Supabase 正凭借 Postgres 生态与 AI coding 浪潮的黄金交叉点改写 BaaS 赛道规则。从开源 Firebase 替代品到 agent-native 基础设施，其 OrioleDB 存储引擎与 Multigres 分片技术正突破传统数据库性能天花板。本文深度解析这家估值百亿美金的公司如何用技术收购和架构创新，重构开发者与 AI Agent 的后端体验。

Supabase 是一个几乎所有 vibe coder 都熟悉的产品。

它背后的公司创立于 2020 年，以 Postgres 为核心数据库，叠加 auth、storage、edge functions、vector 等能力打包成一站式后端提供给用户。其早期价值主张围绕“open-source Firebase”与“更简单易用和一站式的 Postgres”构建，目标是让开发者“Build in a weekend. Scale to millions”。

Supabase 的发展底座是 PostgreSQL。过去 20 年 Postgres 的官方文档、Stack Overflow 答复、GitHub 数据都成为了模型预训练数据的一部分，加上 Postgres 生态的多样性以及 pgvector 的成功，目前 AI agent 在“用什么数据库”这一问题上大多数时候默认推荐和选择 Postgres。Supabase 的 BaaS 平台提供了最开箱即用的 Postgres，承接了这一分发优势，目前已经成为 Lovable、Bolt 等第三方 harness 的默认集成以及 Codex、Claude Code 等 CLI agent 的 top 后端推荐。

Supabase 背后的另一个 wave 是 AI coding 能力的提升。Anthropic ARR 在 Opus 4.5 发布后三个月从 90 亿美元跳至 300 亿美元级别，run rate 两三年走完 Google Cloud 十八年的路。受益于 vibe coding 和 agentic engineering 的崛起，Supabase 的用户增长曲线也在 Opus 4.5 发布后完成新的加速。

目前 Supabase 接近完成 GIC 领投的 5 亿美元 F 轮融资，估值 100 亿美元。公司历史上重要的财务投资人还包括 YC、Accel、Coatue 等。截至 2026 年 Q1，Supabase 累计用户突破 700 万。我们预计 Supabase ARR 在 26 年末可以达到数亿美元。如果你对 agent-native 数据库或 Backend-as-a-Service 方向感兴趣，欢迎联系我们交流。

01.为什么要关注 Supabase

Coding Agent 是科技史上增速最快的新物种

1. Supabase 同时在两条 AI 时代的大势上，即 Postgres 作为 AI 的心智语言，以及 coding 作为 AI 需求的最大爆发点。

Coding 是 AI 目前最大的 wave 和绝对的主线，coding 能力大幅提升的 Opus 4.5 已经让 AI 从 chat 跨入 agent 时代。我们的判断是“coding agent 实现了，AGI 的 90% 就实现了”。

而 Postgres 已经成为 agent 的后端心智语言，最适合其理解和操作。得益于其瑞士军刀属性和 pgvector 的巨大成功，Postgres 非常适合 AI 时代的新型 workload。Supabase 成功打造了最流行和易用的 Postgres wrapper，位置在 Postgres 生态和 AI coding 趋势的交叉点上。

2. Supabase 的产品路线图已从“给人类开发者更好的体验”切换为“给 agent 更好的 Postgres capability”。

在 2024 年以前，Supabase 的主要价值是让人类更简单方便地用 Postgres，将 GoTrue（Auth）、PostgREST（API）、Phoenix Channels（Realtime）等已有开源组件打包成一站式体验，Dashboard 好看，文档清晰，能让开发者一键 setup。

随着 2024 年收购 OrioleDB，Supabase 开始成为 Postgres 的改造者，其产品路线图聚焦点明显转移。我们统计了 20 年以来 Supabase 重要产品更新的方向分化：

Supabase 还通过连续收购把 Postgres 最顶尖的人才聚拢到一家公司：

我们判断，人类开发体验的壁垒在 agent 时代是随时间递减的，而底层 capability 的壁垒是递增的。Agent 可以直接管理 infra 本身，并不在意 dashboard 清晰度和 setup 难度，但 capability 的强弱仍将重要。

3. 模型正在吃掉应用和垂类，BaaS 则处于吃掉向量搜索、状态持久化、auth 等其他 Infra 的绝佳位置上。

Supabase 处于 Infra 的中枢位置，叠加上 Postgres 的瑞士军刀属性以及 Supabase 在 Auth 等产品拓展上的高成熟度，有非常好的平台化机会。

4. Supabase 有极强的 distribution moat，第一阶段体现为 vibe coding 平台的官方集成，目前已经过渡到 agent 的主动推荐以及与 Anthropic 的官方合作。

Supabase 是 Bolt、Figma、Lovable 等平台的默认后端，构建了官方集成，成为 Lovable Cloud 等产品的白标服务商。

同时 AI coding 工具生成代码时选择 Supabase 不是因为有商务合作，而是 Supabase 的社区影响力、品牌知名度、代码示例密度都极强。Supabase 在数据库、auth、real time 等品类的 agent 推荐率都名列 top 3。Supabase 和 Anthropic 将合作推出 vibe coding platform 产品，会进一步加强这个 distribution moat。

02. Momentum

Supabase 在 2024 年 4 月才正式宣布 GA，开启了用户数和商业化的快速增长。在 2025 年 10 月宣布新一轮融资时，Supabase 的 ARR 已经突破 7000 万美元。我们预计其 Net New ARR 在 26 年将大幅加速，年底 ARR 将增长至数亿美元。

根据 Coatue 在 26 年 3 月发布的这张图片，Supabase 的累计用户数过去 16 个月 7x，已经超越 700 万：

03. Supabase 的产品路线路

Overview

每个 Supabase 项目都相当于一个独占 Postgres 数据库及 5 个同项目默认开好的服务（Auth / Storage / Realtime / Edge Functions / Vector）+ 自动生成的 REST & GraphQL API。这通常需要在 AWS 上拼 5–7 个服务才能做到，但在 Supabase 这里是一个 schema 和一套 auth 上下文里全部开好的默认。

在大体上，我们可以把 Supabase 的产品分成 5 层来看：

1. Postgres 本身。每个项目一个完整的托管 Postgres（15/17），带 RLS、40+ 扩展（pgvector、pg_graphql、pg_cron、Vault、Foreign Data Wrappers 等）、daily backup 与 PITR、read replicas。

2. 6 个核心的 BaaS 组件产品，同时系统自动生成 REST API（PostgREST）和 GraphQL API（pg_graphql），schema 改了 API 可以立刻跟上：

3. 开发者 workflow：

• Studio Dashboard：完整可视化管理（Table Editor / SQL Editor / Auth Users / Storage Buckets / Logs / AI Assistant）

• CLI + Declarative Schemas + Branching：本地 dev → migrations → 给每个 PR 起一个隔离真实数据库环境（Vercel 式）

• MCP Server + supabase/agent-skills：18+ agent 兼容

• Management API + Terraform Provider：多项目 fleet 可编程管理

• Logs & Analytics + Log Drains：Datadog / Grafana / Sentry / S3 导出

4. 企业级安全、合规以及独占能力：

• Supabase ETL + Analytics Buckets (Iceberg/Parquet on S3) + S3 Tables

• Private Link（AWS VPC Lattice， 2026 年初 GA）

• 合规：SOC 2 Type 2 / HIPAA （with BAA） / ISO 27001 stage 2 尾声

• Foreign Data Wrappers（查外部数据源像 Postgres 表）

• Read Replicas + Dedicated Poolers + PITR

5. 前沿 bet：

其产品定价为如下四档：

Agent-First Bets

Supabase 产品的很多历史优点主要体现在人类开发者的体验上。2025 H2 以来，coding agent 已成为新项目后端选型的主要决策者之一。与人类开发者相比，agent 在生成代码时表现出三项差异：

• 代码产出量较人类高约 1000x 以上

• 绝大多数产出符合 disposable 的概念，真正交付至最终用户的比例低

• Context retention 成为任务完成度的重要制约，agent 能力受限于 context window，难以同时协调超过 3–4 个外部服务的 API 形状

以上三点共同决定：能够在这些 workload 下赢得默认地位的后端产品，必须同时满足三项条件：agent 能很好地针对该后端的代码、探索实验阶段不产生云成本、从原型到付费交付的升级路径能在同一供应商内闭环。

Supabase 在产品层面有 3 层的布局：

• supabase/agent-skills 仓库 & MCP server：skills 仓库汇集了官方校验过的 Supabase 代码 template，目前已经被 18+ 主流 coding agent 原生集成，让 agent 在生成 Supabase 代码时优先引用其 template，降低幻觉和错误。

• 轻量沙盒 PGlite：PGlite 是一个 3MB 的 WASM 构建 Postgres，可在浏览器、Node、Bun、Deno 内亚秒级冷启动运行，完整兼容 Postgres 语法但不依赖任何云资源。让用户可以 local-first 地快速地跟 agent 一起进行原型迭代，无需消耗任何的云资源。

• BKND 和 Supabase Lite：完全面向 agent 作为用户打造的独立产品。传统上 Supabase 需要人类用户自己完成域名、环境变量、auth 配置等编排。Supabase 于 2025 年底宣布收购 BKND 并引入其创始人 Dennis Senn 主导 Supabase Lite，目的是将该编排环节产品化：一个 agent 可直接调用的“最小可发布 Supabase 项目”，同时内置一条向完整 Supabase 项目升级的路径。这条产品线仍在建设中。目前 Supabase 对 Lite 的核心构想包括：

1) 针对沙盒环境的 trimmed-down experience

2) 面向 agentic workflow 的数据库架构

3) 更小、更便宜、更简单的数据库

目前看 Supabase Lite 还在探索阶段，如果 26 年能 GA 并且我们观察到 agent adoption 的 traction，可以大幅增强我们对 Supabase 在 agent-first 时代的信心。

Scalability Bets

Postgres 本身是一个单机数据库，在不进行存算分离等架构大改的基础上，天然有 scalability 的问题。根据 12 份 Supabase 客户的专家访谈，对单机 Postgres 在商业级生产负载下的实用上限为：写入吞吐 1-5 万 TPS（具体看 workload 类型）、单 instance 有效存储 ～10 TB 量级、VACUUM 维护成本在 5 TB 以上的表上显著恶化。对应的商业拐点（客户开始遭遇性能问题而评估迁移的时间点）约为 20-50 万美元 ARR / 5000+ 月活用户 / 5–50 TB 数据量。

通常来说，因为 scalability 问题而迁移出 Supabase 的客户会流向云厂商等解决方案，主流的选项是 AWS Aurora、Google AlloyDB、CockroachDB。这种迁移本身也耗时耗力，需要对 auth、storage、realtime 等关联服务做全部的重建，但为了更好的性能、容灾等能力，客户往往不得不迁移。

目前针对 scalability 的问题，Supabase 有两个核心的产品布局：

• OrioleDB。Supabase 于 2024 年收购 OrioleDB 项目并将其创始人 Alexander Korotkov 纳入核心团队。OrioleDB 是 Postgres 的一套替代存储引擎，针对原生 Heap 存储长期未能解决的两个问题，VACUUM 维护开销与 MVCC 导致的表膨胀。其技术实现采用 Copy-on-Write 与行级 WAL，在写密集负载下可将 VACUUM 开销压缩至可忽略区间。当前状态为 Supabase 云平台 Public Alpha，HNSW 向量索引尚未接入，GA 时间表未公开。

• Multigres。Supabase 于 2025 年聘请 Sugu Sougoumarane 主导 Multigres 项目。Sugu 为 Vitess（MySQL 水平分片中间件，在 YouTube、Slack、Square 等公司承载 exabyte 级负载）的联合创建者。Multigres 的目标是将 Vitess 的分片模型移植至 Postgres 生态，使客户在不切换 SQL 接口、不迁移 Auth / Storage 等关联服务的前提下获得水平扩展能力。当前状态为 R&D 阶段，无公开 GA 时间表。

这两个布局一个专注在存储、一个专注在分片改造 Postgres。对 Supabase 在客户规模的两端都有意义，一方面是吸引企业客户以及减少 graduation effect，另一方面是降低服务 vibe coder 的沉睡项目的云成本。同时，agent 时代后端的 workload 会有几个大的变化：

• 项目/数据库的创建速率极高

• 这些项目的冷热分布季度不均，大多数 disposable

• 爆款的突发性和爆发力极强

Multigres 和 OrioleDB 后续发展会决定 Supabase 在冷项目的成本控制和爆发项目/企业级 workload 上的弹性承接能力（下图为加机器扩容这一个变化带来的 UE 改善）。

Enterprise-Readiness

根据专家访谈，过去 5 年，企业 IT 采购对 Supabase 这类 PLG/self-serve 起家的后端平台的拒绝理由集中在四类：

• 跟企业现有 OLAP 的数据打通能力有限

• 无法满足数据库不得暴露于公网的网络隔离要求

• 缺少一些企业级合规证明

• 相比 Crunchy Data 等 Postgres 服务商，缺少正式的 enterprise sales 与迁移服务

Supabase 从 25H1 到 26Q1 有一系列改善这些情况的产品布局：

• OLAP 连接：有一系列重要发布，包括 Supabase ETL（Postgres WAL 到 Iceberg 的流式 CDC）、Analytics Buckets（基于 Iceberg 与 Parquet on S3 的托管对象存储）、Iceberg Foreign Data Wrapper、以及与 AWS S3 Tables 的合作，合计构成“OLTP + OLAP on open formats”的完整链路

• 网络隔离：PrivateLink 通过 AWS VPC Lattice 于 2026 年 1 月 GA，覆盖企业采购清单中“数据库不得暴露于公网”要求的 60%–70% 场景。剩余场景涉及 GCP 与 Azure 客户的同等私网连接能力，仍在建设中

• 合规：SOC 2 Type 2（已取得）、HIPAA with BAA（已取得）、ISO 27001 stage 2（接近尾声）。Trust Center 已上线。覆盖大部分商业 B2B 与医疗健康场景的合规准入

• Sales 与 advisory 团队：Strategic CSA（Customer Success Architect）团队在 AMER、EMEA、APAC 三地的招聘已启动，含 Team Lead 岗位；岗位 scope 明确包含对 Oracle 与 SQL Server 客户的迁移服务

目前还存在的 enterprise gap 包括：

• SCIM：Supabase 不提供开箱即用的 SCIM，客户需要使用 API、SQL、Webhooks 自行构建

• Managed BYOC：目前没有这项能力，很难卖给高监管行业和政府

• PCI DSS：目前没有但不必须，主要影响需要在数据库内处理信用卡数据的收付款场景

• FedRAMP：目前没有，但拓展联邦政府及国防客户需要拥有

我们判断 Supabase 的 Enterprise-ready 程度在 75% 左右，缺少 SCIM 和 BYOC 两个关键点，但基本的支柱都已经拥有或者在建设，需要重点突破的还是 scalability。

04. 增长 Driver

下面两个 growth driver 是 Supabase 在 2025 年至今能获得高速增长的主要原因，并且目前看继续延续 6-12 个月的确定性非常高：

Scale with startup

Supabase 的主要获客漏斗顶端为初创公司与个人开发者，计费模型为使用量驱动（database size、compute hours、active users、egress 等）。这意味着一旦客户进入 Supabase 生态，其对 Supabase 的营收贡献将随该客户自身规模扩张而线性甚至超线性增长。客户从零 ARR 启动项目，24–36 个月内若产品 PMF 成立，Supabase 对该单客户的 ARR 贡献可从零提升至数千到 50 万美元级别。目前有 65% 的 YC 公司是 Supabase 的客户。

Vibe coding

Vibe coding 对于 Supabase 的增长驱动有两方面：

• Rev-share：Lovable、v0、Bolt、Figma Make 等平台将 Supabase 作为默认 backend 内置，按用户 provisioning 的 database 向 Supabase 分成或反向采购 API quota。Supabase 让渡了一部分收益，但换来了更多的流量

• 非平台的 vibe coder：

1) 开发者选择后端的决策路径经历是：Hacker News 与技术博客（2010–2015）→ GitHub stars 与 Twitter（2015–2020）→ developer conferences 与 swag（2020–2024）→ coding agent 自动推荐（2024 至今）

2) Claude Code、Codex、Cursor、Windsurf 等通用 coding agent 本身不与 Supabase 有商业合作，但其生成代码或跟用户 Q&A 时倾向于推荐 Supabase

3) 这让 Supabase 几乎零获客成本地获得了大量流量

下图为第三方从数百个 Claude Code session 种统计的 agent 推荐比例，Supabase 在多个类目都位于 top3：

05. 关键挑战/Risk

竞争

我们判断 Supabase 目前有 3 个维度的竞争者：

• Postgres 生态内的云厂商和 Neon 等竞品，它们提供更纯粹的 Postgres 数据库，适合那些将 Supabase 平台化能力视作 vendor lock-in 的客户

• Convex 等架构差异化的 BaaS 竞争对手

• Insforge、db9 等 agent-first 竞争者以及 AI 继续发展的不确定性

云厂商原生 Postgres：Aurora DSQL、AlloyDB 等

AWS 与 Google 具备将 Postgres 兼容层叠加于其分布式存储基础设施之上的工程能力，并可在单项 benchmark（吞吐、延迟、可用区容错）上超过 Supabase。已有 AWS commit 预算且仅需纯数据库能力的企业客户，默认选择 Aurora 或 AlloyDB，Supabase 在此场景中完全不占优。但在应用需要开箱即用后端的场景中，Supabase 占优。

Serverless Postgres：Neon 等

Neon 专注于存算分离、即时分支等技术方向，引领了 OrioleDV 之外的另一条路线。在海量的、短寿命的小数据库 workload 上，Neon 的架构更适合，它也的确有 Replit 作为客户。Databricks 于 2025 年完成对 Neon 的收购。

在 Neon 之上构建完整应用需客户再行拼接 Auth、Storage、Functions、Realtime 四个独立供应商。这导致 Neon 的 npm 下载量增长在过去 6 个月显著低于 Supabase 和 Convex。但仅需纯数据库能力的企业客户或者资深的开发者会选择 Neon 然后自行拼接其他服务。

NoSQL/Non-Postgres 的竞争对手：Convex

我们之前详细介绍过 Convex 的技术特点和潜在 TAM。对于 Reactive 的应用，Convex 的契合程度远高于 Supabase，它也是目前 vibe coder 社区中心智最强的 Supabase alternative。

AI 快速发展的不确定性

若 agent 的自主性提升至不再依赖训练语料中的语法习惯、品牌传播等，而是更自主独立地选择和改造现有后端方案，目前 Supabase 的 distribution moat 将受到结构性削弱。

UE

Supabase 虽然获客成本很低，但它的免费层产品有大量的沉睡数据库需要预留云资源，会限制其毛利和 UE 的上限。目前 Supabase 有 auto-pause 机制，但更用户友好的方案依赖于 Multigres、Supabase Lite 等产品押注的进展，毛利率和 UE 的趋势是后续和公司交流的重点。

TAM & 企业客户市场

目前 Supabase 拥有一些大型企业 logo，但仍然仅被用于其创新性的探索项目。以下为客户访谈中的一些案例：

• Cisco（VP Data Analytics & AI）：仅限内部创新实验室 sandbox 使用，预算约 10 万美元且与 Firebase 共享，认为企业级还不成熟

• Thermo Fisher（Director IT Operations）：仅用于轻量级移动应用，约 15 个 app，明确表示不适合 ERP 级别的关键系统

• Bloomberg（Head of CTO Compute Architecture）：仅用于内部原型和 MVP，数据量 <100GB、花费 <20 万美元，认为太新不适合关键基础设施

若仅考虑应用开发者这一群体的扩张和 BaaS 在 AI 应用中的渗透，Supabase 所处的这一新兴市场的体量在 78 亿美元级别：

这一 TAM 和 Oracle 以及 Snowflake、Databricks 等已经完成平台化且主攻 Enterprise 的新兴数据平台公司的 TAM 对比，差距在 2-3 个数量级。因此 Supabase 在 Enterprise 市场的品牌接受度、scalability 拓展进度、GTM 能力构建对于其 TAM Expansion 都至关重要。

06. 团队

Paul Copplestone — CEO、联合创始人（2020 年至今）

• 履历：新西兰南岛 Kaikoura 农场背景。18 岁高中毕业后开始 tech contracting，本科就读于 University of Canterbury（2007 年获得 Bachelor’s degree），期间持续兼职开发。毕业后赴澳洲，首份全职工作在一家对冲基金做平台开发，随后加入 Accenture 澳洲（医疗与公共部门项目交付）做项目管理。意识到这条路径不是自己想要的之后转入创业：2015–2017 年在 Kuala Lumpur 担任 ServisHero（东南亚最大的家政服务市场之一）CTO／联合创始人；2018–2019 年创立 Nimbus for Work（办公管理平台）。2020 年 1 月通过 Entrepreneur First 新加坡项目与 Ant Wilson 匹配，共同创立 Supabase，同年进入 YC S20。

• 运营哲学：开源作为“不对称优势”（asymmetric advantage）；“no-meetings”工程文化，全公司每周一次例会；全球远程团队，主动招聘前 founder；“playing startup vs. strategy”，区分“把创业当作扮演”和“把创业作为战略工具”；“收购已经做成过该事情的人，而非训练他人从头做”。

• 职能分工：资本分配、招聘哲学、对外叙事、开源战略。所有重大产品与组织决策经其本人输出。

Ant Wilson — CTO、联合创始人（2020 年至今）

• 履历：Imperial College London 软件工程硕士。先后在 Airsorted、Stylindex、Crypto Squad 等公司任工程岗位，经 Entrepreneur First 新加坡与 Techstars 伦敦两个加速器项目。与 Paul 在 EF 新加坡的 matching 阶段配对共同创立 Supabase

• 职能分工：工程文化、Postgres-native 架构、分布式系统、存储与 HA 设计。与 Paul 的分工在六年三次平台级转型（YC 产品 → 开源项目 → 云 SaaS）过程中保持稳定。Paul 称其非常善于和投资人沟通

07. 附录

Supabase 的四笔收购解读

Supabase 当前的成本结构问题很直白：每个用户项目对应一个独立的 managed Postgres 实例。Free tier 用户占了大量实例但不付钱。Pro 用户每月只付 25 美元，但 Supabase 要为每个实例付 AWS 的 compute + storage 费用。这意味着其毛利在被基础设施成本侵蚀。

它的四次收购都在从不同角度解决这个根本问题。

OrioleDB（2024.04）—— 用更少的资源做更多的事

OrioleDB 是一个 PostgreSQL 的替代存储引擎。Postgres 默认的存储引擎叫 Heap，从 1986 年用到现在。OrioleDB 通过 Postgres 12 引入的 Table Access Method（TAM）接口，提供了一个全新的存储层。你可以在同一个数据库里，某些表用 Heap，某些表用 OrioleDB，就像 MySQL 的 InnoDB 和 MyISAM 可以共存一样。

Postgres Heap 存储引擎有三个众所周知的“wicked problems”

• 问题 1：Table bloat（表膨胀）。 Postgres 的 MVCC 实现方式是：每次 UPDATE 一行，不是修改原来的行，而是创建一条新行。如果一行数据被 UPDATE 了 10,000 次，表里就有 10,000 行旧版本。这些旧版本就是 bloat。Bloat 占用磁盘空间、拖慢查询、增加 I/O。

• 问题 2：VACUUM 依赖。 为了清理 bloat，Postgres 需要定期运行 VACUUM。VACUUM 本身消耗 CPU 和 I/O，如果配置不当会导致性能下降甚至数据库中断。这是 managed Postgres 运维成本的主要来源之一。

• 问题 3：Buffer pool 瓶颈。 Postgres 的 shared buffer pool 需要维护一个 buffer mapping（内存页 → 磁盘页的映射），在高并发下成为锁竞争的瓶颈。

OrioleDB 的解决方案

• MVCC 基于 Undo Log：不创建新行，而是原地更新，把旧版本存到 undo log 里。这从根本上消除了 bloat。不需要 VACUUM。

• Index-organized tables：数据直接存在索引结构里（类似 Oracle 的 IOT），消除了 Heap 层的额外开销，主键查询直接命中数据。

• 消除 buffer mapping：内存页直接链接到存储页，不需要 buffer mapping，读取时不需要原子操作（lock-less）。

• Copy-on-write checkpoints + Row-level WAL：checkpoint 只写修改过的数据，WAL 按行而非按页记录，更紧凑，更容易并行化。

• 内置压缩：页级数据压缩，典型场景下数据库体积缩小 4-5 倍。

性能数据

• 只读测试：比 Postgres Heap 快 4x 以上

• 读写测试：比 Postgres Heap 快 4.5x 以上

• TPC-C benchmark（50GB 数据）：比 Heap 快 5.5x

• 存储空间：压缩后缩小 4-5x

对 Supabase 商业模型的影响

• 这直接改善 gross margin。 如果同一台机器可以处理 4-5 倍的事务量，Supabase 就可以：

• 在同样的 AWS 实例上服务更多用户 → 单位基础设施成本下降

• 减少 VACUUM 相关的运维复杂度 → 运营成本下降

• 存储压缩 4-5x → 存储成本下降

• 为 agent workload 的高频 UPDATE 场景提供可行方案（传统 Heap 下 agent 的频繁 state 更新会产生严重 bloat）

• 同时创造了定价权。 OrioleDB 不是开箱即用的，它需要对 Postgres 核心打约 20 个 patch。这意味着只有 Supabase（以及少数自己 build 的团队）能提供 OrioleDB 的性能。用户不能在 AWS RDS 或 Neon 上使用 OrioleDB。这是一个 只有 Supabase 有的能力。

当前状态

• Beta 7 已发布（2024 年底）

• Supabase 已在文档中提供 OrioleDB 使用指南

• 目标是将 patch 上游到 PostgreSQL 核心（Postgres 18+ 可能成为纯 extension）

• 当前限制：仅支持 B-tree 索引（不支持 pgvector 的 HNSW），仅支持 ICU/C/POSIX collation

Multigres / Sugu Sougoumarane（2025.06）—— 突破单机限制

Multigres 是 Vitess 的 Postgres 改编版。Vitess 是 YouTube/Google 为了把 MySQL 扩展到全球级别而构建的分布式中间件，目前仍然支撑着 YouTube 的数据库层。Sugu Sougoumarane 是 Vitess 的联合创始人。

Multigres 不是修改 Postgres 本身，而是在 Postgres 前面加一层智能代理，让多个 Postgres 实例在应用看来像一个数据库。

Supabase 目前是单节点 Postgres。这意味着：

• 写入瓶颈：所有写入必须经过同一个 Postgres primary。无论 instance 多大，单节点的写入 TPS 有物理上限。对于 agent 高频写入 state 的场景，这是硬性约束。

• 垂直扩展的成本曲线：当用户需要更多性能时，唯一的选择是升级到更大的实例（Micro → Small → Medium → Large → XL → 16XL）。但 AWS 的实例成本不是线性增长——16XL 的成本可能是 Micro 的 100 倍，但性能不会是 100 倍。垂直扩展的单位经济在恶化。

• Enterprise 客户的天花板：大型企业的数据量和并发量可能超过单节点能力。这直接限制了 Supabase 的 enterprise ACV 天花板。

Multigres 的架构

• MultiGateway：接收客户端连接，按 database name 路由到正确的后端

• MultiPooler：每个数据库一个 Postgres 实例 + 连接池

• MultiOrch：管理复制、failover、consensus

• TableGroup：表可以跨多个 Postgres 实例分布，每个 TableGroup 独立分片

• 在线 migration：跨数据库和 Postgres 版本的无停机迁移

• Consensus 协议：保证 leader election 和 failover 自动化

对 Supabase 商业模型的影响

• 解锁 enterprise-scale workload = 解锁高 ACV 客户。 如果一个 enterprise 客户的数据库可以横向扩展到 10 个节点而不是升级到一个超大实例，Supabase 的 enterprise 定价可以从“一个大实例的价格”变成“一个集群的价格”——收入上限被根本性地提高。

• 改善多租户效率。 Multigres 的多数据库管理模式（一个 MultiGateway 后面挂多个 MultiPooler）可以让 Supabase 更高效地管理大量小型数据库。这对 free-tier 和 Pro 用户的成本结构有重大改善——大量小数据库可以被更高效地打包到更少的物理资源上。

• 为 agent 的 write-heavy workload 扫清障碍。 Agent 每一步都写 state、checkpoint、memory——这是高频写入。单节点有 TPS 上限，分片后写入可以分散到多个节点。这是 Supabase 从开发者体验公司升级为 agent-native 基础设施的技术前提。

• 创造独家定价权。在 Postgres 生态中，只有 Citus（被 Microsoft 收购，现在是 Azure 专属）和 Supabase 的 Multigres 提供 Postgres-native 分布式能力。Neon 做了 compute/storage 分离但没有做分片。这意味着需要分布式 Postgres 的客户选择极少，让 Supabase 有定价权。

当前状态

• Early development 阶段

• 有 design partners（具体名单未公开）

• Sugu 和 Deepthi 将在 2026.04 Postgres Conference 演讲

• 正在招聘 Multigres 工程师（Go Kubernetes operator、networking）

• Apache 2.0 开源

Hydra / pg_duckdb（2025.12）—— 让 Postgres 做分析

Hydra 团队联合开发了 pg_duckdb，一个让 DuckDB（列式分析引擎）在 Postgres 内部运行的 extension。简单说：你发一个复杂的分析查询，pg_duckdb 自动判断这个查询适合用列式引擎处理，然后用 DuckDB 执行——而不是用 Postgres 的行式引擎。对用户来说，体验没有区别（同样的 SQL、同样的 Postgres 连接），但速度提升了数十乃至数百倍。

同时，Supabase 推出了 Analytics Buckets（基于 Apache Iceberg + AWS S3 Tables），提供 Postgres 接口下的列式存储。

它解决什么问题

• 混合负载的资源竞争。 传统 Postgres 里，如果你同时跑 OLTP（事务处理）和 OLAP（分析查询），分析查询会抢走 OLTP 的 CPU 和 I/O，导致 app 变慢。用户的选择通常是：要么不在 Postgres 里做分析（导出到 Snowflake/BigQuery），要么忍受性能下降。

• Supabase 客户的 ARPU 天花板。 如果用户的分析需求必须通过导出到外部数据仓库来满足，那这部分收入就流向了 Snowflake 而不是 Supabase。Supabase 的 ARPU 被限制在“纯 OLTP”的范围内。

对 Supabase 商业模型的影响

• 打开 upsell 通道。 Analytics Buckets + Warehouse 让 Supabase 可以向同一个客户同时收 OLTP 费用（Database）和 OLAP 费用（Analytics Buckets + Warehouse）。一个原来只付 $25/月的 Pro 用户，如果开始用分析功能，可能变成 $100-500/月。

• 减少数据出逃。 如果分析可以直接在 Supabase 里做，用户就不需要把数据导出到 Snowflake。数据留在 Supabase = 收入留在 Supabase。

• 降低分析场景的资源消耗。 pg_duckdb 用列式引擎做分析查询，比 Postgres 的行式引擎高效得多——同样的分析查询消耗更少的 CPU 和 I/O。这改善了 Supabase 的 per-query 成本。

• 为 AI/RAG 场景打基础。 Vector Buckets（embedding 冷存储）+ Analytics Buckets（结构化数据分析）+ ETL（一键数据流转）的组合，让 Supabase 可以成为 AI 应用的完整数据栈，从 OLTP（app 数据）到分析（用户行为）到 AI（向量检索）全覆盖。这比 pgvector 单打独斗的价值大得多。

当前状态

• Analytics Buckets: Public Alpha (2025.12)

• Vector Buckets: Public Alpha (2025.12)

• ETL (Postgres → Iceberg + Vector) : Private Alpha (2025.12)

• Supabase Warehouse（Hydra 主导）：开发中

BKND（2026.02）—— 服务新型用户

BKND 是一个轻量级的通用后端系统，基于 Web Standards 构建，可以在任何地方运行（Next.js、Cloudflare Workers、Bun、Node、AWS Lambda 等）。BKND 的创始人 Dennis Senn 加入 Supabase 后，在为 Supabase 构建面向 agentic workloads 的 Lite 产品。

BKND 的核心特征：内置数据管理、认证、媒体存储、workflow builder，支持 MCP server，支持 agent state 管理，支持多种数据库和存储后端。

Agent workload 和传统 web app 的需求差异。 Agent 不需要 Dashboard、不需要漂亮的 UI、不需要文档写得好。Agent 需要的是：轻量（快速启动、低 overhead）、可编程（API-first、SDK-first）、state 管理（agent 的对话历史、任务进度、checkpoint）、MCP 集成（agent 通过 MCP 直接操作后端）。

传统的 Supabase 对 agent 来说太“重”了，一个 managed Postgres 实例 + Dashboard + PostgREST + Realtime + 所有 feature 的 overhead，对于一个只需要“存一下 agent 的状态然后继续”的场景来说，是杀鸡用牛刀。

Free-tier 的成本问题。 如果每个 agent 需要一个完整的 Supabase 实例，成本模型不成立，一个用户可能有 10 个 agent，每个 agent 的后端不可能各用一个独立的 managed Postgres。

对 Supabase 商业模型的影响

• 开辟新的用户类型。 Supabase 现在的用户是人类开发者。BKND Lite 让 Supabase 可以服务 agent 作为用户。如果每个人有 3-10 个 personal agent，每个 agent 需要一个轻量后端，这个 TAM 是现有市场的数倍。

• 优化 agent 场景的资源消耗。 Lite 意味着更少的 resource overhead per agent。Supabase 可以在同样的基础设施上服务更多的 agent workload，改善 agent 场景下的 unit economics。

• 补全 MCP 生态。 BKND 内置 MCP server，意味着 Supabase 的 agent 产品不是给 Postgres 加一个 MCP 接口，而是一个 agent-native 的轻量后端，底层连着 Supabase 的数据和认证。这更符合 agent 开发者的心理模型。

• 为 scale-to-zero 铺路。 BKND 的轻量架构天然适合 scale-to-zero，agent 不活跃时不消耗资源。Supabase 的 AI Builders 白标方案已经提供 scale-to-zero 能力。BKND Lite 和 scale-to-zero 结合，可以让 Supabase 以极低的 marginal cost 服务大量间歇性的 agent workload。

当前状态

• 开发中（Dennis Senn 2026.02 加入）

• BKND 本身是开源的（Apache 2.0），将保持开源

• 具体产品形态和发布时间未公开

客户访谈反馈分析

我们使用 8 个维度对 12 个不同的 Supabase 客户访谈进行了分析，以下是可视化概览：