6月27日，騰訊云與Gartner聯(lián)合發(fā)布《Data+AI 下一代數(shù)智平臺建設(shè)指南》，深度剖析生成式AI時代企業(yè)數(shù)據(jù)管理痛點，明確構(gòu)建下一代數(shù)據(jù)智能平臺需重點發(fā)展的六大關(guān)鍵能力方向，并全景展示騰訊云Data+AI產(chǎn)品矩陣，為企業(yè)提供應(yīng)對挑戰(zhàn)的一體化解決方案。

報告指出，AI時代企業(yè)競爭焦點正從“模型競爭”轉(zhuǎn)向“高價值數(shù)據(jù)資產(chǎn)競爭”——數(shù)據(jù)質(zhì)量已成為 AI發(fā)展的核心瓶頸，企業(yè)亟需構(gòu)建系統(tǒng)性數(shù)據(jù)工程能力，通過持續(xù)迭代優(yōu)化數(shù)據(jù)而非頻繁調(diào)整模型來釋放AI潛能。

報告認為，傳統(tǒng)數(shù)據(jù)平臺在應(yīng)對生成式AI需求時面臨顯著挑戰(zhàn)：大量非結(jié)構(gòu)化數(shù)據(jù)沉睡、數(shù)據(jù)與AI開發(fā)割裂導(dǎo)致落地周期長、批處理難以滿足實時場景需求、跨部門數(shù)據(jù)標準不一引發(fā)治理困境與合規(guī)風險，以及業(yè)務(wù)人員獲取數(shù)據(jù)高度依賴IT導(dǎo)致響應(yīng)遲緩。

Gartner研究表明，為其生成式人工智能(GenAI)應(yīng)用程序部署檢索增強生成(RAG)管道的組織需要訪問非結(jié)構(gòu)化數(shù)據(jù)，而非結(jié)構(gòu)化數(shù)據(jù)占當今組織數(shù)據(jù)的70%到90%。預(yù)測到2027年，專注于多結(jié)構(gòu)化數(shù)據(jù)管理的IT支出將占數(shù)據(jù)管理技術(shù)和服務(wù)總IT支出的40%。

為此，報告提出企業(yè)需構(gòu)建Data+AI雙輪驅(qū)動的一體化平臺，其關(guān)鍵能力包括Data與AI技術(shù)的可組裝性、端到端全生命周期開發(fā)與業(yè)務(wù)集成、多模態(tài)數(shù)據(jù)處理與增強、統(tǒng)一元數(shù)據(jù)驅(qū)動的治理與合規(guī)等。

其中，數(shù)據(jù)與AI技術(shù)的可組裝性成為核心能力。面對大模型每3-5個月的迭代周期及向量檢索、湖倉一體等技術(shù)的快速演進，企業(yè)需構(gòu)建“可插拔”架構(gòu)。

同時，端到端全生命周期管理成為標配，開發(fā)需覆蓋數(shù)據(jù)處理、模型構(gòu)建到業(yè)務(wù)集成全流程，如金融行業(yè)通過實時數(shù)據(jù)管道整合多源數(shù)據(jù)，實現(xiàn)風險模型快速迭代，將合規(guī)響應(yīng)時間從月級壓縮至小時級。

多模態(tài)數(shù)據(jù)處理能力則決定價值上限，AI應(yīng)用需融合結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，將文本、圖像、視頻等轉(zhuǎn)化為“智能燃料”，零售企業(yè)通過整合線上線下多模態(tài)數(shù)據(jù)構(gòu)建360度客戶畫像，推動精準營銷效率提升30%以上。

此外，引入Agentic Analytics可實現(xiàn)智能自動化決策，例如通過AI代理識別并修復(fù)臟數(shù)據(jù)、動態(tài)追蹤數(shù)據(jù)血緣。

騰訊云致力于通過Data+AI技術(shù)深度融合，為企業(yè)構(gòu)建高效智能的企業(yè)級基礎(chǔ)設(shè)施。其Data+AI能力以數(shù)據(jù)管理為核心，整合AI算力、數(shù)據(jù)存儲分析、數(shù)據(jù)治理、安全管理及AI模型訓(xùn)練與實時決策等產(chǎn)品服務(wù)，提供從數(shù)據(jù)接入到智能應(yīng)用的端到端解決方案。

根據(jù)2024年Gartner數(shù)據(jù)和分析治理調(diào)查，近一半的受訪者認為“難以在不同部門/業(yè)務(wù)單位之間標準化數(shù)據(jù)”是其組織面臨的最大D&A治理相關(guān)挑戰(zhàn)之一。

在具體實踐中，依托WeData一站式智能數(shù)據(jù)平臺，企業(yè)可無縫貫通數(shù)據(jù)到AI的全鏈路管理：數(shù)據(jù)側(cè)通過DataOps實現(xiàn)多源數(shù)據(jù)實時接入與自動化管道構(gòu)建，內(nèi)置智能質(zhì)量監(jiān)控攔截異常數(shù)據(jù)，結(jié)合統(tǒng)一語義層沉淀企業(yè)級指標與數(shù)據(jù)模型；AI側(cè)通過MLOps對接主流機器學(xué)習(xí)框架，支撐特征工程、模型訓(xùn)練到在線推理的自動化流水線。

在統(tǒng)一的數(shù)據(jù)開發(fā)體驗之上，騰訊云打造的ChatBI與數(shù)據(jù)分析Agent還能大幅降低數(shù)據(jù)應(yīng)用門檻。業(yè)務(wù)人員通過簡單對話可自動生成可視化報表，需求響應(yīng)速度提升10倍；WeData Agent基于大模型主動執(zhí)行任務(wù)，如自動修復(fù)異常數(shù)據(jù)管道、預(yù)測存儲瓶頸并提前擴容，展現(xiàn)代理型分析的落地價值。

未來, Data+AI平臺將向自然語言交互、AI自動化優(yōu)化、生成式AI深度整合演進，Gartner預(yù)測，到2028年，80%的GenAI商業(yè)應(yīng)用將在組織現(xiàn)有的數(shù)據(jù)管理平臺上開發(fā)，從而將實施復(fù)雜性和交付時間降低50%。