Data+AI落地，中國公司有哪些重要思考？_風聞

今年是數字中國戰略推進的第十年。

如今，中國千行百業的數智化轉型迎來最好局面：中國數據生產總量佔據全球數據總量的近30％，在“量”上已然領跑；DeepSeek、Qwen等開源大模型能力引領全球，智能體應用創新活躍。

但數字強國的真諦，並不在於僅僅存儲多少數據、模型在測試中得多少分和智能體有多少個，而還需要全域數據能力的形成、數據要素流通與共享的加速以及AI與各種業務場景的深度融合。

也就是説，“量”上去的同時，“質”與“效”亟待提升，即企業與組織需要實現Data+AI的逐步落地，將先進技術優勢轉化為數智化動能，讓數據和AI充分釋放價值，從而加速自身在智能時代的轉型。

無獨有偶，在WAIC 2025大會上，Data+AI也成為整個大會討論的熱點之一。以愛數為代表的中國廠商，正聚焦產品、技術與解決方案的創造，為Data+AI的落地路徑帶來全新視角和中國答案。

智能數據基礎設施：Data+AI的基石

眾所周知，算力是通用大模型近年來崛起的關鍵，但真正驅動大模型在引發質變的則是高質量海量數據集，其決定着AI價值能否全面釋放。

與此同時，放眼全球，大部分企業與組織在數據層面長期被兩大核心問題困擾：

數據孤島現象比較普遍。AI崛起之後，結構化、非機構化、時序數據等多模態海量數據更加劇了此種現象，高質量數據集的建設屬實不易。數據高效利用比較艱難。圍繞場景去使用數據的成本一直較高，像數據科學家、數據工程師乃至普通員工使用數據依然面臨着不少障礙，數據難以真正高效利用起來。

對此，愛數帶來的答案是：智能數據基礎設施。在愛數看來，不同類型的數據特點不同，僅用一套方法或者技術架構去解決多模態海量數據相關問題並不現實，必須在基礎設施層融合不同的技術架構實現多模態海量數據的匯聚、治理和管理，並通過AI等技術來有效降低數據使用成本，提高數據利用的效率。

事實上，數據基礎設施的概念近年來被產業界反覆提及，引發多方重視。作為在數據領域深耕多年的公司，愛數認為智能數據基礎設施在數據基礎設施之上，融入智能+中立兩大優勢。

首先，愛數所提倡的數據基礎設施一定是需要具備全域數據能力和標準化產品，全域數據能力可以涵蓋數據處理的所有環節，大幅提升數據處理效率，而標準化產品則無需定製，讓所有行業均可採用。

其次，愛數在數據基礎設施中採用Data+AI互相賦能，Data for AI和AI for Data帶來的不僅僅是數據處理與利用的效率飛躍，更是為AI應用帶來源源不斷的高質量數據。

第三，智能數據基礎設施是中立的，解耦雲、AI和應用，可以與雲基礎設施、基礎大模型和行業應用廣泛融合。

可以看出，愛數智能數據基礎設施的策略是通過先進性技術來徹底改變過去數據層的割裂狀態，無論是各種類型數據之間的割裂，還是在線數據與歷史數據的割裂，亦或是數據與知識之間的割裂，從而讓數據與知識進行融合，最終為AI所用。

決策智能平台：系統智能的突破

AI價值的全面釋放，關鍵在於高價值、複雜業務場景應用的突破，也即AI與複雜業務場景深度融合，從工具屬性躍升為系統智能，為複雜業務場景提供智能決策。

不過，要想實現系統智能、智能決策絕非易事。哪怕像國外Palantir這種做智能決策多年的公司，也一直在系統智能的探索中艱難前行。直到最近兩年大模型、生成式AI技術的崛起，將AI技術整合到複雜工作流之中，系統智能才實現關鍵突破。

對於垂直行業的廣大企業與組織而言，系統智能與智能決策需要解決四個核心問題：首先，需要將私域場景的高價值、多模態數據Token化，便於大模型和智能體所用；其次，大模型到私域場景之中，一定需要基於企業特定語料庫進行後訓練和增強，以匹配私域場景；第三則需要構建起基於數據驅動的智能體，且智能體之間具備協作能力；最後則是在業務場景中實現智能決策。

在WAIC 2025大會上，愛數公司也指出，企業與組織只有充分利用自身私域數據，充分增強大模型，才能將生成式AI技術知識傳承、輔助決策等領域取得最佳投資回報率。

難能可貴的是，中國企業在推進系統智能創新上也邁出一大步。其中，愛數的智能決策平台就是一個突出代表。

愛數的決策智能平台基於AI原生，由多模態數據湖、本體引擎、行業引擎、智能體工廠、超級助手以及場景決策應用等組成，具備系統智能、可信AI和決策建議三大核心特徵。

例如，其本體引擎可以幫助企業與組織構建起全局業務知識網絡，從而形成一種業務語義層，將數據賦予業務含義，使大模型能“理解”業務場景各實體之間的關係，最終將垂直行業的業務知識轉化為系統可執行的智能決策。另外，愛數智能決策平台的VEGA數據虛擬化引擎、ISF 信息安全編織架構等實現可信AI，確保了從數據->知識->智能體->決策的全鏈路數據安全；而基於業務知識網絡+行業引擎，則構建真正懂業務的智能體，為各行各業提供精準、高效的決策支持。

事實上，決策智能平台的推出，標誌着愛數在產品戰略層面的重大變化。眾所周知，深耕數據領域的愛數，多年來一直聚焦在數據底層、AI框架等底層技術領域的創新，並未將產品延伸到應用領域，而智能決策平台則意味着愛數將自身產品線延伸到上層行業應用領域。

那麼，愛數為什麼要進入到難度極大的智能決策產品領域？如果從自身發展、技術演進和產業變革來看，愛數此舉可謂是水到渠成。

首先，愛數多年來一直聚焦Data+AI底層相關技術領域的創新，打造出全域數據能力、多模態數據湖、本體引擎、行業引擎等一系列產品，自身技術能力和產品能力已積累到位。加上覆雜問題和複雜場景既是AI技術價值釋放的最佳載體，又具備難得的高商業價值。因此，愛數順勢將產品線延伸到應用側不僅具備充足的技術條件，還能實現產品閉環。

其次，過去複雜業務場景的智能決策，技術實現難度大、交付重、定製化需求多，使得其商業價值邏輯並不強，投入產出比讓眾多眾多科技公司望而卻步。近年來，Palantir等公司將AI技術融入到複雜工作流程中，表明大模型底座+智能體的AI技術框架能為大數據分析和智能決策帶來顯著提升；同樣，愛數公司基於Data+AI技術領域的深厚積累，近年來也在嘗試類似的工作，填補國內的空白。

第三，軟件產品的形態與研發模式在產生根本性改變。過去，通過程式化設計+寫代碼的方式來實現一個應用軟件；現在則是AI即結果，通過數據驅動和服務來定義一個軟件應用，垂直行業用户基於自身私域數據，智能體能快速創造出AI原生的軟件應用。因此，愛數並沒有太多歷史包袱，希望輕裝上陣、抓住軟件產業變革的機遇，在AI原生應用領域有所作為。

可以看出，隨着愛數在產品線的佈局完善，其已經成為面向私域數據增強大模型的智能數據基礎設施平台商，通過集成多模態海量數據來幫助垂直行業企業與組織構建全局業務知識網絡，從而構建起可信AI，以數據智能體幫助各行業提升AI應用的效果和可靠性。

Data+AI混沌期，愛數繼續堅守

Forrester研究表示，當前企業超過 73% 的數據從未被用於業務決策，這並非因為企業的數據不足，而是企業缺乏將海量數據轉化為洞察和行動的能力。

顯然，隨着大模型、智能體等技術的快速發展，Data+AI的落地路徑逐步清晰，未來垂直行業的企業與組織對於Data+AI有着巨大的市場需求。麥肯錫《生成式 AI 商業影響評估報告》就強調，如果成功應用數據分析等智能體的企業，其決策響應速度平均將提升5倍，運營成本將降低30%。

在愛數看來，Data+AI是當下最為熱門的領域，概念炒作的聲音很多，愛數未來的策略在在產品佈局完善的基礎之上，持續聚焦能力的深化，接下來主要有三個重點方向：

其一、圍繞數據層、大模型層、智能體層進行AI原生架構創新，實現架構的統一，在未來提供服務時，兼顧整體與主線。

其二、圍繞本體論，深化自身的本體引擎，包括持續構建高效的知識網絡和一體化的安全能力。

其三、探索歷史數據相關產品與AI分析融合，推動災備等傳統產品走向AI原生化。

綜合觀察，當多模態海量數據的浪潮來臨，Data+AI提供的不僅僅是工具效率的倍增，更是企業與組織邁向智能化的開端。此刻，站數智化轉型的新路口，中國企業與組織擁抱Data+AI已不可阻擋。而作為智能體時代面向私域數據增強大模型的智能數據基礎設施平台商，愛數公司以全域數據能力為龍骨、業務知識網絡為風帆、智能體工廠為引擎，協助千行百業用户駛向美好的智能時代。