2023年末和2024年商業(yè)周期中定義AI疲勞的因素，事后看來是一個(gè)必要的修正。在此期間，許多組織發(fā)現(xiàn)自己陷入了行業(yè)觀察人士所謂的"試點(diǎn)煉獄"（pilot purgatory）。數(shù)百萬資金投入到了實(shí)驗(yàn)性生成式人工智能（GenAI）試點(diǎn)項(xiàng)目中，其中大多數(shù)是用于總結(jié)會(huì)議或起草內(nèi)部郵件的聊天機(jī)器人。雖然這些工具在模仿人類對(duì)話方面令人印象深刻，但它們本質(zhì)上是輔助性的，而非操作性的。它們可以大談特談，卻無法挺身而出付諸行動(dòng)。

如今，格局已發(fā)生根本性轉(zhuǎn)變。"會(huì)說話的機(jī)器"的新鮮感已經(jīng)消退，取而代之的是對(duì)自主智能體智能（Agentic Intelligence）的冷峻戰(zhàn)略聚焦。近期發(fā)布的《2026年數(shù)據(jù)湖屋與AI現(xiàn)狀報(bào)告》揭示了一條傾向于在可信數(shù)據(jù)上自主行動(dòng)系統(tǒng)的路線圖。全球最大的組織——特別是那些擁有超過5000名員工的組織——正在架構(gòu)其未來方面發(fā)生結(jié)構(gòu)性變革。要駕馭這個(gè)新時(shí)代，組織必須透過華麗辭藻，審視研究中展現(xiàn)的五個(gè)驚人現(xiàn)實(shí)，這些現(xiàn)實(shí)正在重新定義企業(yè)數(shù)據(jù)資產(chǎn)。

1、65%的轉(zhuǎn)變：從對(duì)話到行動(dòng)

所確定的最重要轉(zhuǎn)變是向智能體分析和AI驅(qū)動(dòng)決策邁進(jìn)。令人震驚的是，65%的高級(jí)數(shù)據(jù)領(lǐng)導(dǎo)者已將此列為來年的首要優(yōu)先事項(xiàng)。

在前一個(gè)周期中，目標(biāo)是人在環(huán)路中（human-in-the-loop）。AI提供可視化或摘要，由人類解讀這些數(shù)據(jù)并做出決策。智能體顛覆了這一范式。這些系統(tǒng)不僅要分析數(shù)據(jù)，還要基于數(shù)據(jù)采取行動(dòng)：測(cè)試假設(shè)、提供建議，并在最少人工干預(yù)下執(zhí)行已批準(zhǔn)的步驟。這一轉(zhuǎn)變表明，企業(yè)終于將AI目標(biāo)與可衡量的結(jié)果（如速度和自主性）聯(lián)系起來。

這里的戰(zhàn)略含義是業(yè)務(wù)速度的升級(jí)。正如一家全球制造公司分析副總裁所言："我們期望代理明年能處理第一層分析。"當(dāng)AI從研究助手轉(zhuǎn)變?yōu)檫\(yùn)營(yíng)代理時(shí)，從洞察到行動(dòng)的時(shí)間從數(shù)天縮短到毫秒。對(duì)C級(jí)人物（高管層）而言，這意味著競(jìng)爭(zhēng)優(yōu)勢(shì)不再取決于誰擁有最好的數(shù)據(jù)，而取決于誰擁有由智能體系統(tǒng)啟用的最短"行動(dòng)循環(huán)"。

2、動(dòng)機(jī)逆轉(zhuǎn)：生產(chǎn)力是新式降本

調(diào)查中最令人驚訝的發(fā)現(xiàn)或許是，成本效率作為AI采用主要?jiǎng)訖C(jī)的徹底崩潰。過去幾年，近20%的領(lǐng)導(dǎo)者將成本控制列為主要驅(qū)動(dòng)力。如今，這一數(shù)字已降至接近零。相反，51%的領(lǐng)導(dǎo)者現(xiàn)在主要采用AI是為了實(shí)現(xiàn)更高生產(chǎn)力和更快創(chuàng)新。

這是一個(gè)關(guān)鍵的文化和戰(zhàn)略轉(zhuǎn)變。AI不再被定位為預(yù)算削減的防御性措施或替代人手的工具。相反，它被正�；癁樵鲩L(zhǎng)的標(biāo)準(zhǔn)業(yè)務(wù)工具——一個(gè)讓現(xiàn)有勞動(dòng)力在更高戰(zhàn)略層面發(fā)揮作用的"創(chuàng)新倍增器"。

從戰(zhàn)略家的角度來看，這改變了CTO與CFO之間的整個(gè)對(duì)話。推介不再是通過自動(dòng)化節(jié)省資金，而是通過速度創(chuàng)造價(jià)值。這是一種覺醒：行動(dòng)緩慢的真正成本遠(yuǎn)超減少勞動(dòng)力帶來的節(jié)省。

3、70%悖論：為何基礎(chǔ)設(shè)施仍是障礙

盡管對(duì)智能體有著清晰的愿景，但巨大的基礎(chǔ)設(shè)施差距依然存在。報(bào)告指出了一個(gè)鮮明的悖論：雖然65%的領(lǐng)導(dǎo)者希望實(shí)現(xiàn)自主AI，但70%的人承認(rèn)，數(shù)據(jù)孤島和治理薄弱仍是其主要障礙。這種技術(shù)債務(wù)本質(zhì)上是創(chuàng)新的負(fù)擔(dān)。

在障礙方面，數(shù)據(jù)令人清醒：48%的組織缺乏統(tǒng)一、AI就緒的數(shù)據(jù)。40-41%受困于糟糕的數(shù)據(jù)質(zhì)量和缺失的語義定義。70%在與阻礙實(shí)現(xiàn)單一事實(shí)來源的碎片化問題作斗爭(zhēng)。

一家主要金融服務(wù)公司數(shù)據(jù)工程負(fù)責(zé)人完美總結(jié)了這種挫敗感："治理現(xiàn)在是最難的部分。工具很容易。一致性很難。"

隨著AI的擴(kuò)展，它揭開了架構(gòu)性弱點(diǎn)——這些弱點(diǎn)在小規(guī)模試點(diǎn)中可能被忽視。聊天機(jī)器人可以在單個(gè)精心策劃的數(shù)據(jù)集上運(yùn)行，但自主智能體需要對(duì)企業(yè)整體的、受管控的視圖。不斷上升的治理挑戰(zhàn)（從去年的36%增至41%）是野心的標(biāo)志，而非失敗的跡象。大企業(yè)終于意識(shí)到，你無法在數(shù)據(jù)孤島之上構(gòu)建一家聰明的公司。曾經(jīng)僅導(dǎo)致輕微報(bào)告延誤的碎片化，現(xiàn)在是AI功能的障礙。

4. 湖屋整合：92%的未來是開放的

為了彌合這一基礎(chǔ)設(shè)施差距，行業(yè)正在看到向數(shù)據(jù)湖屋（data lakehouse）的大規(guī)模整合。報(bào)告發(fā)現(xiàn)，92%的組織計(jì)劃在未來十二個(gè)月內(nèi)將其大部分分析和AI工作負(fù)載遷移到湖屋。此外，87%預(yù)期湖屋將成為其到2027年的主要數(shù)據(jù)架構(gòu)。

這一舉措主要由消除"冗余稅"的愿望驅(qū)動(dòng)。目前，81%的組織將消除冗余數(shù)據(jù)副本列為主要優(yōu)先事項(xiàng)。在舊的數(shù)據(jù)倉(cāng)庫模式中，數(shù)據(jù)被復(fù)制并通過無盡的ETL管道移動(dòng)，增加了成本并降低了信任度。通過在湖屋上整合，95%的組織計(jì)劃直接在數(shù)據(jù)所在位置運(yùn)行AI/ML工作負(fù)載。

此外，采用Apache Iceberg等開放表格式已成為企業(yè)規(guī)模的強(qiáng)制性要求。組織越來越警惕供應(yīng)商鎖定，這限制了它們跨云移動(dòng)數(shù)據(jù)或使用不同AI引擎的能力。湖屋架構(gòu)提供了智能體系統(tǒng)所需的零ETL環(huán)境：實(shí)時(shí)、統(tǒng)一的數(shù)據(jù)訪問，沒有不斷移動(dòng)帶來的延遲和治理風(fēng)險(xiǎn)。

5、語義層：AI"理解"的缺失環(huán)節(jié)

2026年路線圖中最被忽視但最關(guān)鍵的組件是語義層。大約40%的領(lǐng)導(dǎo)者現(xiàn)在將語義上下文的缺失視為運(yùn)營(yíng)AI的主要阻礙。沒有這一層，智能體本質(zhì)上是在盲目飛行——它們能夠訪問數(shù)據(jù)，但無法理解其在業(yè)務(wù)背景下的含義。

報(bào)告引入了一個(gè)AI就緒數(shù)據(jù)的關(guān)鍵框架：

• 統(tǒng)一：將不同數(shù)據(jù)納入共享結(jié)構(gòu)和治理之下。
• 上下文：應(yīng)用語義層以一致地定義指標(biāo)。
• 信任：確保數(shù)據(jù)血緣、質(zhì)量控制和可審計(jì)性。

上下文階段是許多AI項(xiàng)目目前失敗的環(huán)節(jié)。如果智能體從重復(fù)的管道接收到?jīng)_突的指標(biāo)，它將產(chǎn)生不一致甚至不安全的結(jié)果。要達(dá)到2026年領(lǐng)導(dǎo)者所期望的自主或閉環(huán)工作流，系統(tǒng)必須擁有單一、受管控的語義層。

正如金融服務(wù)分析總監(jiān)所言，目標(biāo)是"分析師和AI模型使用相同的定義"。沒有共享的語言，人工智能中的"智能"僅僅是幻覺。

通向2030之路

可預(yù)見的未來路線圖不再是追逐最新模型，而是筑牢基礎(chǔ)。這包括確立湖屋作為主要數(shù)據(jù)基礎(chǔ)，標(biāo)準(zhǔn)化Apache Iceberg等開放格式以確保靈活性，并實(shí)施語義層以提供代理安全有效所需的上下文。

展望更遠(yuǎn)的未來，報(bào)告指出，到2030年，90%的分析工作負(fù)載將遷移到湖屋。屆時(shí)，行業(yè)將停止詢問如何構(gòu)建這些基礎(chǔ)，轉(zhuǎn)而衡量這些系統(tǒng)產(chǎn)生的ROI和價(jià)值。對(duì)話將從"AI能做什么？"轉(zhuǎn)向"我們的智能體生態(tài)系統(tǒng)本季度創(chuàng)造了多少價(jià)值？"