Действительно ли MongoDB быстро становится доступной базой данных для рабочих нагрузок ИИ?

MongoDB MDB стабильно выигрывает от растущего спроса на приложения на базе искусственного интеллекта. В первом квартале 2026 финансового года выручка MongoDB составила 549 миллионов долларов, что на 22% больше, чем в прошлом году. На долю облачной платформы Atlas пришлось 72% от общего объема выручки, что на 26% больше по сравнению с аналогичным периодом прошлого года. Несмотря на то, что внедрение искусственного интеллекта на предприятиях все еще находится на ранней стадии, MongoDB считает, что ее интегрированная архитектура позволит ей обеспечить долгосрочный рост доходов по мере того, как все больше разработчиков будут создавать пользовательские, высокоэффективные приложения ИИ на своей платформе.

Модель документооборота компании хорошо подходит для обработки быстро меняющихся, неструктурированных данных, необходимых для работы с ИИ в реальном мире. Приобретение Voyage AI еще больше расширило эту возможность, поскольку версия Voyage 3.5 повысила точность внедрения и значительно сократила расходы на хранение. Такие компании, как LG Uplus, используют свои инструменты искусственного интеллекта для поддержки тысяч агентов более быстрыми и точными ответами, укрепляя позиции MongoDB в области искусственного интеллекта.

MongoDB добавила протокол контекстной модели Anthropic (MCP) во все свои базы данных, включая Atlas, для упрощения задач разработки и работы с базами данных с использованием искусственного интеллекта. MCP позволяет агентам искусственного интеллекта, таким как Claude, Cursor и GitHub Copilot, получать доступ к инструментам и данным через модель клиент-сервер. Теперь, когда сервер MongoDB MCP доступен для публичного просмотра, разработчики могут использовать естественный язык для запроса или изучения данных, оптимизируя рабочие процессы и повышая производительность.

MongoDB также стремится уменьшить галлюцинации ИИ и повысить точность с помощью своих передовых средств повторного анализа и оптимизированных для предметной области моделей встраивания. Эти инструменты ранжируют результаты LLM на основе контекстуальной значимости, что значительно повышает надежность.

Жесткая конкуренция MDB на рынке баз данных, управляемых ИИ

MongoDB сталкивается с растущей конкуренцией со стороны Snowflake SNOW и Elastic ESTC, которые расширяют свои возможности ИИ в области облачных баз данных.

Snowflake внедрила встроенную поддержку рабочих нагрузок векторного поиска и генерации данных с расширенным использованием (RAG), и даже после приобретения MongoDB модели Voyage AI по-прежнему будут доступны Snowflake и другим пользователям Voyage AI.

Elastic расширила свои возможности в области искусственного интеллекта с помощью механизма релевантности Elasticsearch, включающего собственный векторный поиск, гибридный поиск и бесшовную интеграцию с LLMs. Благодаря инструментам для контекстного обоснования и рабочим процессам RAG Elastic помогает разработчикам создавать безопасные, готовые к работе приложения ИИ, используя свои данные.

Динамика цен на акции МБР, оценка и прогнозные оценки

Акции МБР потеряли 11,8% с начала года (с начала года)

Источник nasdaq.com, автоматический перевод