Agent 时代的数据平台新范式
Agent 进入生产,对数据平台提出新要求
AI 时代的企业数据平台升级,始于两类变化:人与 Agent 协同、承接 AI 新负载。平台面对的任务与负载变化,对平台能力提出了新的要求。平台需要具备三项共同能力:准确理解、受控执行、高效运行。智能体工作台 DataBuddy 与数据平台协同承接这些能力要求。
一套统一底座,承接四类典型落地场景
腾讯云大数据平台作为一套统一底座,承接四类典型落地场景:Data Agent、Physical AI、海外与私有化。该平台包含统一计算、统一存储、统一编排、业务语义、上下文、权限等功能,并支持弹性伸缩。
典型场景:Data Agent / Physical AI / 海外 / 私有化
Data Agent
DataBuddy 围绕数据智能落地,针对数据准备难、业务接入难、业务理解难三大痛点,形成对应能力。DataBuddy 工程/治理/分析 Agent 帮客户实现从数据 ETL 到治理、分析应用全链路 AI 化。DataBuddy 直连既有数据,嵌入业务 APP,无需搬迁既有数仓,并通过本体与指标驱动营销分析。
Physical AI
面向 Physical AI 的数据与训推场景,一站式多模态平台可高效贯通数据处理-训练-推理全链路。WeData+DLC 数据处理-训推一体化方案,通过工具层、计算层、存储层,打通全链路,让客户管理更统一,迭代更快、成本更低。
海外
面对中企出海客户,腾讯云方案保障架构连续性;面对海外本地客户,简化架构并优化性能成本。EMR 同栈同构延续 Hadoop 架构与使用习惯,DLC 弹性计算适配海外生态与资源需求,TCHouse 多引擎协同兼容复杂数仓技术栈。
私有化
私有化场景下,TBDS 数智平台支持客户面向 AI 新负载平滑演进,全面自主可控。TBDS 支持私域 AI 平滑演进,融合创新,兼顾资源利旧、容灾与规模化运行。
从平台能力走进最佳实践
研报分享了行业最佳实践,包括数智融合金融向新、数据智能体在内容资产化中的探索与实践、腾讯云 EMR 赋能 AI 生命科学等。并进行了大咖对话圆桌,探讨大数据助力 Physical AI 智能化升级。此外,还涉及生态共创,如打造 AI 工厂的数据引擎、数据智能体落地等。
数智融合 金融向新:DATA+AI 赋能数字金融新范式
太平人寿以“数智太平”为新引擎,构建 1+2+N 顶层设计,全面融入公司“十五五”战略。通过数据与 AI 双轮驱动经营模式迭代升级,实现 AI 驱动业务变革。太平人寿建设了 1 个算力中心,2 个平台,接入 N 个业务场景,实现 AI 驱动业务变革,铸就行业 AI 标杆。
数据重塑物理世界:Physical AI 的工程深水区与底座重构
物理 AI 平台包含多模态数据底座、AI 计算、物理 AI 平台三部分。TCLake 已在具身、智驾等物理 AI 场景深度落地,服务无问、媲美、卓驭等数十家行业头部企业。
Data Agent 落地:从能闭环的场景开始
Data Agent 在数据上做分析与决策,验证难度居中,前提需要先建设语义层。从能闭环的场景开始,垂直 Data Agent 包括可观测、安全、知识库问答等。Data Agent 难点在于缺一个可验证的闭环。腾讯云 DataBuddy 正在解决数据标准统一、验证边界清晰、口径统一、验证设计等问题。
AI 搜索、RAG 与 Data Agent
AI 搜索、RAG 与 Data Agent,依赖同一层检索底座。腾讯云 ES 企业版作为 AI 时代的上下文基础设施,支持关键词和语义混合检索,并具备企业级能力。腾讯自己的 AI 产品,也跑在腾讯云 ES 上,如 ima 和乐享。
总结
研报核心观点是,Agent 时代的数据平台需要升级,以适应人与 Agent 协同、承接 AI 新负载的需求。腾讯云大数据平台作为一套统一底座,承接四类典型落地场景。Data Agent、Physical AI、海外、私有化等场景都有相应的解决方案。研报还分享了行业最佳实践,并探讨了 Data Agent 落地、AI 搜索、RAG 等话题。