模型决定了 Agent 聪不聪明，企业数据决定了它懂不懂你的生意。

文｜周享玥 赵艳秋

编｜牛慧

为什么同个大模型，用英文回答科学和工程问题时，常常顺、有条理？

答案不只在模型，也在数据。现代科学体系中，大量论文、代码和工程文档初就用英文写成，不仅记录结论，也保留了研究过程和论证关系。模型从中学到的，不只是门语言，也是套知识和逻辑的组织式。

模型越来越强之后，胜负手正在重新落回数据。

尤其当 Agent 开始进入企业核心业务，数据也从模型训练的原料，变成 AI 运行过程中持续调用的基础设施。

过去二十年，我们解决的是"怎么把数据存下来"；Agent 时代，新的问题变成了"怎么让数据持续供给智能"。

现在，华为想做的，是把过去二十年的"大数据"再重做遍。

新用户：Agent 来了，数据的消费者变了

去年，沃尔玛度严禁员工用外部大模型讨论工作，数据泄露风险让大型跨国企业对 AI 为谨慎。但今年五六月份后风向突变，企业开始认真将核心业务进到企业智能体时代。

变化背后，是企业使用 AI 的式变了：从员工调用外部工具，变成企业系统引入 AI。

Coding 助手、办公 Agent 已经证明能提升个人率，但企业真正要解决的是跨部门、跨系统的长流程问题，需要多个 Agent 共享上下文、调用企业系统并协同完成任务。

Gartner 已将多智能体系统列入 2026 年十大战略技术趋势，并预计到 2028 年，过 1/3 的企业软件将具备自主 Agent 能力。

这种变化已在互联网、金融、制造等行业出现。互联网头部企业正密集整办公 Agent 与企业工作流；2026 年上半年，金融大模型中标项目达到 406 个，国有大行、头部股份行开始从知识助手、代码助手向信贷、风控、规等业务型 Agent 进；制造、能源企业也开始把 Agent 带进质检、研发和调度。

问题也随之出现。

Agent 不是"偶尔查次数据的人"，而是个 24 小时不停读取、检索、理和行动的数据消费者。

人查数据是低频、有节奏的；Agent 执行任务，却需要不断检索知识、读取实时状态、调用历史信息，再根据结果继续理和行动。

数据因此不再只是躺在系统里的资产，而开始成为 Agent 的上下文、记忆，甚至是它做出下步行动的依据。

8 月 28 日，在"从数据到 Agent：数据价值链的重构与创新"数据要素大会上，华为混云总裁顾雪军直指这问题："企业没有自己的数据，智能体就只是个通用的聊天机器人，永远触不到核心业务。"

企业真正的竞争，也因此不再只是"有没有模型"，而是谁能把自己的数据、流程和行业 Know-how 持续沉淀进智能体。

埃森哲调查显示，88 的企业已跨过 AI 试点阶段，但取得显著业务价值的只有 14。

而企业数据本身也在发生变化。过去的数据平台擅长处理数据库里的表和字段，但文本、图片、音频、、设备日志等非结构化数据，正在成为企业 AI 重要、也难处理的数据来源。Gartner 预计，到 2028 年，企业对 AI-Ready 数据、尤其是非结构化数据的投资将达到 2024 年的 20 倍。

新的数据消费者，正在倒逼代新的数据基础设施。

新断代：大数据从 1.0 走到 3.0

顾雪军判断天津管件胶厂，Agent 时代，大数据平台的服务对象正从"人和 BI "扩展为"人 + 大模型 +Agent "。

服务对象变了，数据基础设施就须跟着换代。

华为将这过程概括为大数据 1.0、2.0 和 3.0 三个阶段。

1.0 时代，服务人。

数据库、数仓和数据湖把结构化数据存下来、管起来、起来，通过 BI 和报表交给人分析决策。华为从 2008 年开始布局大数据，此后进存分离、湖仓体，解决的核心问题都是如何把数据存好、管好、快。

2.0 时代，模型成为新的数据消费者。

图片、、音频、文本等非结构化数据大量进入 AI 训练，传统湖仓向多模态湖仓演进，多模计、异构力调度、自动标注和质量数据集生产成为新的基础能力。

行业格局也随之变化。海外 Databricks 迅速从 Data 公司转向 Data+AI 公司；国内华为出 DataArts、DataArts Fabric 以及城市和行业数据空间，数据平台开始从理工具走向" Data+AI "。

3.0 时代，Agent 成为新的数据用户。

与人看报表、模型吃数据集不同，Agent 需要在运行中持续获得企业数据和业务知识，并据此理、决策和行动。

如果说大数据 1.0 解决"人怎么用数据"，2.0 解决"模型怎么吃数据"，那么 3.0 真正要解决的是" Agent 如何边工作，边持续获得数据"。

数据平台开始从"存储数据"走向"持续供给智能"。

徐工全球数字化中心主任付思敏在大会现场提到，徐工的数据体系过去主要面向内部决策运营和 BI，如今已经开始转向以质量数据集支撑 AI 模型和产品应用。

围绕这变化，华为今年将数据能力重新组织为四个环节：可靠管数、供数、智能用数和可信流通。

过去的大数据平台像仓库，今天的数据基础设施像套供系统：数据不仅要存得住，还须随时流向正在工作的 Agent。

新范式：数据平台开始长出"记忆"

可靠管数、供数、智能用数和可信流通，本质上，就是形成套持续向智能体"供"的系统。

可靠管数是地基。Agent 终仍要查数、计、调用业务数据，因此传统湖仓并没有失去价值，反而要求底座快、稳。

真正发生质变的是"供数"。

模型和 Agent 有着不同的"数据胃口"：模型需要规模和质量，Agent 则需要持续检索、记忆和共享。

顾雪军将这种变化概括为，让数据从"静态理资源"转变为"动态赋能 AI 的生产力"。

华为云今年出 AI DataLake，边加快 TB/PB 训练数据集构建，边在数据湖中引入向量和记忆引擎，为 Agent 提供"知识检索 + 记忆检索"，支持长期记忆和多 Agent 共享。

这意味着个非常重要的变化：数据基础设施次开始系统地管理"记忆"。

过去数据库保存订单、客户和库存，数据湖保存文本、图片和；未来还要保存 Agent 做过什么、哪些办法成功、哪些办法失败，再把这些经验用于下次理。

企业数据不再只是"发生过什么"的记录，还将成为"下次怎么做"的经验。

另个重新受到重视的概念是"本体"。

大模型能找到数据，保温护角专用胶却未知道企业如何运转。本体要补上的，就是业务语义：把企业里的人、财、物、事及其关系和规则，用机器能够理解的式重新描述。

条生产订单背后，可能同时关联 ERP 里的 IT 数据、设备产生的 OT 数据、研发系统中的 ET 工程数据，以及规章制度和经验形成的 KT 知识。华为的智能数据决策平台 DataArts天津管件胶厂，正试图通过本体语义建模，把这些数据重新组织成业务对象、关系和规则。

AI 真正进入企业，难点不是让它"看见数据"，而是让它"看懂生意"。

微软 Fabric、Snowflake、Palantir 等也都在强化本体或业务语义层，目标相似：让 AI 找到数据之后，还能理解数据背后的业务关系。

顾雪军此次演讲中出现了条值得注意的链路：Data → Logic → Action。

过去是 Data → Insight，数据产生洞察，再由人判断和执行；Agent 时代则进步走向 Data → Logic → Action。

比如发现供应链交付风险后，Agent 不只是提示异常，还要关联库存、采购、产能和物流判断原因，生成案并调用业务系统执行。

过去，数据的终点是"让人看懂"；Agent 时代，数据的终点正在变成"让机器行动"。

这个闭环还在向企业外部延伸。国数据局今年提出通过可信数据空间等动数据安全流通，华为也将可信数据空间纳入大数据 3.0，让外部数据在"可用不可见"的条件下进入企业 AI 体系。

至此，数据平台正在从存储和分析系统，进步变成 AI 的实时供应系统、长期记忆系统和决策底座。

新证明：数据开始形成两个飞轮

大数据 3.0 已经不只停留在架构和产品层面，批验证开始进入真实生产。

"没有质量的数据集，再强的模型在任何个行业其实都跑不出好结果。"广东电网数据运营中心平台管理部部长杨永娇直言。

工业场景尤其如此。要让 AI 进入生产，先要通过清洗、标注、成和评估，把工业现场的"数据原油"炼成可供模型使用的"数据汽油"。

些结果已经体现在生产指标上：宝钢将数据工程和模型用于宽展预测、炉炉温预测，单炉成本每年降低千万；中铝仅氧化铝生产每年节约成本 1100 万元；石油将油田测井周期从周缩短至天，准确率达到 95。

徐工则从场景反数据建设，把 AI 落地分成" AI+ 产品、AI+ 制造、AI+ 企业运营"三条线，仅制造环节就梳理出 82 个核心场景，并围绕这些场景建设约 30 个质量数据集。

这意味着企业建设数据的逻辑也在反过来：不是"有什么数据就做什么 AI "，而是" AI 要解决什么问题，就生产什么数据"。

些企业甚至开始把数据做成持续运转的"生产线"。

广东电网把质量数据集建设拆成"采、、标、训、评、用"六个环节。模型上线产生的低置信度样本和误判数据重新回流，进入下轮训练。目前已积累过 3000 万份多模态样本，在输电巡检场景中，识别准确率过 90，缺陷误报率降至 5 以内。

这形成企业内部的个飞轮：业务产生数据→数据训练模型→模型进入生产→生产产生新反馈→反馈再次数据和模型。

数据不是越存越多，而是越用越好。

二个飞轮则开始越过企业边界。

华为已参与贵州省"公共数据个湖"和 AI 可信数据空间建设；云南交投采购外部通用数据，与自身交通数据组，形成"建、管、养、运、服、安"六类质量数据集，不仅用于行业大模型训练，还在圳数据交易所挂交易。

国数据局将类似过程概括为"场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值"的"数据飞轮"。

于是，个大的循环出现了：企业内部，数据和 Agent 互相增强；企业外部，数据通过可信流通进入多场景，再创造新的数据与价值。

当两个飞轮同时转动，数据才真正从"沉淀下来的资产"，变成"持续生产智能的生产资料"。

过去二十年，企业直在问个问题：我们积累了这么多数据，价值到底在哪里？

Agent 或许次给出了个非常具体的答案。

数据的价值，不在于企业"拥有多少"，而在于有多少能够被 AI 理解、调用，并终变成行动。

模型表现出来的能力，终究要落到它吃到了什么数据。

而当 Agent 真正进入企业核心业务，决定它能走多远的，也许不再只是模型有多强，而是企业过去二十年攒下来的数据，能不能从座沉默的"矿山"，变成套持续运转的"智能供给系统"。

这也是为什么，Agent 时代，大数据不是过时了，而是须重新做遍。

© 本文为数智前线（szqx1991）原创内容

未经授权，禁止转载

进群、转载或商务作联系后台

文章精选

具身 ChatGPT 时刻前夜，自变量押注"强大脑"

AI 改变钱的流向：预、自研与后公里

OceanBase，走向版 Databricks

美团把踩过的坑变成经验，做成了给全行业的低成本 AI 系统

不甘平庸的李健和个敢的荣耀

AI 编程挣钱，为什么大厂全冲去做 AI 办公

从个人 Agent 到企业数字分身：组织 AI native 转型的"后十公里"

2026 年下半年，力竞赛为何突然转向节点？

当 AI 成为生产力，蚂蚁数科建了座"智能体工厂"

海康威视，用大模型把产品重做遍

置身米外，小米手机降速和裁员背后

质量 Token 为何紧缺？AI 基础设施建设有三个新信号

营销与交易增长，进入 Agent 时刻

千问用张考志愿表，撕掉 AI 的"玩具"标签

除夕夜，阿里云扔出了颗开源"炸"

历史进程中的浙大

松下电视的结局，藏着日本电的宿命

大模型五大"标"与六边形战士

枪响在 2018：秘东力量，为何扎堆杭州相关词条:铝皮保温     隔热条设备     钢绞线厂家玻璃棉    泡沫板橡塑板专用胶

奥力斯    pvc管道管件胶批发    联系人：王经理    手机：15226765735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述天津管件胶厂，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。