今年是數(shù)字中國戰(zhàn)略推進的第十年。

如今，中國千行百業(yè)的數(shù)智化轉(zhuǎn)型迎來最好局面：中國數(shù)據(jù)生產(chǎn)總量占據(jù)全球數(shù)據(jù)總量的近30％，在“量”上已然領(lǐng)跑；DeepSeek、Qwen等開源大模型能力引領(lǐng)全球，智能體應用創(chuàng)新活躍。

但數(shù)字強國的真諦，并不在于僅僅存儲多少數(shù)據(jù)、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(shù)據(jù)能力的形成、數(shù)據(jù)要素流通與共享的加速以及AI與各種業(yè)務場景的深度融合。

也就是說，“量”上去的同時，“質(zhì)”與“效”亟待提升，即企業(yè)與組織需要實現(xiàn)Data+AI的逐步落地，將先進技術(shù)優(yōu)勢轉(zhuǎn)化為數(shù)智化動能，讓數(shù)據(jù)和AI充分釋放價值，從而加速自身在智能時代的轉(zhuǎn)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(shù)為代表的中國廠商，正聚焦產(chǎn)品、技術(shù)與解決方案的創(chuàng)造，為Data+AI的落地路徑帶來全新視角和中國答案。

智能數(shù)據(jù)基礎(chǔ)設(shè)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(guān)鍵，但真正驅(qū)動大模型在引發(fā)質(zhì)變的則是高質(zhì)量海量數(shù)據(jù)集，其決定著AI價值能否全面釋放。

與此同時，放眼全球，大部分企業(yè)與組織在數(shù)據(jù)層面長期被兩大核心問題困擾：

01

數(shù)據(jù)孤島現(xiàn)象比較普遍。AI崛起之后，結(jié)構(gòu)化、非機構(gòu)化、時序數(shù)據(jù)等多模態(tài)海量數(shù)據(jù)更加劇了此種現(xiàn)象，高質(zhì)量數(shù)據(jù)集的建設(shè)屬實不易。

02

數(shù)據(jù)高效利用比較艱難。圍繞場景去使用數(shù)據(jù)的成本一直較高，像數(shù)據(jù)科學家、數(shù)據(jù)工程師乃至普通員工使用數(shù)據(jù)依然面臨著不少障礙，數(shù)據(jù)難以真正高效利用起來。

對此，愛數(shù)帶來的答案是：智能數(shù)據(jù)基礎(chǔ)設(shè)施。在愛數(shù)看來，不同類型的數(shù)據(jù)特點不同，僅用一套方法或者技術(shù)架構(gòu)去解決多模態(tài)海量數(shù)據(jù)相關(guān)問題并不現(xiàn)實，必須在基礎(chǔ)設(shè)施層融合不同的技術(shù)架構(gòu)實現(xiàn)多模態(tài)海量數(shù)據(jù)的匯聚、治理和管理，并通過AI等技術(shù)來有效降低數(shù)據(jù)使用成本，提高數(shù)據(jù)利用的效率。

愛數(shù)創(chuàng)始人兼總裁 賀鴻富

事實上，數(shù)據(jù)基礎(chǔ)設(shè)施的概念近年來被產(chǎn)業(yè)界反復提及，引發(fā)多方重視。作為在數(shù)據(jù)領(lǐng)域深耕多年的公司，愛數(shù)認為智能數(shù)據(jù)基礎(chǔ)設(shè)施在數(shù)據(jù)基礎(chǔ)設(shè)施之上，融入智能+中立兩大優(yōu)勢。

首先，愛數(shù)所提倡的數(shù)據(jù)基礎(chǔ)設(shè)施一定是需要具備全域數(shù)據(jù)能力和標準化產(chǎn)品，全域數(shù)據(jù)能力可以涵蓋數(shù)據(jù)處理的所有環(huán)節(jié)，大幅提升數(shù)據(jù)處理效率，而標準化產(chǎn)品則無需定制，讓所有行業(yè)均可采用。

其次，愛數(shù)在數(shù)據(jù)基礎(chǔ)設(shè)施中采用Data+AI互相賦能，Data for AI和AI for Data帶來的不僅僅是數(shù)據(jù)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(zhì)量數(shù)據(jù)。

第三，智能數(shù)據(jù)基礎(chǔ)設(shè)施是中立的，解耦云、AI和應用，可以與云基礎(chǔ)設(shè)施、基礎(chǔ)大模型和行業(yè)應用廣泛融合。

可以看出，愛數(shù)智能數(shù)據(jù)基礎(chǔ)設(shè)施的策略是通過先進性技術(shù)來徹底改變過去數(shù)據(jù)層的割裂狀態(tài)，無論是各種類型數(shù)據(jù)之間的割裂，還是在線數(shù)據(jù)與歷史數(shù)據(jù)的割裂，亦或是數(shù)據(jù)與知識之間的割裂，從而讓數(shù)據(jù)與知識進行融合，最終為AI所用。

決策智能平臺：系統(tǒng)智能的突破

AI價值的全面釋放，關(guān)鍵在于高價值、復雜業(yè)務場景應用的突破，也即AI與復雜業(yè)務場景深度融合，從工具屬性躍升為系統(tǒng)智能，為復雜業(yè)務場景提供智能決策。

不過，要想實現(xiàn)系統(tǒng)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(tǒng)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(shù)的崛起，將AI技術(shù)整合到復雜工作流之中，系統(tǒng)智能才實現(xiàn)關(guān)鍵突破。

對于垂直行業(yè)的廣大企業(yè)與組織而言，系統(tǒng)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(tài)數(shù)據(jù)Token化，便于大模型和智能體所用；其次，大模型到私域場景之中，一定需要基于企業(yè)特定語料庫進行后訓練和增強，以匹配私域場景；第三則需要構(gòu)建起基于數(shù)據(jù)驅(qū)動的智能體，且智能體之間具備協(xié)作能力；最后則是在業(yè)務場景中實現(xiàn)智能決策。

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

難能可貴的是，中國企業(yè)在推進系統(tǒng)智能創(chuàng)新上也邁出一大步。其中，愛數(shù)的智能決策平臺就是一個突出代表。

愛數(shù)的智能決策平臺基于AI原生，由多模態(tài)數(shù)據(jù)湖、本體引擎、行業(yè)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(tǒng)智能、可信AI和決策建議三大核心特征。

例如，其本體引擎可以幫助企業(yè)與組織構(gòu)建起全局業(yè)務知識網(wǎng)絡，從而形成一種業(yè)務語義層，將數(shù)據(jù)賦予業(yè)務含義，使大模型能“理解”業(yè)務場景各實體之間的關(guān)系，最終將垂直行業(yè)的業(yè)務知識轉(zhuǎn)化為系統(tǒng)可執(zhí)行的智能決策。另外，愛數(shù)智能決策平臺的VEGA數(shù)據(jù)虛擬化引擎、ISF 信息安全編織架構(gòu)等實現(xiàn)可信AI，確保了從數(shù)據(jù)->知識->智能體->決策的全鏈路數(shù)據(jù)安全；而基于業(yè)務知識網(wǎng)絡+行業(yè)引擎，則構(gòu)建真正懂業(yè)務的智能體，為各行各業(yè)提供精準、高效的決策支持。

事實上，智能決策平臺的推出，標志著愛數(shù)在產(chǎn)品戰(zhàn)略層面的重大變化。眾所周知，深耕數(shù)據(jù)領(lǐng)域的愛數(shù)，多年來一直聚焦在數(shù)據(jù)底層、AI框架等底層技術(shù)領(lǐng)域的創(chuàng)新，并未將產(chǎn)品延伸到應用領(lǐng)域，而智能決策平臺則意味著愛數(shù)將自身產(chǎn)品線延伸到上層行業(yè)應用領(lǐng)域。

那么，愛數(shù)為什么要進入到難度極大的智能決策產(chǎn)品領(lǐng)域？如果從自身發(fā)展、技術(shù)演進和產(chǎn)業(yè)變革來看，愛數(shù)此舉可謂是水到渠成。

首先，愛數(shù)多年來一直聚焦Data+AI底層相關(guān)技術(shù)領(lǐng)域的創(chuàng)新，打造出全域數(shù)據(jù)能力、多模態(tài)數(shù)據(jù)湖、本體引擎、行業(yè)引擎等一系列產(chǎn)品，自身技術(shù)能力和產(chǎn)品能力已積累到位。加上復雜問題和復雜場景既是AI技術(shù)價值釋放的最佳載體，又具備難得的高商業(yè)價值。因此，愛數(shù)順勢將產(chǎn)品線延伸到應用側(cè)不僅具備充足的技術(shù)條件，還能實現(xiàn)產(chǎn)品閉環(huán)。

其次，過去復雜業(yè)務場景的智能決策，技術(shù)實現(xiàn)難度大、交付重、定制化需求多，使得其商業(yè)價值邏輯并不強，投入產(chǎn)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(shù)融入到復雜工作流程中，表明大模型底座+智能體的AI技術(shù)框架能為大數(shù)據(jù)分析和智能決策帶來顯著提升；同樣，愛數(shù)公司基于Data+AI技術(shù)領(lǐng)域的深厚積累，近年來也在嘗試類似的工作，填補國內(nèi)的空白。

第三，軟件產(chǎn)品的形態(tài)與研發(fā)模式在產(chǎn)生根本性改變。過去，通過程式化設(shè)計+寫代碼的方式來實現(xiàn)一個應用軟件；現(xiàn)在則是AI即結(jié)果，通過數(shù)據(jù)驅(qū)動和服務來定義一個軟件應用，垂直行業(yè)用戶基于自身私域數(shù)據(jù)，智能體能快速創(chuàng)造出AI原生的軟件應用。因此，愛數(shù)并沒有太多歷史包袱，希望輕裝上陣、抓住軟件產(chǎn)業(yè)變革的機遇，在AI原生應用領(lǐng)域有所作為。

可以看出，隨著愛數(shù)在產(chǎn)品線的布局完善，其已經(jīng)成為面向私域數(shù)據(jù)增強大模型的智能數(shù)據(jù)基礎(chǔ)設(shè)施平臺商，通過集成多模態(tài)海量數(shù)據(jù)來幫助垂直行業(yè)企業(yè)與組織構(gòu)建全局業(yè)務知識網(wǎng)絡，從而構(gòu)建起可信AI，以數(shù)據(jù)智能體幫助各行業(yè)提升AI應用的效果和可靠性。

Data+AI混沌期，愛數(shù)繼續(xù)堅守

Forrester研究表示，當前企業(yè)超過 73% 的數(shù)據(jù)從未被用于業(yè)務決策，這并非因為企業(yè)的數(shù)據(jù)不足，而是企業(yè)缺乏將海量數(shù)據(jù)轉(zhuǎn)化為洞察和行動的能力。

顯然，隨著大模型、智能體等技術(shù)的快速發(fā)展，Data+AI的落地路徑逐步清晰，未來垂直行業(yè)的企業(yè)與組織對于Data+AI有著巨大的市場需求。麥肯錫《生成式 AI 商業(yè)影響評估報告》就強調(diào)，如果成功應用數(shù)據(jù)分析等智能體的企業(yè)，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(shù)看來，Data+AI是當下最為熱門的領(lǐng)域，概念炒作的聲音很多，愛數(shù)未來的策略在在產(chǎn)品布局完善的基礎(chǔ)之上，持續(xù)聚焦能力的深化，接下來主要有三個重點方向：

其一、圍繞數(shù)據(jù)層、大模型層、智能體層進行AI原生架構(gòu)創(chuàng)新，實現(xiàn)架構(gòu)的統(tǒng)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(xù)構(gòu)建高效的知識網(wǎng)絡和一體化的安全能力。

其三、探索歷史數(shù)據(jù)相關(guān)產(chǎn)品與AI分析融合，推動災備等傳統(tǒng)產(chǎn)品走向AI原生化。

綜合觀察，當多模態(tài)海量數(shù)據(jù)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(yè)與組織邁向智能化的開端。此刻，站數(shù)智化轉(zhuǎn)型的新路口，中國企業(yè)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(shù)據(jù)增強大模型的智能數(shù)據(jù)基礎(chǔ)設(shè)施平臺商，愛數(shù)公司以全域數(shù)據(jù)能力為龍骨、業(yè)務知識網(wǎng)絡為風帆、智能體工廠為引擎，協(xié)助千行百業(yè)用戶駛向美好的智能時代。

大數(shù)據(jù)在線是聚焦人工智能、大數(shù)據(jù)、云計算等前沿科技領(lǐng)域深度觀察的深度媒體。目前，大數(shù)據(jù)在線在微信公眾號、今日頭條號、新浪財經(jīng)、36氪、雪球號、觀察號等主流自媒體平臺均有入駐，積累粉絲超過20W；并榮獲今日頭條十大科技新銳媒體、商業(yè)新知十大人工智能媒體等多項殊榮。商務聯(lián)系請?zhí)砑游⑿牛篛wen_Inter，添加請備注具體信息。