 2028 年增長三倍。Gartner 在報告中肯定了 EDB 具備 AI Agent 資料庫的三大關鍵角色：作為長期記憶、核心知識來源，以及任務執行的可靠引擎。

本季度 EDB Postgres AI 推出新一代更新，簡化了直接在現有資料上構建 Agent 的流程。這些功能旨在提供整合工具，協助團隊銜接原型開發（Prototype）與生產環境（Production）之間的差距，並有效地驅動資料與編排（Orchestrate）Agent 行為。

EDB 向量資料庫

AI Agent 的工作流品質，完全取決於底層向量資料庫知識庫的效能。本季度 EDB 強化了內建的向量引擎，推出高效能的 VectorChord，為企業提供更強大的 Postgres 向量資料庫解決方案，作為 pgvector 的高階補充方案。

此次更新為不同工作負載提供彈性的索引策略：

pgvector：仍為多數 RAG 應用的標準規格。
VectorChord：專為規模達十億級向量的企業級向量資料庫需求設計，提供隨插即用（Drop-in）的升級體驗。其索引速度提升 100 倍，並具備高併發多 Agent 系統所需的次秒級延遲。

Agent Studio 實現視覺化 AI 開發

EDB Postgres AI 的 Agent Studio 現已與 Langflow 整合，提供直觀的視覺化拖拉介面來構建、測試與部署 Agent。使用者可從零開始設計，或使用開源模板與自定義組件。

為強化 Agent 編排與資料之間的連結，EDB 在 Langflow 中引入了 MCP Server、資料庫與嵌入（Embedding）組件。透過 MCP（Model Context Protocol）開放標準，Agent 能直接將 Postgres 資料庫作為工具進行互動，大幅消除自定義整合的障礙並提升連線安全性。

圖 3：EDB Postgres AI 的 Agent Studio 整合 Langflow 拖拉式介面，支援從零開始構建、使用開源範本或自定義模板，快速開發與部署 AI Agent。

AI Pipelines 現已支援多步驟流程的點選式配置（Point-and-click），統一資料準備與嵌入（Embedding）步驟，達成「一次構建、統一維護」。針對 SQL 使用者，AIDB 擴充功能強化了 PDF 解析與資料庫內建 LLM 能力，僅需幾行 SQL 指令即可原生導入複雜文件，並將非結構化資料自動摘要為具參考價值的資訊。

此外，模型推論（Model serving）功能現在可直接連接 Hugging Face 等供應商，無需手動編寫整合代碼（Glue code）。將模型直接對接平台，能有效減少資料移動、提升安全性，並確保 AI 堆疊的自主掌控權。