PhoenixAI获8000万美元B轮融资，为AI代理时代重新定义数据库
当企业纷纷将AI代理（AI Agent）部署到业务流程的每一个角落时，一个被长期忽视的瓶颈正在浮现——这些代理从哪里获取数据？ 传统数据仓库为人类分析师设计，查询响应以秒甚至分钟计；但当数百个AI代理同时向数据库发起高频、实时、非预定义的查询时，现有架构几乎立刻崩溃。PhoenixAI（原CelerData）正是瞄准了这一结构性缺口，于近日宣布完成8000万美元B轮融资，由Sky9 Capital领投，将”Agentic AI Database”这一全新品类推向市场中心。
融资概要
| 项目 | 详情 |
|---|---|
| 公司名称 | PhoenixAI（原CelerData） |
| 成立时间 | — |
| 总部 | 美国 |
| 融资轮次 | B轮 |
| 融资金额 | 8000万美元 |
| 领投方 | Sky9 Capital |
| 跟投方 | Atypical Ventures、Olive Technology Ventures 及此前投资者 |
| 核心产品 | AI原生分析数据库（Agentic AI Database） |
从CelerData到PhoenixAI：一次战略级品牌重塑
PhoenixAI的前身是CelerData，一家专注于高性能分析数据库的技术公司。品牌更名并非简单的市场营销操作，而是反映了产品定位的根本性转变——从服务人类分析师的OLAP引擎，转向服务AI代理的实时数据接口层。
这一转变的关键推动力来自新任总裁Rick Underwood。Underwood曾是Clumio的CEO，更早之前在Snowflake担任高管，深谙企业数据基础设施的演进逻辑。他的加入，不仅为PhoenixAI带来了企业级销售网络和战略视野，更标志着公司正式进入”向上攻坚”阶段——从技术验证走向规模化商业落地。
核心技术壁垒：为什么AI代理需要”自己的”数据库？
理解PhoenixAI的价值主张，需要先理解AI代理与传统BI工具在数据消费模式上的本质差异：
| 维度 | 传统BI/人类分析师 | AI代理 |
|---|---|---|
| 查询频率 | 每天数十到数百次 | 每秒数千次 |
| 查询模式 | 预定义报表、固定维度 | 动态、非预定义、上下文驱动 |
| 延迟容忍度 | 秒级到分钟级 | 亚秒级（<200ms） |
| 数据预处理 | 需大量ETL和数据建模 | 要求直接查询原始数据 |
| 并发压力 | 低到中 | 极高 |
传统数据仓库（如Snowflake、Databricks）的架构假设是：数据经过精心的ETL管道清洗、转换、建模后，供人类通过预定义的仪表盘和报表消费。但AI代理的查询是即兴的、不可预测的——它们可能在一秒内询问”过去5分钟某渠道的用户转化率”，下一秒又要求”按地理维度对比本周与上周的收入趋势”。
PhoenixAI的核心差异在于：无需数据预建模。 它允许AI代理直接对企业实时数据发起查询，省去了传统架构中繁重的ETL和预处理流程，同时保证亚秒级延迟。这不是在现有数据库上加一层AI接口，而是从底层架构重新设计的数据引擎。
客户验证与市场定位
PhoenixAI的早期客户名单颇具说服力：AppLovin（移动广告巨头）、Coinbase（加密货币交易所）、Conductor（SEO平台）、Demandbase（ABM营销平台）。这些企业的共同特征是：数据密集、实时性要求高、AI代理部署走在行业前列。
以AppLovin为例，其广告竞价系统每秒处理数百万次决策，每一次决策都依赖于对实时数据的快速查询。传统数据库在这种场景下要么延迟过高，要么需要构建极其复杂的缓存和预计算层。PhoenixAI提供的”无需预建模、亚秒响应”的能力，恰好命中了这类客户的核心痛点。
从市场竞争格局来看，PhoenixAI面对的不是传统数据库玩家的正面竞争，而是在开辟一个新品类。Snowflake和Databricks正在通过收购和自建加入AI数据层的竞争，但它们的架构基因决定了改造成本极高。而像ClickHouse、StarRocks（PhoenixAI的开源基础）等实时分析数据库，虽然在性能上有竞争力，但缺少针对AI代理的原生优化。
资金用途与前瞻
这笔8000万美元的B轮融资将主要用于三个方向：产品研发深化（特别是针对多代理协作场景的优化）、企业级销售团队扩张（Rick Underwood的到来正是信号），以及生态系统建设（与主流AI框架如LangChain、AutoGen的深度集成）。
“Agentic AI Database”这一品类的成立与否，取决于AI代理在企业中的渗透速度。如果2026-2027年企业大规模部署AI代理的趋势如预期兑现，PhoenixAI将处于一个极具战略价值的基础设施节点上——它是AI代理与企业数据之间的”翻译层”和”加速器”。
**编者按**｜PhoenixAI的赌注很明确：AI代理将成为企业数据的主要消费者，而非人类分析师。这个判断如果正确，那么整个数据基础设施栈都需要重新设计，PhoenixAI将是最早的受益者之一。但风险同样显著——大厂（Snowflake、Databricks、Google BigQuery）不会坐视这一品类被初创公司定义，它们的反应速度和资源投入将是PhoenixAI面临的最大变量。未来12-18个月，关键观察指标是：**企业级客户的部署规模是否从POC阶段跨越到生产环境的全面采用，以及大厂的竞品是否开始蚕食市场。**
