数据应用与人工智能从相互独立到逐渐融合，正走向一体化

•        在数据作为生产要素被广泛认知后，数据应用和人工智能加速融合。高质量数据集的积累加快了大模型的成熟，大模型又反过来让各组织机构更好地发挥数据要素的生产力，开始从深度融合走向一体化。

数据应用与人工智能的融合，推动架构与能力实现阶段跃迁

•        第一阶段的感知智能主要依赖分类的非结构化数据，第二阶段生成式AI推动多类混合数据的治理体系发展完善，到了第三阶段的Agentic AI则对多模态数据融合与动态调度提出更高要求。数据应用与人工智能技术正从“AI+数据”的松散组合迈向“数据即AI、AI即平台”的深度融合阶段。

•        新阶段需要一个AI原生的、一体化的技术底座平台，为Agentic AI的场景化应用提供持续的工程化能力和稳定的技术底座支撑，类似建筑的地基工程，为组织长期提供多模态数据融合处理、动态异构资源调度，构建“数据-模型-Agent-业务”闭环系统。这个平台我们称为Data&AI一体化基础设施，它正飞快成为新一代智能系统的核心，围绕“数据流+Agent流”帮助组织构建闭环、自主的智能生态。

数据基础设施成为持续支撑各类组织智能化变革的“核心生产工具”

•        数据基础设施逐步从“支撑决策”升级为“协同驱动智能”，成为组织机构实现数据价值流转与智能闭环的“核心生产工具”。

•        其中，Data&AI一体化数据基础设施是最终能够长期持续支撑人工智能规模化落地的一体化基础软件平台，不仅能提供基础底座支撑，更重要的是通过平台持续、实时、动态工程化能力实现打通数据存储、治理、计算与AI模型开发的全链路，构建出了“Data for AI”和“AI for Data”的双向赋能体系。

Data&AI数据基础设施的价值链条呈现“点-线-面-体”递进

•        Data&AI数据基础设施通过湖仓一体架构统一纳管全域数据资产，并以AI原生设计支撑模型的高效训练与实时推理，实现数据到智能的闭环转化，驱动业务持续创新，进而支撑数据价值逐级跃升，从“点”（功能提效）到“线”（组织创新），到“面”（行业协同），再到“体”（产业带动），为数字经济高质量发展提供软件技术基础设施，是智能革命的核心引擎。

Data&AI数据基础设施的能力体现在开发、架构、调度、AI原生和安全运营

•        Data&AI数据基础设施让数据平台和AI智能工具融合成为统一系统性底座，其关键能力主要体现于融合开发、架构、资源调度、AI原生和安全运营五个方面。五个能力方向侧重点不同，各厂商在其专业方向上各有侧重。

无