与其用现成的，不如把技术栈整个重写——这是 Perplexity 这两年最核心的降本策略。继自研爬虫、索引、排序与推理引擎之后，这次轮到存储层：他们用自研键值数据库 CobbleDB 替换了 AWS DynamoDB 的在线读取路径。原因很现实：DynamoDB 按读写字节计费，索引越大、查询越多就越贵，而且数据放在哪台机器、缓存怎么分配、副本如何选择，你都说了不算。
架构：读写彻底解耦
新架构拆成三件套：CobbleDB 负责「热数据」读取，底层用 RocksDB，配 NVMe 与内存缓存，每个分区三副本、路由优先落在同可用区，慢节点可自动切换到副本兜底；Pillar 基于 YTsaurus 维护全量文档状态（用廉价 HDD）；Lorry 把更新打包成 S3 批次异步投递。文档处理与查询路径彻底分离。
效果：延迟砍 5 倍、成本省 20%
官方生产数据：批量读取中位数延迟从 31.4ms 降至 5.60ms（约 5 倍），p99 从 123ms 降至 24.2ms，200k RPS 下稳定运行；成本方面，每个承诺层级都比 DynamoDB 至少便宜 20%。CEO Aravind Srinivas 表示，这类自研基础设施每年最多可节省约 1 亿美元。
亮点：2 个人 + 数百个 AI 智能体
CobbleDB 核心约 4 万行 Rust，由 2 名人类工程师带着数百个常驻 coding agent 在两个月内完成。智能体负责审代码、排查隐患、补测试与文档、盯 CI 与上线灰度；架构决策与生产操作仍由人拍板。这可能是「AI 写基础设施」最直观的案例。
展望
Perplexity 计划近期开源 CobbleDB。对团队而言，「自研 vs 采购」的账要重新算了；对普通开发者而言，它说明 AI 智能体已能实打实参与工程交付——人机协作的边界，正在被重新定义。