OpenSearch 老兵创立 Infino，推出面向 AI Agent 的统一检索层
来源The New Stack查看原文
速览
- Infino 发布面向 Agent 的统一检索层，主张用一份 Parquet 数据替代多套检索系统。
- 核心论点是 Agent 查询模式与人类不同：并发发起大量小查询，结果消耗上下文并增加成本与延迟。
- 数据以 Parquet 存在对象存储，索引嵌入文件内，Iceberg、Hudi、Spark、DuckDB 等仍可读取。
- 检索功能嵌入 SQL，一次查询完成关键词、语义、过滤、聚合与连接。
- 公司称比 Elasticsearch 便宜约 10.5 倍、比 OpenSearch 便宜 23 倍。
- 目标用户包括平台/数据工程师、安全工程师、ML 与数据科学团队、构建 Agent 工作流的开发者。
- 核心引擎 Apache-2.0 开源，Infino Cloud 提供托管与专有功能。
- 已支持数十亿文档用例，并有客户将 PB 级数据放在其上。
由多位曾参与 AWS OpenSearch 等系统的工程师创立的 Infino 正式发布面向 AI Agent 的检索平台。Infino 的核心主张是：Agent 已成为继浏览器之后最大的数据消费方，但现有数据栈（数据仓库、搜索引擎、向量数据库、ETL 管道）是为人类查询模式设计的，导致 Agent 需要跨多个系统调用并自行拼装结果。Infino 的做法是把数据以 Apache Parquet 格式存放在对象存储中，把搜索索引嵌入 Parquet 文件，让 Agent 通过一个接口完成关键词检索、语义搜索、过滤、聚合、连接等操作。公司称其架构在测试负载下比 Elasticsearch 便宜约 10.5 倍、比 OpenSearch 便宜 23 倍，并已支持数十亿文档级别的应用场景。核心引擎以 Apache-2.0 协议在 GitHub 开源，托管服务 Infino Cloud 提供额外专有功能。
关键事实
- Infino 于周三正式发布其 Agent 检索平台，定位为所有 Agent 的统一检索层。
- Infino 将数据以 Apache Parquet 格式存放在对象存储中，搜索索引嵌入 Parquet footer 旁，任何能读 Parquet 的工具都能读取数据。
- Infino 核心引擎以 Apache-2.0 协议在 GitHub 开源，Infino Cloud 托管服务包含专有功能，如直接指向已有 Parquet 数据使其可搜索。
- Infino 称其架构比传统搜索或分析基础设施便宜约 10 倍；其公布的对比显示，在测试负载下比 Elasticsearch 便宜约 10.5 倍，比 OpenSearch 便宜 23 倍。
- Infino 已支持数十亿文档级别的用例，覆盖人员搜索、文档处理、产品分析和安全领域。
- Infino 称有一个未具名客户将全公司 PB 级数据放在 Infino 上，Parquet 仍存放在客户自己的存储桶中并被现有工具读取。
本站视角
对国内做 Agent 的团队来说，Infino 提出的问题比它的产品更值得注意：当 Agent 成为数据的主要消费者，检索层的设计目标就从「人类查一次」变成「Agent 并发查很多次并反复验证」。这意味着现在常见的做法——给 Agent 挂一个向量数据库加一个搜索引擎再加一个数据仓库，用 MCP 网关串起来——会在上下文成本、延迟和权限治理上同时承压。Infino 的思路是用一份 Parquet 数据加一个查询接口替代多套系统，如果成立，受影响的会是正在搭建 RAG 或 Agent 数据管道的平台团队，以及依赖 Elasticsearch/OpenSearch 做检索的中小企业。 我们的判断是：这个方向有实质合理性，但 Infino 目前给出的证据不足以支撑「10 倍便宜」的结论。10.5 倍和 23 倍的成本对比来自 Infino 自己发布的测试，测试负载、数据规模、查询类型都未在原文中说明，单一来源且带商业动机，读者不应直接当作通用结论。更值得关注的是它的开放格式策略：数据留在客户自己的对象存储、任何 Parquet 读取器都能读，这降低了锁定风险，也是它相对封闭检索系统的一个真实差异点。需要观察的是：嵌入 Parquet 的索引在数据频繁更新时如何维护、多租户下的权限模型是否真的比 MCP 网关更简单、以及开源核心与 Infino Cloud 之间的功能边界会不会随时间收窄。对国内团队而言，即便不采用 Infino，它提出的「为 Agent 的查询模式重新设计检索层」这一命题，也值得在选型时纳入考量。
背景与影响
Infino 的创立背景与 AI Agent 的普及直接相关。传统数据架构中，搜索、分析、向量检索各自运行在独立系统上，各有一份数据副本、各自的摄取管道和运维团队。人类或应用查询时，一次查询等待一个结果，模式可预测。但 Agent 的查询方式不同：它会为回答一个大问题而并发发起许多小查询，每个结果都消耗模型上下文，并可能增加后续模型调用的成本与延迟。Infino 认为现有数据存储并未针对这种读取模式优化，因此选择将检索能力直接嵌入 SQL，并让所有数据以 Parquet 格式集中存放。这一路线与当前数据湖仓（lakehouse）趋势一致，即用开放格式减少数据副本和 ETL 管道。Infino 团队来自 Amazon、Google、LinkedIn，曾参与 AWS OpenSearch，这为其在搜索与大规模数据系统方面的可信度提供了一定背书。不过，Infino 公布的性能与成本对比来自其自身测试，尚无第三方验证，实际效果需要观察。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
