IBM旗下Confluent公司推出了一种名为Streamhouse的数据架构，该公司表示这种架构能够为AI智能体"保持业务上下文的实时更新"，相关内容在周四的一份公告中披露。
Confluent的数据流平台整合了流式传输、连接、处理、治理以及现在的查询数据能力，这些能力共同构成了Streamhouse架构的基础。Confluent平台上的Lightning Tables层实现了对实时数据的查询功能，让"每个智能体和应用程序都能获得业务的实时、受治理的视图"，IBM数据与Confluent业务总经理肖恩·克劳斯在新闻稿中表示。
Streamhouse架构与数据湖和数据仓库的功能有所不同，后者通常用于报告或批处理作业，而Streamhouse旨在提供更及时的业务视图。Futurum Group负责CIO与技术买家业务的副总裁兼业务主管米奇·阿什利表示："CIO面临的决策正从'数据该移动到哪里'转变为'智能体需要哪些新鲜的业务事件'以及'谁来授权智能体访问这些事件'。"
部署AI智能体的企业正遭遇一个问题：数据基础设施的发展步伐跟不上需求。
虽然拥有强大数据基础设施的公司能够为智能体运行准备合适的业务上下文，并从AI投资中获得更好的回报，但根据邓白氏公司对1万家企业开展的一项调查显示，只有8%的企业表示其数据已准备好支持这些能力。
"企业AI的下一个时代，将由那些在行动的瞬间就清楚业务正在发生什么的智能体赢得，"克劳斯表示。
阿什利在给CIO Dive的邮件中表示，Streamhouse架构是由包括Confluent等少数公司共同定义的一个开放类别。该架构能够将包括主机系统等现有系统中的变更承载出来，并将当前状态信息传递给智能体，而数据湖仓一体则保留历史记录，他补充道。
"过去十年，企业一直在构建用于记录已发生事件的湖仓一体系统，"他说。"而AI智能体需要知道当下正在发生的真实情况，IBM正在构建一套数据资产体系，既涵盖历史记录，也涵盖业务的当前状态。"
Gartner高级总监分析师桑顿·克雷格表示，由包括Confluent等少数供应商支持的Streamhouse架构仍处于早期阶段。
"Streamhouse为管理和交付复杂实时数据提供了一个颇具吸引力的叙事，"克雷格在给CIO Dive的邮件中表示。"但其在构建和扩展实时架构方面能否获得广泛采用并产生影响，仍有待观察。"
IBM去年底开始收购Confluent，但该公司并不是唯一认识到业务上下文对智能体重要性的供应商。
据周三发布的一篇博客文章称，谷歌为其Agentic Data Cloud新增了多项功能，其中包括一个无边界湖仓一体（borderless Lakehouse），可为智能体提供跨平台（如Confluent、多云环境或本地部署）的受治理数据基础。这家科技巨头还预览了Knowledge Catalog中的一项自学习增强能力，该产品是谷歌云为智能体提供的业务上下文引擎。
博客文章中写道："Knowledge Catalog通过持续挖掘Google Workspace、GitHub、Jira、Confluence和SharePoint等非结构化数据源，从用户意图以及每一次人机和智能体交互中学习，从而自动弥合上下文缺口并持续演进上下文信息。"
