【Data Infra】统一引擎的第五次轮回：Edelbyte 赌 Agent 改写数据层

Saasverse

2026-11-12

导读：今日，数据基础设施公司 Edelbyte 宣布完成7000 万美元种子轮加 A 轮融资。

今日，数据基础设施公司 Edelbyte 宣布完成7000 万美元种子轮加 A 轮融资。种子轮2500 万美元由 Sequoia 领投，A 轮4500 万美元由 Quiet Capital 领投，Greenoaks、Swish Ventures、QP Ventures、Cerca Partners、Startpoint Capital 参投，公司估值达到5 亿美元。

公司成立于 2025 年 11 月，在特拉维夫和旧金山设有办公室，约40 名员工。产品是一个统一数据平台：搜索、分析查询、向量、图、地理空间，五种能力装进一个引擎，面向 AI Agent 的查询量爆炸。

数据层能不能被一个引擎统一。这个命题每隔几年出现一次，每次都带着一个新理由。这一次的理由是 Agent。

数据层统一简史：每次都说这一次不一样

数据层的统一叙事有过几轮完整的轮回。

Hadoop 时代的承诺是一个平台处理所有数据。结果是存储统一了，计算分化了，批处理、流处理、交互查询各自长出专用引擎。湖仓（Lakehouse）时代的承诺是统一存储层，让一份数据同时服务分析与机器学习。结果是存储格式走向开放，查询引擎依然各行其是。HTAP 时代的承诺是事务与分析合一。结果是专用库在各自场景里继续赢，通用引擎在通用场景里继续输。

轮回的结局高度一致：统一存储，多引擎并存。每次统一叙事退潮，留下的都是"统一存储加多种引擎"的现实。专用引擎的生命力来自场景：一种查询模式对应一种数据结构，一种数据结构对应一种优化路径。统一引擎要赢，必须同时打赢五场不同的仗。

Edelbyte 的赌注，是 Agent 让这场仗的打法变了。

新变量：Agent 是新的查询客户

Sequoia 在投资备忘里写了一个数字：一个 Agent 在一个人只跑 1 个查询的地方，可能跑 50 个。Databricks 首席执行官 Ali Ghodsi 在 2026 年 3 月说过一句类似的话：关注新的客户，也就是 Agent。Sequoia 的结论句值得全文引用：Agent 的用处取决于它问得起多少问题，问得起多少由数据层决定。

三股力量同时到位，让"现在"这个时间点成立。第一，Agent 从演示走向生产，查询量从人敲变成机器并发。第二，Agent 要全量历史，不要采样，数据量与历史深度的要求同时上升。第三，开放表格式（Iceberg、Delta Lake、Parquet）成熟，让"数据不动、就地查询"的联邦架构成为可行方案。Edelbyte、Dremio、Ocient 都踩在同一个技术拐点上。

查询客户换了，查询的经济学也换了。人的查询是低频、高容忍、结果导向的：查一次，等几秒，看一张表。Agent 的查询是高频、低容忍、过程导向的：一次任务拆成几十个子查询，每个子查询的结果决定下一个子查询的方向，延迟直接变成任务失败率。

量、延迟、单价，三重变化同时发生。查询量上去，单次查询的成本权重上升；延迟要求上去，跨系统搬数据的成本上升；任务成败取决于查询链的完整性，任何一个环节的缺失都会让整条链断掉。Agent 不会像人一样凑合：它不会因为某个数据源接不进来就换一种问法，它只会失败。

这就是 Edelbyte 叙事的支点：当查询客户从人变成 Agent，统一引擎的经济账第一次有可能算得过。Agent 要的，是所有数据源在同一个地方、同一个时间、同一个成本结构里被问到，单个引擎的极致性能退居其次。

Edelbyte 的统一主张

Edelbyte 的产品由三部分组成。

第一是统一引擎。搜索、分析查询、向量检索、图查询、地理空间查询，五种能力由同一个引擎处理。公司称，引擎可以在毫秒级查询 PB 级数据，单个平台可承载数百 PB。这些数字全部出自公司方面，尚无独立基准验证。

第二是查询联邦（Query Federation）。数据不需要搬进 Edelbyte 的平台，引擎就地查询客户已有的数据源。数据不动，是这套叙事里最关键的一句。Global 2000 级别的客户不会为了一个新引擎重构数据资产，联邦让 Edelbyte 绕开了数据迁移这道墙。

第三是全面索引。公司称，平台对所有数据建立索引，Agent 的任意查询都有索引可用。索引策略的代价是存储与写入成本，公司方面没有披露这部分的数字。

部署形态覆盖公有云、主权云、自托管与本地。付费方式是按用量付费，以 vCore-hour 加 GB-month 计价，具体费率未披露。数据源连接覆盖 Iceberg、Parquet、S3、Kafka、Delta Lake、PostgreSQL、MySQL，工具集成覆盖 Claude、Codex、Grafana、dbt、Looker、Tableau、Power BI、Jupyter。公司方面称，架构能显著压缩原始数据，减少每查询需存储与处理的信息量，并支持数千并发查询。目标场景包括安全与欺诈、实时应用、商业分析、IoT 与联网设备、可观测性与监控。

首席执行官 Aharoni 在接受 Forbes 采访时说，公司依赖的搜索与分析系统是为 AI 之前的世界建造的，Edelbyte 要重新思考在 Agent 时代最优的数据平台是什么样子。他的另一句话点出了成本账的核心：Agent 时代查询更多，引擎必须最快，也必须最省成本，尤其在 CPU 这一项上。

成本账：问得起，才是真命题

我们的核心判断是：Agent 数据层的胜负手在成本结构，不在功能清单。

Edelbyte 赌的是"问得起"。公司称，个别客户在相同预算下查询量达到原来的10 倍。这个数字出自公司方面，没有说明对比基线，没有具名客户，没有独立验证。成文只能把它当作公司宣称，不能当作实测结果。

但宣称背后的逻辑值得认真对待。Agent 查询量的爆炸意味着，数据平台的计费方式正在从"按席位、按存储"转向"按查询、按计算"。在这种计费方式下，平台的胜负取决于单位查询的成本：同样的预算，谁能回答更多问题，谁就赢。统一引擎的成本优势如果存在，来自三处：省掉跨系统的数据搬运，省掉多套引擎的运维，以及索引复用带来的边际成本下降。

这三处优势目前都是假设。费率未披露，基准未公开，10 倍这个数字没有可复现的测试条件。Edelbyte 的成本账要成立，需要三个证据陆续出现：公开的定价、独立的基准测试、具名客户的复购。三个证据目前一个都没有。

团队：Kusto 第四次

估值锚在团队身上，这一点几乎没有争议。

四位创始人是微软 Kusto 引擎的原始团队。首席技术官 Evgeney Ryzhyk 发明了 Kusto 引擎及其查询语言，并把引擎重建过三遍。首席执行官 Avner Aharoni 在微软工作约25 年。四人共事超过 10 年。

Kusto 的分量可以核实。2014 年在微软以色列研发中心以草根项目启动，内部代号取自海洋学家 Jacques Cousteau，寓意潜入数据海洋；2016 年成为 Application Insights Analytics 的后端，2018 年公开预览，2019 年正式发布为 Azure Data Explorer，2021 年 Kusto Engine V3 发布。它是 Microsoft Sentinel、Defender、Azure Monitor、Log Analytics 背后的数据引擎。微软方面称其为 Azure 最常用的服务之一。

介绍人同样值得一提。Wiz 联合创始人 Roy Reznik 把团队介绍给 Sequoia，Sequoia 方面称，这是 Roy 唯一一次介绍创始团队。Wiz 的安全产品重度依赖 Kusto 式日志分析，介绍人本身就是 Kusto 的大客户与拥趸。

Sequoia 把 Edelbyte 放进一个熟悉的剧本：在大公司内部做出解决方案，再独立出来。Confluent 的 Kafka 出自 LinkedIn，Temporal 的 Cadence 出自 Uber，Edelbyte 的 Kusto 出自微软。剧本的共同点是，团队带着经过验证的技术与场景认知出来，赌注是独立之后能不能复制内部的成功。

一个必要的提醒：微软没有披露对 Edelbyte 的投资或合作，Kusto 的知识产权归微软所有。Edelbyte 是从第一性原理重新实现的新引擎，成文不能暗示微软背书。

团队 pedigree 是 Edelbyte 估值里最扎实的部分，也是最需要警惕的部分。Kusto 的成功有微软土壤：内部场景、销售生态、企业客户的既有信任。脱离微软之后，40 人的团队要自己建销售、自己找客户、自己扛交付。造引擎的能力已经证明过三次，卖引擎的能力还没有证明过。

业务进展：公司宣称与验证缺口

公司方面披露的业务进展全部未经独立验证。

财富 500 强客户的 PB 级部署，行业覆盖安全、汽车、金融，没有具名客户。4 个设计伙伴在生产环境使用，没有说明是付费还是试用。个别客户同预算查询量达到 10 倍，没有说明基线。收入、ARR、客户数量，零披露。

查询语言、是否开源、具体单价，全部没有公开信息。产品细节的空白，意味着外界无法独立判断引擎的真实能力，也无法判断统一主张在真实负载下的表现。查询语言尤其关键：KQL 是 Kusto 的护城河之一，Edelbyte 是否沿用类 KQL 语言、是否兼容 SQL，直接决定迁移成本与开发者接受度，目前没有任何公开信息。

还有一个值得留意的细节：Kusto 本身是在微软内部赢下安全与遥测 niche 之后才外溢的，Edelbyte 的 4 个设计伙伴集中在安全、汽车、金融，与 Kusto 的舒适区高度重合。这是优势，团队懂行；也是疑问，团队能不能出圈。

业务进展披露克制，是隐身期刚结束的公司的常态。但估值已经按 5 亿美元报出来了，验证缺口与估值之间的落差，是这篇文章必须保留的张力。资本按团队简历定价，市场按交付结果定价，两者之间的时间差，就是风险所在。

竞争格局：巨头与同命题者

Edelbyte 面对的竞争分两层。

第一层是三巨头。Databricks 在 2026 年 8 月完成50 亿美元融资，投后估值1900 亿美元，年化收入超过70 亿美元，服务超过2 万家组织客户与 70% 的财富 500 强，已推出 Agent Bricks、Lakebase、Genie、Unity AI Gateway。Snowflake 2026 财年收入46.8 亿美元，同比增长 29%，2027 财年第二季度收入15.5 亿美元，同比增长 35%。ClickHouse 在 2026 年 1 月完成4 亿美元D 轮融资，估值约150 亿美元，同日收购 LLM 可观测性公司 Langfuse，Sacra 估计其 2026 年 8 月 ARR 达到3.5 亿美元。三家都在给产品加 Agent 功能，Edelbyte 的窗口期以年计。

第二层是同命题的新玩家。Ocient 在 2026 年 11 月 5 日完成1 亿美元C 轮融资，累计融资2.6 亿美元，卖的是同一个命题：Agent 直接跑在受治理的 PB 级数据上。Ocient 成立于 2016 年，是有十年产品与客户积累的老牌数据库公司转身 Agent，公司方面预计本财年收入翻 3 倍以上，没有披露基数与估值。两家公司相隔 6 天，资本在同一个窗口为同一个命题下了两次注。SAP 在 2026 年 5 月宣布收购联邦查询公司 Dremio，7 月完成收购，逻辑与 Edelbyte 的联邦叙事同款。Dremio 在 2022 年 E 轮融资1.6 亿美元，估值20 亿美元，已有 MCP Server 与 AI Agent 功能，最终以被收编收场，没有走到独立上市。

巨头补齐的速度、同命题者的密度、被收编的先例，三者共同决定了 Edelbyte 的竞争环境：命题是对的，赛道是挤的，独立走到最后的难度是高的。

为什么可能还是一样

统一叙事的反证同样扎实。

巨头不站着不动。Databricks、Snowflake、ClickHouse 都有现成的客户、现成的数据、现成的销售队伍，Agent 功能是加法，无需重构。SAP 收 Dremio 说明，巨头补齐联邦能力的方式是收购。

专用库生态有自己的护城河。向量库、图库、时序库各自有深度优化的场景，统一引擎要在每个场景里都达到专用库的水平，难度极高。历史经验是，统一引擎在通用场景里够用，在极端场景里输给专用库，而极端场景恰恰是付费意愿最强的场景。

窗口期有限。Edelbyte 需要在巨头补齐之前，拿到足够多的具名客户、足够扎实的基准测试、足够清晰的定价。40 人的团队，同时打产品、销售、生态三场仗，容错空间很小。

最后是 GTM。Kusto 团队造引擎的能力已经证明过，卖引擎的能力还没有。企业数据平台的销售周期以季度计，设计伙伴变成付费客户需要时间，付费客户变成复购客户需要更长时间。估值等得起，现金流不一定等得起。

中国市场：路线对照

Edelbyte 没有披露任何中国业务，映射只能做路线对照，不能编造交集。

中国数据层同样在回答 Agent 查询的问题。Doris 提出 Agent Facing Analytics，原生支持 MCP Server，宣称查询延迟低于 100 毫秒。StarRocks 与镜舟推出 MIP 三层平台，面向 Agent 场景。阿里云 EMR Serverless StarRocks 同样面向 AI Agent 的查询需求。SelectDB 在 2026 年 Doris Summit 上提出，无需将所有数据搬迁至单一存储系统，数据保留在各自开放格式中，在查询与执行层实现统一——与 Edelbyte 的联邦叙事几乎同构。StarRocks 的张友东提出，真正的 AI Agent Ready 至少包含四个条件：自然语言接口、实时上下文、大规模低延时、数据治理。

路线对照的价值在于，同一个命题在不同市场有不同的解法。中国市场的解法长在已有的数据 infra 之上，强调与现有生态的兼容；Edelbyte 的解法是另起一个统一引擎，强调从零开始的架构纯粹性。两种路线没有高下，只有土壤差异：前者赌存量生态的迁移成本，后者赌新架构的性能与成本优势。

对中国创业者的启示不在产品形态，在判断框架：Agent 查询量的爆炸是真实需求，但"统一"是否为最优解，取决于客户已有的数据资产结构。数据资产越分散，联邦的价值越大；数据资产越集中，统一引擎的替代成本越高。

Saasverse Insights

Edelbyte 带给我们三个信号。

第一个信号是具名客户。设计伙伴变成付费客户，付费客户变成复购客户，是统一叙事成立的第一道验证。没有具名客户之前，所有业务数字都只是公司宣称。

第二个信号是独立基准。毫秒级 PB 查询、10 倍查询量，这些数字需要第三方在可复现的条件下测出来。基准测试的缺席，是目前最大的验证缺口。

第三个信号是定价透明度。按用量付费的费率一旦公开，成本账就能被客户自己算出来。费率不公开，意味着公司方面还没有准备好让市场检验"问得起"这个命题。

三个信号出现之前，Edelbyte 的 5 亿美元估值锚在团队 pedigree 上，这是合理的资本定价，也是脆弱的资本定价。统一引擎的轮回会不会在 Agent 时代被打破，答案不在融资新闻里，在接下来 12 个月的交付里。

对投资人，Edelbyte 的价值是提供了一个观察 Agent 数据层的标尺：看一家 Agent 数据公司，先看它有没有具名客户，再看它敢不敢公开基准，最后看它的定价经不经得起客户自己算账。对创业者，Edelbyte 的价值是提醒：Agent 时代的数据层机会是真实的，但机会的兑现方式，仍然是老生常谈的三件事：客户、基准、定价。

【声明】内容源于网络

Saasverse

Saasverse 是全球最大Saas社区之一，聚集Saas行业的创业者，高管，从业者，VC投资者等；我们提供高质量的Saas行业专业内容以及行业资源链接，赋能社区中每一个Sassverserian，实现从ARR从0到1亿的增长。

内容 475

粉丝 0

Saasverse Saasverse 是全球最大Saas社区之一，聚集Saas行业的创业者，高管，从业者，VC投资者等；我们提供高质量的Saas行业专业内容以及行业资源链接，赋能社区中每一个Sassverserian，实现从ARR从0到1亿的增长。

总阅读10.6k

粉丝0

内容475