數字化深水區裏，中國企業到底需要怎樣的AI應用底座？_風聞

數睿數據的做法恰是，其將原本面向企業數據側服務的獨立產品 ——“數據通” 所承載的數據工程能力，與面向企業軟件側服務的 “數字通” 所覆蓋的軟件工程交付流程體系，藉助AI將能力和體系落地於smardaten 2.0，最終形成了能夠幫助企業實現端到端交付的軟件開發 Agent 產品。

作者|皮爺

出品|產業家

今年3月，穆鴻很興奮。

因為就在剛剛過去的幾天裏，DeepSeek橫空出世，其以獨特的深度思考模型和開源模式瞬間火爆全球，人們開始真正相信“AGI的時代真的即將到來”。

早在今年之前，穆鴻和他創辦的數睿數據就一直探索AI方向的落地，作為國內低無代碼方向的領軍企業，也更是常年深耕在大數據方向的團隊，他們試圖找到一個能真正在企業級場景落地的AI方式。

組織架構上的更早設置也更對應着這種決心。在數睿數據內部，負責未來產品預研的部門和體驗部門被獨立於研發部門存在，穆鴻對這些人的要求是“引領下一代產品的發展，而不單純是為了滿足當前客户需求”。

DeepSeek給穆鴻和團隊帶來了巨大的靈感。“之前沒有深度思考的方式，更多的方式是採用流程預設/搭建的形式一步步生成，不符合智能的定義。”穆鴻告訴我們，“但DeepSeek的深度思考模型可以解決這些問題。”

在他的推動下，一系列更新的研發動作在數睿數據內部被緊鑼密鼓地推進。

從行業視角看，這種動作似乎並不算“快”。早在AI大模型浪潮瘋狂湧動的過去幾年裏，不少市面上的低代碼/無代碼廠商就都推出了自己的AI產品，或聚焦在Agent層面，或將AI和低代碼底層工程進行融合。

但和這種熱烈相反襯卻是另外一個事實，對企業而言，真正能達到可用、可直接上手的AI產品和組件並不多見，如果再將其置於真正的軟件開發流程中進行適配，則符合條件的更是寥寥無幾。

“其實去年年初我們就開發出了Agent平台，但沒有發佈，因為我們覺得技術不是最重要的，更重要的是場景和應用，**是真正可控的端到端Agent產品。開發全流程恰恰是我們可控的，**我們覺得應該首先把軟件開發的Agent做好。”穆鴻告訴產業家。

這個回答對應的恰是數睿數據的最新動作。數睿數據近期正式發佈smardaten 2.0版本，在這個升級的版本中，一系列AI Agent能力被放到最新的產品界面之上，基於smardaten 2.0產品，企業不僅可以快速生成軟件應用，同時還可以在生成後方便的通過Agent修改應用。

**“AI的企業級落地，不是一件容易的事，是一個系統性工程。”**穆鴻告訴我們。

2025年，在產業數智化持續邁進深水區的如今，在AI大模型價值備受期待的當下，穆鴻和數睿數據正在交出他們的答卷。

一、產業進化潮裏：

看得見的新機會，

看得見的數字化“舊卡點”

在拆解數睿數據的這張答卷之前，一個更應該被率先提出的問題是：中國企業的產業數字化浪潮到底走到哪了？或者説，在AI大模型浪潮湧動的過去幾年裏，數智化的真實水温到到底是如何？

根據一份來自畢馬威的《全球人工智能信任、態度與應用調查報告(2025)》顯示，在過去的幾年時間裏，在中國有超過90%的頭部企業將AI納入核心戰略，中小型企業的AI工具使用率在過去兩年裏也更是同比提升31%。

數據背後，對應的不少大型乃至中小企業的共同期待——即基於AI提高企業的數字化水平。但市面上的AI真的可以達到這種效果嗎？

根據不完全統計，在所有落地AI的企業中，僅有35%的AI項目可以做到規模化應用，大部分企業仍然處於試點狀態，其中的問題幾乎遍佈軟件開發的方方面面，比如不具備足夠的數據土壤，比如從需求到產品設計的鏈路不夠明晰等等。

這也正是在過去多年裏軟件開發定製過程中存在的一系列問題。不論是從前期的需求調研、方案設計，還是中間過程的具體開發、測試，以及後期的運維，對企業而言，這其中有太多的“漏水口”。

“我們最開始使用Agent其實是打算用AI解決這些問題，包括也找了一些低代碼/無代碼廠商來重新做適配，但結果都不算太好。”一位央國企數字化負責人告訴產業家。

這恰是當下的真實水温。即在過去的幾年時間裏，在一眾AI服務轉型中，低代碼/無代碼賽道被不少人關注，其背後的原因恰是不少企業試圖基於“低代碼+AI”的方式進一步降低自身的軟件構建難度。

但事實是，從市面上的“低代碼+AI”產品來看，很少有企業進行如此相對重的AI轉型——即將AI完全嵌入到低代碼/無代碼的開發邏輯，其不僅僅是簡單的問答助手，更要做到真正的交互操作Agent。

“不少低代碼企業目前發佈的產品更多聚焦在AI實現階段，比如簡單的應用框架和頁面，不支持複雜頁面、複雜圖表等生成，這個跟很多平台本身就不能開發複雜應用，也不支持各種定製功能是有關係的。”穆鴻告訴我們。

難度不難預見。一個事實是，如果要將AI真正嵌入到整個低代碼的開發流程中，服務商需要做到的不僅僅是對固有低代碼組件模塊的AI編排和調度，還需要基於不同成熟場景，如業務管理、決策分析等進行特定的深度思考，以通過多個Agent的協同完成複雜的任務。

同時，在這些之外，和之前軟件和數據體系獨立調用的模式不同的是，服務商若想實現真正的AI軟件開發交付，則還更需要完成的一個關鍵環節是——做到“軟件+數據”的集中納管，將數據模型和軟件流程進行更深層的打通，最終基於AI進行統一調用和實現，數睿數據稱作“數用一體化”。

這是一個足夠精細化、足夠產業化，以及足夠長期的系統性工程。

二、一張“軟件工程+數據工程”的AI答卷

故事回到今年年初，在團隊被迅速拉齊之後，穆鴻和團隊開始思考的一個也恰是前文他提到的關鍵命題——“該如何打造端到端的Agent產品？”

基於這個命題，穆鴻為團隊設立了更精細化的指標。“我們最開始提出的就是‘把應用軟件交付效率再提升五倍’。”

這其中的難點在於，數睿數據團隊不僅要基於技術層面完成一系列諸如數據清洗標註、知識庫構建、深度思考相關的提示工程等Agent訓練和構建環節，更需要團隊對軟件交付的不同環節以及其在各種特殊場景下的流程有足夠清晰的梳理。

不過，這恰恰是數睿數據多年沉澱的核心優勢所在。依託 smardaten 平台的深度實踐，數睿數據早已完成了對軟件交付全流程的拆解與場景化沉澱——從需求調研到開發部署的每個環節，從通用場景到行業特殊流程的規則梳理，這些經驗已轉化為平台內置的標準化流程框架與場景化知識庫，恰好為 Agent 對軟件交付環節的 “深度理解” 提供了底層支撐。

與此同時，此前打造的數字通與數據通兩大解決方案，更形成了強力互補：數字通通過構建標準化開發鏈路，為 Agent 提供了清晰的流程導航；而數據通在數據治理與體系搭建上的積累，則為Agent 訓練所需的高質量數據標註、場景化數據建模等技術環節，奠定了紮實的數據基礎。這種 “流程經驗 + 數據能力” 的雙重積澱，讓數睿數據在突破 Agent 產品的落地難點時，具備了天然的先發優勢。

在這三款產品的疊加配合下，一個公開的數據是，數睿數據如今服務大型企業數量超過500個，積累了超過1500多個組件以及15萬個配置項。

也可以理解為，這些從原子化平台組件到數據體系理解，再到交付流程的軟件開發全生命週期產業know-how，也恰是穆鴻要構建端到端的軟件交付Agent產品的底氣。

“我們最開始一共梳理了104個主要影響交付效率的問題，最後挑選出10個最重要的問題，集中細化場景，並且用AI來解決這些問題。”穆鴻表示。

攻堅還在數據側。穆鴻告訴我們，為了保證到端的軟件交付Agent產品的效果，數睿數據團隊對過去近十年的物料進行了重新梳理，交付團隊、市場部和研發部門把物料轉換為AI更易理解的Markdown文本，重新進行標註，打造新的知識庫底層。

這些工作匯聚到一起，也恰構成了如今被放到台前的smardaten 2.0。在這個升級的版本中，AI被放到最重要的位置。

具體來看，smardaten 2.0 AI能力的兩個着力點恰是軟件工程和數據工程的智能化。其中，在軟件交付環節，企業開發者可以通過自然語言交互進行對應的如智慧園區、工業製造等場景的軟件設計，從軟件的數據模型設計、架構設計到界面設計等以及對應具體組件的調整優化，和後續的可視化分析、數據大屏生成等等，都可以通過和智能生成助手的對話進行操作，極大提高工作效率。

而數據工程的智能化則面向的是企業內部的數據工程體系。即基於smardaten 2.0的相關data agent能力，企業可以對自身的數據體系進行智能優化，從數據清洗到數據標註、數據模型構建到分析報告生成等，幫助企業搭建出適合AI發揮最大價值的數據土壤。

這對應的也恰是穆鴻和團隊的另一個觀察。即伴隨着今年DeepSeek的爆火，儘管不少企業，包括央國企都對AI落地表示了明確的意向，但在落地過程中仍然卡點眾多，其中出現最多的問題恰是數據支撐體系不完善。

在穆鴻看來，如果説之前smardaten更多角色是軟件開發底座，企業可以基於其平台上豐富的低代碼/無代碼組件進行個性化軟件的開發定製，那麼在如今的smardaten2.0上，除了固有的軟件側AI升級之外，數據或者説知識積累則更是未來產品競爭力發展的重中之重，smardaten2.0成為AI應用的底座。

數睿數據的做法恰是，其將原本面向企業數據側服務的獨立產品 ——“數據通” 所承載的數據工程能力，與面向企業軟件側服務的 “數字通” 所覆蓋的軟件工程交付流程體系，藉助AI將能力和體系落地於smardaten 2.0，最終形成了能夠幫助企業實現端到端交付的軟件開發 Agent 產品。

實際上，這些組件在以模塊化的方式呈現在產品界面的同時，它更已經完全嵌入到整個端到端的smardaten 2.0 軟件AI開發流程中，不論是從軟件開發需求、流程調整、具體模塊（組件）定義、應用框架，還是後端的大屏生成、可視化等等，企業都可以基於AI直接上手使用。

穆鴻還告訴我們，在smardaten2.0的端到端的Agent能力之外，其還為企業提供了Agent搭建平台，企業還可以根據自身需要自定義AI能力，基於平台上的不同組件結合自身企業場景和需求構建自身專屬的Agent產品。

“我們現在的銷售通、研發通、服務通以及其他十幾個內部應用，都是smardaten2.0開發出來的，我們自己有完整數據鏈路，也有對應的場景化數據，我們正在通過Agent全面改造和賦能這些應用以全面提升公司效率和效能。我們自己先行先試有助於我們為客户提供更好、更落地的產品。”

三、產業數智化深水區，

企業的AI底座應該是怎樣的？

如果説2025年最核心的主題是什麼，那麼AI必然是首選的選項；而如果把這個選項進行更細緻一層的拆解，那AI落地則是當之無愧的核心主題。

這個主題背後對應的不單純是人們對於AI技術如何進行價值表達的更細節關注，更本質則是在企業數字化進入深水區的當下，企業應該基於怎樣的AI能力和底座打破數字化轉型的掣肘難點。

據瞭解，如今smardaten2.0已經在數睿數據內部全面落地，在軟件開發的各個環節都交出不錯的成績單，比如在需求調研階段，基於智能助手，可以做到軟件原型繪製效率提升80%，單箇中等複雜度功能模塊的需求確認週期從平均3天大幅壓縮至僅需4小時。

再比如在方案設計階段，系統設計工程師通過AI檢索知識庫，獲取成熟業務設計方案，結合項目業務場景微調後即可交付終稿，總體設計工作量減少超過60%。

“我們自己會先把產品用起來，在內部基於更清晰的數據閉環基於smardaten 2.0搭建各個環節的產品，自己測試好才能真正開放給企業客户。”穆鴻表示，“包括後續我們會陸續開放給一些客户試用，在真正確保效果不錯後再為企業客户提供正式版本。”

從AI落地和數字化轉型的視角來看，smardaten2.0為企業提供的恰是一個更偏底層的AI基座能力，基於這個基座，企業可以更快速、更高效、更智能地推進軟件開發流程，在不同的場景結合自身積累的特定知識庫進行專項適配的AI數字化轉型。

穆鴻還告訴我們，在AI的產品能力之外，其實企業還應該進行的是組織層面的轉型，“比如基於smardaten 2.0的軟件開發和之前的軟件開發流程不再一樣，各部門之間的關係和協作方式也不再相同。”如今，這些變化也更在數睿數據內部被逐步推進。

當下，一個共識是，伴隨着企業如今邁入數字化轉型的深水區，其需要的恰是一個AI時代的新底座。這個新底座不僅要具備固有類似無代碼/低代碼等的低門檻開發能力，同時還應該具備數據智能、交付智能等一系列AI能力，讓企業可以做到以最小的門檻、最高的性價比進行各個環節的AI應用搭建，基於AI進一步解決固有的數字化卡點、難點，提高企業的業務競爭力。

這也恰是數睿數據正在做的事情。據瞭解，一個內部的時間表是，伴隨着如今smardaten2.0發佈，2.0將會成為未來2年數睿數據的主力研發版本，同時基於“交付一代、研發一代和預研一代”的原則，重Agentic Agent能力的3.0版本也更在研發路上。

從實際問題出發，從“技術+產業“的視角拆解AI模型，從自行驗證到產業賦能加持，這恰是穆鴻和數睿數據在過去幾年探索出來的真實AI生產力路徑。

“有人把Agent作為新的企業服務範式，我相信真正大規模落地企業服務領域的Agent 其開發形式一定是無代碼化的。而我們的目標一直沒有變化，就是要做到‘讓人人都能開發Agent’。”穆鴻説道。