6 月 27 日，騰訊云與 Gartner 聯合發布《Data+AI 下一代數智平臺建設指南》，深度剖析生成式 AI 時代企業數據管理痛點，明確構建下一代數據智能平臺需重點發展的六大關鍵能力方向，并全景展示騰訊云 Data+AI 產品矩陣，為企業提供應對挑戰的一體化解決方案。

報告指出，AI 時代企業競爭焦點正從 “模型競爭” 轉向 “高價值數據資產競爭”—— 數據質量已成為 AI 發展的核心瓶頸，企業亟需構建系統性數據工程能力，通過持續迭代優化數據而非頻繁調整模型來釋放 AI 潛能。

報告認為，傳統數據平臺在應對生成式 AI 需求時面臨顯著挑戰：大量非結構化數據沉睡、數據與 AI 開發割裂導致落地周期長、批處理難以滿足實時場景需求、跨部門數據標準不一引發治理困境與合規風險，以及業務人員獲取數據高度依賴 IT 導致響應遲緩。

Gartner 研究表明，為其生成式人工智能 (GenAI) 應用程序部署檢索增強生成 (RAG) 管道的組織需要訪問非結構化數據，而非結構化數據占當今組織數據的 70% 到 90%。預測到2027年，專注于多結構化數據管理的IT支出將占數據管理技術和服務總IT支出的40%。

為此，報告提出企業需構建 Data+AI 雙輪驅動的一體化平臺，其關鍵能力包括 Data 與 AI 技術的可組裝性、端到端全生命周期開發與業務集成、多模態數據處理與增強、統一元數據驅動的治理與合規等。

其中，數據與 AI 技術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、湖倉一體等技術的快速演進，企業需構建 “可插拔” 架構。

同時，端到端全生命周期管理成為標配，開發需覆蓋數據處理、模型構建到業務集成全流程，如 金融 行業通過實時數據管道整合多源數據，實現風險模型快速迭代，將合規響應時間從月級壓縮至小時級。

多模態數據處理能力則決定價值上限，AI 應用需融合結構化與非結構化數據，將文本、圖像、視頻等轉化為 “智能燃料”，零售企業通過整合線上線下多模態數據構建 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 可實現智能自動化決策，例如通過 AI 代理識別并修復臟數據、動態追蹤數據血緣。

騰訊云致力于通過 Data+AI 技術深度融合，為企業構建高效智能的企業級基礎設施。其 Data+AI 能力以數據管理為核心，整合 AI 算力、數據存儲分析、數據治理、安全管理及 AI 模型訓練與實時決策等產品服務，提供從數據接入到智能應用的端到端解決方案。

根據2024年Gartner數據和分析治理調查，近一半的受訪者認為“難以在不同部門/業務單位之間標準化數據”是其組織面臨的最大D&A治理相關挑戰之一。

在具體實踐中，依托 WeData 一站式智能數據平臺，企業可無縫貫通數據到 AI 的全鏈路管理：數據側通過 DataOps 實現多源數據實時接入與自動化管道構建，內置智能質量監控攔截異常數據，結合統一語義層沉淀企業級指標與數據模型；AI 側通過 MLOps 對接主流機器學習框架，支撐特征工程、模型訓練到在線推理的自動化流水線。

在統一的數據開發體驗之上，騰訊云打造的 ChatBI 與數據分析 Agent 還能大幅降低數據應用門檻。業務人員通過簡單對話可自動生成可視化報表，需求響應速度提升 10 倍；WeData Agent 基于大模型主動執行任務，如自動修復異常數據管道、預測存儲瓶頸并提前擴容，展現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 自動化優化、生成式 AI 深度整合演進，Gartner預測，到 2028 年，80%的GenAI 商業 應用將在組織現有的數據管理平臺上開發，從而將實施復雜性和交付時間降低50%。