Meta 开源的 Velox 在 2026 年完成了从查询加速库到“统一数据执行层”的定位转变,试图解决 Agent 调用数据时延迟高、硬件协作复杂的瓶颈。这意味着 AI 应用的竞争正在下沉到执行基础设施,而不只是模型参数和对话效果。

这是什么

Velox 是一个开源的 C++ 执行库,最初用于加速 Presto 查询。Agent(能够自主调用工具、读取数据并执行多步任务的 AI 程序)成为企业数据的主要消费者后,传统分析引擎需要同时处理高并发查询、向量检索与模型推理,还要协调 CPU 和 GPU 等不同硬件。

Velox 的思路是提供统一执行层,让不同引擎和硬件共享优化能力,减少数据在 Presto、Spark 与 AI 推理系统之间反复搬运的成本。12 月 5 日在上海举行的 VeloxCon China 2026 将集中讨论 GPU 加速、Agent 基础设施和多引擎统一架构。

行业怎么看

我们认为这一方向有现实价值。企业部署 Agent 时,难点往往不只是模型能否给出答案,而是能否稳定、低成本地检索和分析内部数据。统一执行层能改善延迟、资源利用率及运维复杂度,对拥有大量业务数据的企业尤其有吸引力。

但执行层并不会因为概念先进就自动成为基础设施。统一架构需要兼容 Presto、Spark、GPU 推理及多种数据源,工程复杂度可能明显高于单一查询优化;不同引擎在语义、稳定性与运维习惯上也不容易完全收敛。更关键的是,Velox 的效果仍需经过大规模生产环境验证,不能仅凭技术叙事判断其已成为通用标准。

对普通人的影响

对企业 IT:未来采购 Agent 平台时,评估重点可能从模型演示效果转向数据接入、执行速度、权限控制和总体成本。数据治理与系统集成能力的重要性会进一步上升。

对个人职场:Agent 预计会更快读取企业报表、文档和业务系统,但企业能否放心开放这些数据,取决于权限隔离、结果可追溯与责任边界,而非仅由模型能力决定。

对消费市场:随着后台查询和分析速度提高,客服、购物推荐等直接调用数据的应用可能更流畅;不过这属于基础设施变化,最终体验仍取决于产品团队是否真正采用,以及算力成本能否被控制。