AI・MLデータ基盤

AIエージェントに必要なのは、
本当にライブなデータ

ベクトルストアはセマンティック検索を担います。PhoenixAI はそれ以外のすべて — リアルタイムに更新されるデータに対する構造化分析、集計、フィルタリング、結合を担います。両者は連携して機能し、どちらも他方を置き換えるものではありません。

デモを予約無料トライアルを開始

<1s

AIエージェント向けクエリレイテンシ

構造化分析クエリの p99

<5s

データ鮮度

ストリーミング取り込み

10K+

QPS

エージェントワークロード

課題

AIエージェントの実力は、アクセスできるデータで決まる

リアルタイムデータがないと破綻するもの

古い構造化データで動くエージェント

エージェントがデータウェアハウスにクエリしても、返るのは昨日の結果

フィーチャーストアがライブイベントから数時間遅れる

大規模テーブルへの分析クエリがタイムアウトまたは待機

複数エージェントによる高い同時実行性がパフォーマンスを低下させる

PhoenixAI なら

エージェントの速度で扱えるライブ構造化データ

AIエージェントのクエリにサブセカンドの SQL レスポンス

10K+ QPS — PhoenixAI がこれもそれ以外もすべて処理

標準 SQL — エージェントが学ぶ独自 API は不要

ストリーミング取り込みで 5秒未満のデータ鮮度

機能

AIスタックに欠けていた分析レイヤー

ベクトルストアやデータウェアハウスにはできない、PhoenixAI ならではの価値。

エージェント向けリアルタイムデータ

AIエージェントは標準 SQL または REST で PhoenixAI にクエリします。レスポンスはライブデータに対してサブセカンド — 1時間前のバッチ結果ではありません。

フィーチャーストアの高速化

5秒未満の鮮度で ML特徴量を提供。生のイベントストリームを、特徴量計算用の別パイプラインなしでリアルタイムに特徴量ベクトルへ集計します。

RAG 向けハイブリッド検索

構造化分析クエリをベクトル検索パイプラインと組み合わせます。LLM にコンテキストを渡す前に、SQL で新しさ、ユーザーセグメント、ビジネスルールによりフィルタリングできます。

高い同時実行性のエージェントワークロード

数千のエージェントが同時にクエリ。PhoenixAI は高い同時実行性のもとでも一貫したレイテンシを維持します — AIワークロードが生み出すアクセスパターンのために設計されています。

AIスタックにフィット

PhoenixAI は、最新の AI基盤におけるストリーミング、オーケストレーション、モデルサービングの各ツールと統合します。

ストリーミングデータソース

Apache KafkaApache FlinkApache SparkConfluent

統合

REST / SQLApache Iceberg

MLプラットフォーム

DatabricksSnowflake

本番環境で

AIチームによる PhoenixAI の活用法

Demandbase AI の導入により、予測できない LLM 生成 SQL が流れ込むようになりました。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 テーブルの上に直接、エージェントワークロード向けの高速で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結合を自動的に処理します。いまではエージェントが数千のテナントにまたがる数ペタバイトの正規化データをクエリする一方で、カスタマーフェイシングのダッシュボードは秒単位の SLA を維持しています。

Ryan Nowacoski

Demandbase データプラットフォーム担当シニアエンジニアリングマネージャー

ペタバイト