腾讯云联合 Gartner 发布《Data+AI 下一代数智平台建设指南》

 6 月 27 日，腾讯云与 Gartner 联合发布《Data+AI 下一代数智平台建设指南》，深度剖析生成式 AI 时代企业数据管理痛点，明确构建下一代数据智能平台需重点发展的六大关键能力方向，并全景展示腾讯云 Data+AI 产品矩阵，为企业提供应对挑战的一体化解决方案。

报告指出，AI 时代企业竞争焦点正从 “模型竞争” 转向 “高价值数据资产竞争”—— 数据质量已成为 AI 发展的核心瓶颈，企业亟需构建系统性数据工程能力，通过持续迭代优化数据而非频繁调整模型来释放 AI 潜能。

报告认为，传统数据平台在应对生成式 AI 需求时面临显著挑战：大量非结构化数据沉睡、数据与 AI 开发割裂导致落地周期长、批处理难以满足实时场景需求、跨部门数据标准不一引发治理困境与合规风险，以及业务人员获取数据高度依赖 IT 导致响应迟缓。

Gartner 研究表明，为其生成式人工智能 (GenAI) 应用程序部署检索增强生成 (RAG) 管道的组织需要访问非结构化数据，而非结构化数据占当今组织数据的 70% 到 90%。预测到 2027 年，专注于多结构化数据管理的 IT 支出将占数据管理技术和服务总 IT 支出的 40%。

为此，报告提出企业需构建 Data+AI 双轮驱动的一体化平台，其关键能力包括 Data 与 AI 技术的可组装性、端到端全生命周期开发与业务集成、多模态数据处理与增强、统一元数据驱动的治理与合规等。

其中，数据与 AI 技术的可组装性成为核心能力。面对大模型每 3-5 个月的迭代周期及向量检索、湖仓一体等技术的快速演进，企业需构建 “可插拔” 架构。

同时，端到端全生命周期管理成为标配，开发需覆盖数据处理、模型构建到业务集成全流程，如金融行业通过实时数据管道整合多源数据，实现风险模型快速迭代，将合规响应时间从月级压缩至小时级。

多模态数据处理能力则决定价值上限，AI 应用需融合结构化与非结构化数据，将文本、图像、视频等转化为 “智能燃料”，零售企业通过整合线上线下多模态数据构建 360 度客户画像，推动精准营销效率提升 30% 以上。

此外，引入 Agentic Analytics 可实现智能自动化决策，例如通过 AI 代理识别并修复脏数据、动态追踪数据血缘。

腾讯云致力于通过 Data+AI 技术深度融合，为企业构建高效智能的企业级基础设施。其 Data+AI 能力以数据管理为核心，整合 AI 算力、数据存储分析、数据治理、安全管理及 AI 模型训练与实时决策等产品服务，提供从数据接入到智能应用的端到端解决方案。

根据 2024 年 Gartner 数据和分析治理调查，近一半的受访者认为“难以在不同部门/业务单位之间标准化数据”是其组织面临的最大 D&A 治理相关挑战之一。

在具体实践中，依托 WeData 一站式智能数据平台，企业可无缝贯通数据到 AI 的全链路管理：数据侧通过 DataOps 实现多源数据实时接入与自动化管道构建，内置智能质量监控拦截异常数据，结合统一语义层沉淀企业级指标与数据模型；AI 侧通过 MLOps 对接主流机器学习框架，支撑特征工程、模型训练到在线推理的自动化流水线。

在统一的数据开发体验之上，腾讯云打造的 ChatBI 与数据分析 Agent 还能大幅降低数据应用门槛。业务人员通过简单对话可自动生成可视化报表，需求响应速度提升 10 倍；WeData Agent 基于大模型主动执行任务，如自动修复异常数据管道、预测存储瓶颈并提前扩容，展现代理型分析的落地价值。

未来, Data+AI 平台将向自然语言交互、AI 自动化优化、生成式 AI 深度整合演进，Gartner 预测，到 2028 年，80%的 GenAI 商业应用将在组织现有的数据管理平台上开发，从而将实施复杂性和交付时间降低 50%。