传统数据库架构通常将工作负载划分为两类：用于发现趋势和回答复杂问题的分析型数据库，以及存储订单、付款等日常交易记录的运营型数据库。然而，位于慕尼黑的数据库引擎 CedarDB 试图打破这一界限，同时支持这两种方法。随着人工智能代理（AI Agents）的兴起，这种统一处理能力的重要性日益凸显。
CedarDB 的发展源于对效率的追求，其技术根基来自慕尼黑理工大学的分支项目 Umbra。Umbra 是一个从头开始构建的研究项目，旨在通过充分利用现代硬件特性，在查询处理速度上超越传统数据库引擎。目前，CedarDB 拥有五名来自 Umbra 项目的研究人员作为联合创始人，他们致力于提供更快的性能，而无需增加额外的 CPU、处理能力或内存需求，且对客户现有系统的改动要求极低。
特别值得注意的是，CedarDB 团队确保该引擎与开源数据库系统 PostgreSQL 保持兼容。据联合创始人莫里茨·西赫特（Moritz Sichert）介绍，这种兼容性显著降低了用户的切换成本，因为企业无需重建应用程序即可迁移。此外，由于大语言模型（LLM）的训练数据中大量包含 PostgreSQL 的逻辑结构，CedarDB 遵循这一标准使其更易于被 AI 系统理解和操作。
尽管这一决策后来被证明极具前瞻性，但并非所有战略选择都一目了然。联合创始人克里斯蒂安·温特（Christian Winter）在一篇博客文章中透露，团队曾就是否立即推出云服务进行过激烈辩论。最终，公司采取了分步走的策略：去年5月，CedarDB 宣布获得 530 万欧元（约合 600 万美元）的种子融资，并同时推出了本地部署的企业版和免费的社区版，暂时搁置了云服务的发布。
然而，云服务的计划并未取消，只是延迟。在本周三的 TechCrunch Disrupt 大会上，CedarDB 正式公布了 CedarDB Cloud 的有限可用性版本，与其他 20 家初创公司同台竞技。这一完全托管的云版本预计将帮助 CedarDB 将其用户基础从大型企业扩展至更广泛的群体，并增强其与 Databricks 等大型数据公司的竞争力。
行业背景的变化也印证了 CedarDB 方向的正确性。在今年6月的数据+人工智能峰会上，Databricks 引用“代理时代”作为推出 LTAP（湖仓一体事务与分析处理）新架构的理由，该架构旨在单一存储副本上统一交易、分析、流处理和运营数据。西赫特认为，Databricks 的这一举动进一步证实了市场对 CedarDB 所倡导的统一数据库理念的需求。
目前，CedarDB 拥有一个由14人组成的团队，足以服务首批云用户。但随着业务增长，西赫特预计公司将需要扩充团队规模以应对更多的市场需求，这也是下一轮融资的重点投入方向。
