Agent时代重构数据价值链：从“静态资产”到“智能供血系统”

【科技纵览】当大模型在英文语境下处理科学与工程问题时显得更为流畅，这背后的逻辑不仅关乎算法本身，更深层地指向了数据生态的差异。现代科学体系中，大量核心文献、代码及工程文档以英文为载体，其记录的不仅是结论，更是严密的论证过程与知识组织方式。随着AI Agent逐步渗透至企业核心业务流，数据的角色正经历根本性转变：它不再仅仅是训练模型的原料，而是演变为AI运行中持续调用的基础设施。华为试图通过重构过去二十年的“大数据”体系，来应对这一挑战，即解决如何让数据持续供给智能的问题。

去年，沃尔玛中国曾严禁员工使用外部大模型讨论工作，反映出大型跨国企业对数据泄露风险的极度谨慎。然而，今年五六月份后风向突变，企业开始系统性地将核心业务推进至企业级智能体时代。这种转变源于AI使用方式的迭代：从员工零星调用外部工具，转向企业整体引入AI以解决跨部门、跨系统的长流程问题。Gartner已将多智能体系统列为2026年十大战略技术趋势，并预测到2028年，超过三分之一的企业软件将具备自主Agent能力。在互联网、金融及制造等行业，头部企业正密集整合办公Agent与工作流；2026年上半年，金融大模型中标项目达406个，国有大行及头部股份行正从知识助手向信贷、风控等业务型Agent推进。

问题的核心在于，Agent并非低频查询数据的用户，而是需要24小时不间断读取、检索、推理并行动的数据消费者。人查数据是有节奏的，而Agent执行任务需不断调用实时状态与历史信息，据此进行下一步决策。8月28日，在“从数据到Agent”数据要素大会上，华为混合云总裁顾雪军指出，若企业缺乏自有数据，智能体便仅是通用聊天机器人，无法触及核心业务。埃森哲调查显示，尽管88%的中国企业已跨过AI试点阶段，但仅14%取得了显著业务价值。模型决定Agent的智商，而企业数据决定其是否懂生意。与此同时，非结构化数据（文本、音视频、日志等）正成为企业AI最关键也最难处理的来源，Gartner预计至2028年，中国企业对此类AI-Ready数据的投资将是2024年的20倍。

顾雪军判断，大数据平台的服务对象正从“人和BI”扩展为“人+大模型+Agent”，基础设施随之换代。华为将此历程概括为三个阶段：1.0时代服务人，通过数据库、数仓解决数据存储与管理；2.0时代模型成为新消费者，传统湖仓向多模态演进，海外Databricks转型Data+AI，国内华为推出DataArts等平台；3.0时代Agent成为新用户，数据平台需支持Agent在工作中持续获取业务知识。徐工全球数字化中心主任付思敏提到，其数据体系已从面向内部BI转向支撑AI模型的高质量数据集。华为将数据能力重组为可靠管数、高效供数、智能用数和可信流通四个环节，使数据基础设施从“仓库”变为“供血系统”。

在这一新范式中，“供数”发生质变。模型追求规模与质量，Agent则需持续检索、记忆与共享。华为云推出的AI DataLake引入向量和记忆引擎，支持长期记忆和多Agent共享，这意味着数据基础设施首次系统性地管理“记忆”。此外，“本体”概念重新受到重视，旨在补全业务语义，让机器理解企业中人、财、物、事的关系。华为DataArts平台通过本体语义建模，将ERP、OT、ET及KT数据重组为业务对象。顾雪军提出的Data→Logic→Action链路表明，Agent时代的终点是让机器行动，而非仅让人看懂。同时，国家数据局推动的可信数据空间也被纳入大数据3.0，确保外部数据在“可用不可见”条件下进入企业AI体系。

验证已在真实生产中展开。广东电网数据运营中心平台管理部部长杨永娇直言，无高质量数据集，强模型也无法跑出好结果。宝钢利用数据工程降低单炉成本千万级；中铝氧化铝生产年节约1100万元；中国石油将油田测井周期缩短至天级，准确率达95%。徐工梳理出82个核心场景，建设约30个高质量数据集，逻辑转变为“AI要解决什么问题，就生产什么数据”。广东电网构建“采、治、标、训、评、用”六环节生产线，积累超3000万份样本，输电巡检识别准确率超90%，误报率降至5%以内，形成内部飞轮。外部飞轮亦在转动，如云南交投组合内外部数据形成六类数据集并在深圳数据交易所挂牌。当内外两个飞轮同步运转，数据才真正从沉默的“矿山”转化为持续生产智能的生产资料。