随着AI在产业内的影响力加速扩大，AI原生应用程序正在打破传统存储与计算架构的边界，形成新的技术格局。特别是"基于智能体（agentic）"的工作负载，其核心挑战已从单纯的"延迟"转变为"扩展性"与"存储成本"。
在AWS re:Invent 2025活动期间的采访中，Supabase首席执行官保罗·科普尔斯通表示："基于智能体的应用程序会产生海量数据。要处理这些数据，极低成本的存储平台至关重要，而亚马逊S3的价值正是在此凸显。"他补充道："现在，我们看到整个数据库工作负载运行在S3之上的趋势。"
这一趋势超越了简单的潮流，是解决大规模系统构建与高效数据利用双重挑战的战略方向。传统的基于OLTP（在线事务处理）的系统以快速响应速度为生命线，而AI为中心的工作负载则聚焦于处理庞大的数据量，因此数据库与S3之间的有机协作变得至关重要。
此外，随着企业扩展应用生成式AI或智能体AI，分布式数据结构中产生的瓶颈问题日益凸显。科普尔斯通解释道："即使将数据从数据库中移出，仍可以在数据仓库中执行相同的查询。"他强调了两端环境间查询同步成为可能的开放式存储架构的重要性。
亚马逊云科技（AWS）顺应这一变化，预测未来企业级AI将由长时间运行的智能体模型主导，而非一次性问答。为此，AWS正加大投资，强化高速数据库与低成本大容量存储的结合。Supabase顺应这一趋势，提出结合PostgreSQL数据库与S3存储的新开放式平台，以抢占市场。
科普尔斯通说明："对延迟敏感的数据存储在PostgreSQL中，而对响应速度要求相对较低但需要处理海量数据的情况则存储在S3中，这是我们目前提出的完整平台方案。"这种架构为需要高性能的应用程序与通用大规模分析系统在单一环境中共存开辟了道路。
最终，AI时代的数据战略已超越"快速处理"，向"如何实现可扩展且成本高效地处理"演进，而Supabase与AWS的方案正为此提供了一种解答。随着AI原生应用在产业中真正落地，存储架构也必将基于开放性与互操作性，经历一场根本性的重新设计。
