关于ZAKER Skills 合作

从被动存储到主动认知:WAIC 2026 揭秘 AI 数据平台反常识的进化方向

WAIC 2026 如约而至," 三地四馆 " 人流如织。

琳琅满目的智能硬件、加速商用的人形机器人、巧思妙想的智能体应用…… 4000 余项展品令人目不暇接。在前端技术集中爆发的背后,本届大会也释放出极具确定性的产业新风向:行业专家与企业代表形成高度共识,AI 数据平台成为智能体规模化落地、AI 价值产业化的核心底座。

当 AI 从宏大叙事逐渐走向真实日常,如何实现 AI 价值落地就成为当下产业界的核心命题。不过,本届 WAIC 释放出的一个重要信号却颇具 " 反常识 " 意味。过去,人们普遍认为数据平台的职责是 " 存好数据、算好数据 ",业务认知则依赖于应用层、指标体系或人工配置完成;而随着 AI 和智能体成为企业新的数据使用者,越来越多厂商开始重新思考数据平台的定位——未来的数据平台不仅要具备存储和计算能力,更需要具备理解业务、组织知识和支撑 AI 决策的主动认知能力。

AI 落地 " 最后一公里 ",卡点在 " 数据理解 "

对于企业而言,AI 不仅仅是 " 聊天 ",还需要在真实业务中 " 干活 "。

过去一年多,随着 DeepSeek 等大模型的持续突破,接入大模型的企业比比皆是。但现实却很残酷,AI 在生产环境中落地依然挑战巨大。IDC《2026 中国企业 AI 转型白皮书》就显示:68% 的中小企业 AI 项目上线一年内停滞,43% 直接终止,失败项目平均投入 189 万元。

究其原因,数据理解能力拖了 AI 落地的后腿。那么,为何数据理解能力对于企业 AI 现阶段如此重要?

例如,在零售场景中,要弄清楚 " 华东利润为什么下降 ",这句话在数据库里没有对应字段,必须知道华东地区具体区域、门店状态,还要区分销售额下降、毛利率下降、费用上升分别带来的影响。模型如果只看到表名和字段名,就会把一个经营问题降级成 SQL 猜谜。

众所周知,过去的数字化本质上是业务流程的数字化与自动化,高效有余却 " 智慧不足 ";现在的智能体则具备意图理解、动态规划与决策、持续进化等能力,对于企业数智化转型升级有着极为关键的影响。

而一旦智能体需要进入到经营分析、征信风控、供应链调度、客户运营等场景,意味着 AI 不能只满足于 " 会回答 ",而是需要 " 懂业务 " 和 " 懂企业 "。" 懂业务 " 和 " 懂企业 " 的本质需要理解企业数据,进而才能让 AI 真正融入企业的真实生产流程之中。

具体来看,Gartner 就预测,到 2026 年底,40% 的企业应用将集成任务特定型智能体;到 2027 年,将有 50% 的商业决策直接由智能体辅助或自动完成。伴随这一趋势,智能体正式取代传统人工,成为企业数据全新、最核心的使用者与执行者。且和传统应用不同,智能体具备自主规划、高频访问、持续读写等特征。

另一个显著的变化是,随着 AI 的爆发,智能体数量的涌现以及多智能体协作成为趋势,智能体不仅带来事务型、分析型、向量等愈发丰富的数据类型,而且智能体与实际业务流的融合,对于多模态数据的访问和使用将成为常态,这也进一步驱动着结构化数据与非结构化数据走向融合。

更加重要的是,智能体未来将面对的是随时变化的业务问题,读懂和理解像 ERP、CRM 等传统业务系统之中的结构化数据就变得至关重要,这要求智能体能够具备面对连续变化的业务上下文、跨系统数据、细粒度权限、复杂指标口径和可追责的执行结果等一系列能力。

因此,企业的数据底座变了,构建 " 从被动存储到主动认知 " 的 AI 数据平台,成为 " 反常识 " 的进化方向和业界新共识。面向未来,企业数据平台不能只是让数据 " 存得下、算得快、看得清 ",而是需要进化成 AI 数据平台,肩负起企业级 AI 数据底座重任,让数据 "AI-Ready",从而支撑起 AI 应用和智能体的生产运行。

在本届 WAIC 大会上,围绕 AI 数据平台这一趋势,国内外厂商纷纷展示了各自的技术实践。其中,长期聚焦企业 AI 数据基础设施的数翊科技,围绕 AI 数据平台、企业智能体以及数据语义理解等方向进行了集中展示。其提出的 " 让企业 AI 即插即用 " 理念,与大会关于 AI 价值落地的讨论形成了高度呼应,也成为观察国产 AI 数据平台技术演进的重要样本。

AI 数据平台,成为企业 AI 落地的新底座

WAIC 带来的这波 AI 数据平台热潮,看似偶然,其实是全球企业数据基础设施持续演进的必然结果。

过去二十年,企业数据平台经历了数据库、数据仓库、数据湖、湖仓一体等多个阶段,每一次演进,本质上都是为了适应新的数据使用方式:最初服务于业务系统,随后支撑商业分析,再到满足大规模数据处理与机器学习需求。

而今天,随着 AI 和智能体成为企业新的 " 数据使用者 ",数据平台再次迎来新的范式升级。

不同于传统 BI、报表分析主要面向人,智能体需要持续理解业务语义、跨系统调用数据、自主规划任务并完成执行。这意味着企业数据平台不仅要管理数据,更要让 AI 真正理解数据、理解业务,并能够在安全、可控、可追溯的前提下完成企业级任务。

正因如此,今年以来,全球数据平台产业正在形成新的共识。

Databricks 在 Data+AI Summit 2026 提出 "Build Apps and Agents That Work",持续完善 Unity Catalog、Lakebase、Lakeflow、AI Gateway 等能力,目标已经从数据分析平台升级为智能体运行平台;Snowflake 则在 Summit 2026 提出 "Agentic Enterprise",围绕 Cortex AISQL、Semantic Views、Openflow、Horizon Catalog 等能力持续布局,希望构建企业级 AI 与智能体的数据底座。

虽然两家厂商技术路线并不完全相同,但演进方向高度一致:未来的数据平台,不再只是帮助企业完成数据存储、分析和建模,而是进一步承担企业业务语义管理、AI 上下文组织、智能体可信执行以及统一治理等职责,成为支撑企业 AI 规模化运行的 AI 数据平台。

这意味着,行业竞争也正在发生变化。未来企业关注的重点,不再是谁拥有更多数据,也不仅是谁拥有更大的模型,而是谁能够让 AI 真正理解企业业务,在复杂业务环境下稳定完成任务,并保证全过程可信、可控、可治理。

在这一趋势下,国内厂商也在积极探索适合中国企业的新一代 AI 数据平台技术路径。作为长期深耕企业数据基础设施领域的企业,数翊科技在本届 WAIC 上展示了 dataeasy 数据智算平台,围绕 " 面向 AI 的数据基础设施 " 这一理念,集中呈现企业 AI 从理解需求、分析业务到自主执行的完整过程。

与传统 AI 应用停留在智能问答、知识检索等辅助场景不同,数翊科技现场演示了 AI 真正参与企业业务的能力。

以零售 ERP 场景为例,业务人员只需提出 " 分析最近一个月哪些商品销量最好,并生成补货计划 " 这样的自然语言需求,Agent 便能够自主理解业务意图,结合企业经营规则,对销售、库存、周转周期、客流等多维数据进行综合分析,自动生成补货计划,并联动业务系统完成后续执行,整个业务闭环仅需约 1 分钟。过去需要多个部门协同、多天才能完成的业务,如今可以通过一句自然语言指令完成,这也意味着企业 AI 正从 " 回答问题 " 迈向 " 完成工作 "。

支撑这一能力的关键,并不是简单在数据库之外增加大模型或 Agent,而是重构面向 AI 的数据基础设施。数翊科技认为,大模型负责理解自然语言,而企业真正的挑战在于如何让 AI 理解企业业务、调度企业数据,并在可信、安全的前提下完成业务执行。因此,dataeasy 并没有沿用传统 " 数据库 + 外挂语义层 +AI 应用 " 的模式,而是围绕企业 AI 落地所需的数据存储、数据管理、业务理解和智能执行能力,对底层数据体系进行了 AI 原生重构。

具体而言,dataeasy 构建了统一存算底座、全域数据管理以及灵光知识层三大核心能力。平台以自研分布式数据库 HexaDB 为统一存算底座,实现业务数据与分析数据实时共享;支持数据库、数据仓库、数据湖以及 ERP、CRM 等多源异构数据统一接入与管理;更重要的是,通过灵光知识层持续学习企业经营过程中沉淀的数据、文档、制度、指标、接口等知识,构建企业业务本体,将原本分散的数据、字段和业务规则转化为 AI 能够理解和推理的业务知识体系。

在此基础上,AI 面对的不再只是数据库中的字段和表,而是一套持续演进的企业业务知识体系。Agent 能够基于业务本体自动理解企业语境,完成任务规划、工具调用、业务推理和结果执行,无需企业针对每个业务场景重复开发接口、维护外挂语义层或编排复杂工作流,从而真正实现企业 AI" 即插即用 "。

WAIC 风向标:中国 AI 数据平台市场为何看好

纵观每一届 WAIC 大会,参会者都带着 " 求解 " 的心态而来,大会所讨论的热点,也往往成为产业发展的风向标。

今年,AI 数据平台成为大会的重要议题,折射出企业智能化建设正在迈入新的阶段。随着 AI 应用和智能体加速进入生产环境,中国 AI 数据平台市场也迎来了新的发展机遇。StrategyR《Artificial Intelligence Data Management》报告显示,中国 AI 数据管理市场 2024 年规模约 89 亿美元(约 640 亿元人民币),预计到 2030 年将增长至 161 亿美元(约 1160 亿元人民币),2024 — 2030 年复合增长率达到 19.7%。

究其原因,主要有以下几个方面。

首先,政策持续推动数据要素价值释放,为 AI 数据平台建设奠定了基础。近年来,《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》、《" 数据要素 × " 三年行动计划》等政策陆续出台,国家数据局也持续推进数据要素市场建设和相关制度完善。随着数据资源开发利用不断深化,企业对于数据治理、数据流通和数据价值释放的认知不断提升,也为 AI 数据平台建设提供了良好的政策环境。

其次,企业 AI 建设正从模型接入走向生产落地,AI 数据平台成为新的建设重点。经过过去两年的发展,大多数企业已经完成了 AI 大模型的探索与接入,行业关注点正逐步从 " 有没有模型 " 转向 " 如何真正发挥模型价值 "。尤其随着《" 人工智能 +" 行动》的持续推进,AI 应用和智能体将进一步深入企业生产经营流程,企业对于 AI 数据平台的需求也将持续释放。

第三,中国拥有丰富的产业场景,为 AI 数据平台提供了广阔的发展空间。中国拥有完整的工业体系以及金融、能源、交通、政务、制造等众多数字化程度较高的行业,同时也是全球场景创新最活跃的市场之一。随着物理 AI、世界模型、自动驾驶等新应用不断涌现,越来越多的业务流程开始与 AI、智能体深度融合,这也为 AI 数据平台提供了丰富的落地实践空间。

综合观察

回顾本届 WAIC 大会,智能体、AI 数据平台两个关键词被反复提及。智能体恰似台前的主角,而数据智能则像幕后的底座。

AI 数据平台的崛起,本质上是智能体的 " 干活 " 时代正式开启。当 AI 大模型技术日趋成熟、行业智能化全面开启,一个优质的 AI 数据平台,已经成为智能体能否真正 " 干活 " 和规模化落地的关键。面向未来,随着数翊科技等厂商对于 AI 数据平台的持续创新,中国 AI 数据平台市场有望迎来黄金时代。

END

文章精选

#

群雄逐鹿试锋芒:高端存储十年史话

#

全球能耗 Top50 数据中心都有哪些

#

星际之门戛然而止,OpenAI 到底发生什么

#

人工智能:云计算市场的最大变量

#

多数据中心训练:OpenAI 三家野心勃勃

#

硬件涨价:智算中心价值逻辑重构

#

冷思考:数据中台的迷失与前行!

#

深度:生成式 AI 的存储选型建议

#

光子技术:制霸数据中心未来网络

#

云计算这些热点事件透露了哪些玄机

大数据在线是聚焦人工智能、大数据、云计算等前沿科技领域深度观察的深度媒体。目前,大数据在线在微信公众号、今日头条号、新浪财经、36 氪、雪球号、观察号等主流自媒体平台均有入驻,积累粉丝超过 20W;并荣获今日头条十大科技新锐媒体、商业新知十大人工智能媒体等多项殊荣。商务联系请添加微信:Owen_Inter,添加请备注具体信息。

>>>

相关阅读

最新评论

没有更多评论了

觉得文章不错,微信扫描分享好友

扫码分享

热门推荐

查看更多内容

企业资讯

查看更多内容