Eon 发布 serverless 数据引擎 Yukon，面向 agent 数据层

我目前在整个行业看到的情况是，AI 采用的最大瓶颈不是模型能力，而是数据基础设施。 今天，我们通过推出 Eon Yukon 来扩展 Eon Data Foundation，这是一款专为改变这一现状而构建的全新 serverless 数据引擎。 AI agent 需要新鲜、有上下文的数据才能行动。 专用模型需要持续的数据和反馈流才能改进。而这两者目前仍由为仪表盘构建的技术栈、架构和方法来支撑： -按峰值规模配置的 Spark 和 Flink 集群，外加用于保持表可用的压缩作业。 -为每个消费者准备一条管道和一份副本，按 bronze 到 silver 再到 gold 分层。 -手写作业，由编排器连接起来，并由专家维持运行。 结果就是：交付数据复杂、有风险且昂贵。编码 agent 能在数小时内交付应用，却很少构建或运行数据管道。数据太易变，一个错误代价太高。 借助 Yukon，数据从摄取到处理再到服务在一个连续流程中流转，无需传统上连接它们所需的基础设施和管道。 事件在数秒内变成压缩、排序、去重的 Iceberg 表。 实时聚合以内联方式运行，状态完全托管。agent 和应用可以通过 Redis 兼容 API，或通过我们的 SQL 与 Spark 兼容查询引擎，以亚毫秒延迟访问新鲜数据。 除了移动和提供数据，Yukon 还让数据持续可理解——通过 MCP 可访问的实时列级统计让 agent 对数据有可见性。内置的监控、采样和数据最小化帮助团队保持控制。 在每秒 100 万事件且新鲜度相同的情况下，Yukon 使用的计算量比 Spark 少 4 倍，比 Flink 少 7 倍。基准测试是公开的：你可以用 Eon 的 ingest-bench 自行运行。 这是朝着我们为 AI 时代打造自主数据基础（Autonomous Data Foundation）愿景迈出的又一大步，该基础旨在既保护企业数据，又释放其全部潜力。