腾讯云数据库 PostgreSQL 云盘版正式发布：以“弹性云存储 + AI 原生”重塑企业级数据库底座

云数据库 PostgreSQL 正式发布云盘版（以下简称“PG 云盘版”）。该版本以云硬盘（CBS）为统一存储底座，相较传统本地盘形态，在弹性、可靠性、安全合规、AI 原生能力四个维度全面升级，成为 AI 时代企业更稳健、更灵活、更智能的关系型数据库底座。

PG 云盘版本次发布聚焦“云盘底座 + AI 原生”两大主线，已上线的核心能力包括：

云硬盘（CBS）统一存储底座

以云盘替代本地盘作为云数据库PostgreSQL 的存储介质，实现存储与计算解耦，为后续在线扩容、快照备份、跨可用区/跨地域容灾等云原生能力提供统一基础。

快照型备份与回档

基于云盘快照实现 TB 级数据库分钟级完成备份与回档，相较物理备份与恢复大幅缩短耗时，且备份恢复链路与开源 PG 完全兼容，业务侧无需改动；让 AI 改库、Agent 试错都有“敢按下去的撤销键”。

完全兼容开源 PostgreSQL

完整覆盖 PostgreSQL 13 ～ 18 多个大版本，兼容开源生态语法、扩展、协议；存量 PG 用户（IDC 自建 PostgreSQL、腾讯云数据库 PostgreSQL、第三方云厂商 PostgreSQL）可通过 DTS 一键迁移，业务零改造。

pgvector 向量扩展默认开启

控制台一键管理，支持 IVFFlat / HNSW 多种向量索引，向量数据与业务数据同库、同事务、同备份、同回滚。

DiskANN（pgvectorscale）产品化加速

控制台一键开启 DiskANN 索引，构建进度可视；带 WHERE 过滤条件的向量检索召回不掉点，索引基于云盘存储而非全内存，更适合 1024 ~ 2048 维、亿级规模的向量负载。

混合检索一条 SQL 完成

支持“向量 + 全文 + 关系条件”在一条 SQL 内完成召回与排序，无需在外部拼接多套检索引擎。

库内 AI 函数 tencentdb_ai

在 SQL 中直接调用 chat / embedding / rerank，并提供“写入即自动 Embedding”能力，免去业务侧维护双写链路。

PG 云盘版的能力组合可按 AI 应用从“建库 → 改库 → 搜库 → 接 Agent”四个环节串成一条线，每一环都对应一类 AI 业务的关键决策点：

能力1：云盘统一存储底座 ——「存得下、扩得动」

AI 场景痛点：

RAG 知识库今天100GB、明季度可能就是10TB；Agent 长期记忆按用户线性膨胀；主节点扛 OLTP、只读节点扛向量检索，规格诉求完全不同。本地盘形态下“扩容 = 迁机器”，机型耦合让主备只读节点无法各取所需。

PG 云盘版的答案：

● 以云硬盘（CBS）替代本地盘作为统一存储介质，存储与计算解耦；

● 为后续在线扩容、快照备份、跨可用区/跨地域容灾提供统一基础底座。

典型 AI 业务落点：

● AI Agent 长期记忆（database-per-user）—— 每个用户一库、记忆按存储自然扩展；

● 多模态检索（以图搜图 / 商品检索 / 视频审核）—— 1024 ~ 2048 维向量亿级规模，云盘扩容跟得上数据增长。

AI 应用最不可预测的就是数据增长曲线 —— 云盘底座让“先用起来再说”成为安全选择，存储和计算可以各自按节奏演进。

能力2：快照型备份与回档 ——「改得起、回得快」

AI 场景痛点：

用户让 AI 改 schema、改数据，改错了就要回滚；AI Agent 的多步任务出错后，也希望能快速回到上一个稳定状态再重跑。

PG 云盘版的答案：

● 基于云盘快照的备份与回档：相较物理备份显著缩短备份与回档耗时，在 TB 级数据库下可做到分钟级完成；

典型 AI 业务落点：

● AI Agent 的 OLTP 后端 —— 业务事务 + 向量记忆同库同事务，AI 改错时可对整体状态进行分钟级回档；

● NoCode / Vibe Coding 平台 —— AI 一句话生成应用、自动配独立 PG，回档链路足够轻让“试错—回滚—再试”成为常态操作。

AI 改库的本质是高频试错，回档越轻、Agent 就越敢动数据。云盘快照把备份回档从“运维事件”变成“日常动作”，让 AI 应用敢于把更多事务交给数据库。

能力3：pgvector + DiskANN 双索引 ——「搜得准、不掉点」

AI 场景痛点：

企业 RAG 的检索几乎永远带 WHERE 条件（租户、时间、地域、合规标签、文档权限）；HNSW 是“先抓 N 个再过滤”，过滤一狠召回直接崩；单条向量 1024 ~ 2048 维、规模上亿，HNSW 必须把整张图装进内存，内存成本爆炸。

PG 云盘版的答案：

● pgvector：控制台一键管理，IVFFlat / HNSW 多索引可选；

● DiskANN（pgvectorscale）产品化：一键开启 DiskANN 索引、构建进度可视；

● 混合检索增强：向量 + 全文 + 关系条件，一条 SQL 完成混合排序；

● 磁盘友好：DiskANN 索引基于云盘存储而非全内存，1024 ~ 2048 维不爆内存。

典型 AI 业务落点：

● 企业级 RAG 知识库（合同 / 研报 / 工单）—— 带 WHERE 过滤的召回不掉点，DiskANN + 混合检索一条 SQL 跑完；

● 多模态检索（以图搜图 / 商品检索）—— 高维向量 + 业务过滤条件同时在线。

RAG 真正的瓶颈从来不是“能不能搜出向量”，而是“带条件搜还能不能搜准”。PG 云盘版把 DiskANN 做成产品化能力，让企业级 RAG 在腾讯云上第一次有了召回不掉点的选项。

能力4：库内 AI 函数 ——「让 SQL 自己会推理」

AI 场景痛点：

AI 应用的事实是“数据在 PG 里、模型在外面”，每次推理都要 app → embedding 服务 → 向量库 → app，链路长、延迟高、对账难；NoCode / 长尾应用还想要“写入即自动 embedding”，又不想自己接一堆 API、维护一条双写链路。

PG 云盘版的答案：

● tencentdb_ai 库内 LLM：在 SQL 里直接调用 chat / embedding / rerank，无需额外 SDK

● 自动 Embedding（写入触发）：业务表写入即自动向量化，再不用手动维护双写。

典型 AI 业务落点：

● 企业级 RAG 知识库 —— tencentdb_ai 把“提问 → 召回 → 重排 → 生成”压进一条 SQL，链路从“四段式”收敛为“一条 SQL”；

● AI Agent 的 OLTP 后端 —— 业务事务里直接 ai.embedding() 写向量，事务边界天然一致，无需双写补偿。

推理链路越短，AI 应用的延迟、成本、可观测性就越好。PG 云盘版把 LLM 推理直接做进 SQL 引擎，让数据和模型在同一条事务里完成对话。

腾讯云数据库 PostgreSQL（TencentDB for PostgreSQL）是腾讯云推出的完全兼容开源 PostgreSQL 的企业级关系型数据库服务，具备高可用、高安全、高性能、AI 原生四大特性，已服务于金融、政企、互联网、AI 等行业的众多头部客户。

📢 活动预告

5月29日，腾讯云「数据库+AI」发布会将首次完整披露从“AI-In-Database”原生融合，到全面支撑Agent的演进路径与核心能力。

诚邀您见证“AI 原生重构数据库”的行业变革，共建下一代智能体应用的数据根基。