当谈论AI Infra时我们在谈什么？Agent成2025年AI主流叙事

在 AI 技术飞速发展的当下，数据与 Agent 平台、AI 能力构建等方面的关系备受关注。数据究竟在其中扮演着怎样关键的角色？让我们一探究竟。

Agent 平台核心价值局限

Agent 平台能对任务进行理解、规划、调度等，还能实现人机、机机交互。然而，它缺乏底层基础支撑能力。比如在一些复杂的工业生产场景中，Agent 平台虽能协调任务，但没有底层数据支撑，就难以高效运行。它像是一个指挥者，却没有强大的后勤保障。

企业 AI 构建需重视数据

当下，AI 技术成为主流，企业构建自身 AI 能力时，数据至关重要。著名学者吴恩达都说「AI 正在从以模型为中心转向以数据为中心」。企业级 AI 要的不是大量低质量数据，而是专业、深入核心业务的高质量数据。例如金融企业，精准的客户交易数据是构建风险评估模型的关键。

数据平台定位升级

数据平台不能只做「被动的容器」，要成为「主动的生产力载体」。在电商行业，数据平台不仅要存储用户浏览、购买数据，更要对这些数据进行分析、挖掘，为企业提供精准的营销策略。它要成为数据的「产地」与「工艺」，生产、处理面向 AI - Native 的数据。

Data&AI 成基础设施新范式

数据与 AI 不再分离，而是基础设施的一体两面。在医疗领域，患者的病历数据与 AI 诊断模型相结合，能为医生提供更准确的诊断建议。Data&AI 数据基础设施是 AI 时代的新范式，让数据与 AI 紧密融合，发挥更大作用。

市场产品尚处探索期

当前市场上面向 AI 原生的 Data&AI 技术融合基础设施软件产品还在探索中。众多数据厂商或 AI 厂商围绕自身原有赛道和产品功能，加速 Data&AI 基础设施融合。但它们大多缺乏数据底座能力，场景定制难以规模化，只能在数据应用层竞争，难以形成一体化基础软件产品。

专业厂商核心能力与国内浪潮

像 Databricks 这样的专业垂直厂商，基于 AI - Native 架构，要形成 Data&AI 一体化闭环，支持低代码开发，覆盖数据治理到业务反馈全流程。国内也兴起构建 Data&AI 一体化数据基础设施的浪潮，企业能借此简化数据管理与应用难度。

大家觉得企业在构建 Data&AI 基础设施时，最大的挑战会是什么？欢迎点赞、分享并留言讨论。