在大模型加速落地的今天，企业对AI的理解正在发生变化。

过去一段时间，很多企业谈到大模型，首先想到的是算力、参数和模型能力。但随着AI从演示走向生产环境，一个更底层、也更现实的问题逐渐浮出水面：模型能不能真正发挥价值，越来越取决于数据。

在火山引擎FORCE大会数据智能论坛上，火山引擎数智平台分享了对AI数据时代的判断，并发布了新的AI数据解决方案。其背后指向一个清晰趋势：AI的竞争，正在从单点模型能力，走向围绕数据质量、数据治理、Agent运行和企业知识管理的系统能力竞争。

AI发展进入新阶段，数据成为关键变量

论坛上，火山引擎数智平台提到两个明显变化。

第一个变化发生在大模型训练侧。越来越多企业已不再只关注算力投入，而是开始把重点转向训练数据质量的提升——模型效果的天花板，正在由数据质量决定。

第二个变化发生在大模型应用侧。企业AI应用正从信息检索、个人办公等轻量场景，进入数据资产、业务运营、企业知识等更复杂的场景。AI不再只是"帮人查资料、写文档"，而是开始介入企业核心数据资产的理解、调用和流转。

当AI开始变成企业内部的Agent，数据就不只是输入，而会成为AI运行过程中的基础设施。这也是火山引擎提出AI数据解决方案的背景：企业需要的不只是一个模型入口，而是一套能支撑模型训练、Agent运行和数据资产管理的新型数据底座。

从DBA时代到AI数据时代，数据产品的命题正在被重写

数据产品始终围绕一个本质问题演进：数从哪里来，数到哪里去。

DBA时代，数据来自交易系统，目标是存得稳、查得快，关系型数据库是核心产品形态。大数据时代，数据来自用户行为，量级从GB扩展到PB甚至EB，数据仓库和分布式计算成为标配，服务对象扩展到产品、运营、数据分析师等业务角色。

进入AI数据时代，数据来源再次变化——图片、音频、视频、文本、Agent运行轨迹等多模态数据大量涌现；数据的使用对象也从“人”扩展到“人+Agent+大模型”。

这让数据产品面临新的要求：如何治理大规模多模态异构数据；如何高效存储海量训练数据；如何支撑Agent实时数据流转；如何让模型真正理解企业数据语境。传统数据库和大数据平台已难以独立应对，企业需要面向AI原生场景重新设计的数据产品架构。

AI时代数据解决方案：从数据基座到Agent闭环

围绕上述需求，火山引擎发布了新的AI数据解决方案，核心包括四个层次：

多模态数据湖：面向AI原生场景的数据集基座，支撑大模型训练数据预处理，以及智驾、具身智能等场景数据处理；此次同步发布面向Agent运行的数据基座，支持Agent的数据消费、存储和运营。

专业数据库：基于高质量数据集构成，覆盖金融、消费、智驾、具身、教育、医疗等行业，帮助企业实现开箱即用，降低从"有模型"到"有可用数据"的门槛。

企业数据资产管理平台：实现多模态数据的语义构建和知识管理，让Agent和大模型更好地理解企业数据语境，充分释放企业数据资产价值。

Data Agent全面升级：通过一个Agent入口，覆盖数据分析、数据营销、数据开发、数据治理等数据场景，同时支持PDF解析、文档撰写、PPT撰写、信息检索等通用场景。开放Agent生态，新增MCP、COI多交互产品能力，以及Agent观测和评测能力，支持Agent持续运营优化。

Agent运行过程中产生的数据，进一步回流到多模态数据湖，形成完整闭环：企业数据经治理后被模型和Agent消费，Agent产生的新数据再回流，成为后续训练和优化的基础。AI应用的价值，由此从一次性能力调用，走向持续进化的数据系统。

数据，是企业构建AI竞争力的关键起点。当AI进入企业数据深水区，真正的挑战才刚刚开始。

附录：《从「数据平台」到「数据智能」用发展的目光看数据的使命变迁》速记全文

尊敬的各位来宾，大家下午好！我是萧然，欢迎大家来到火山引擎FORCE大会数据智能论坛。

在今天上午主论坛大家一定感受到了豆包大模型在各行业、各场景的精彩落地和迸发出来的蓬勃动力。那在今天我们逐步看到了豆包大模型在各行业、各领域的逐步解锁场景之后，我们其实发现两个非常明显的变化。一个变化就是我们发现在大模型的训练领域，越来越多的企业已经从卷算力开始转向逐步提高训练数据的质量。另外一个变化，我们发现在大模型的落地应用场景，越来越多的企业已经从向一些信息检索，向个人办公这样的轻量场景开始向数据资产这样的深水区进行转型。这两个变化我们发现，其实越来越多的数据已经成为接下来AI发展的重要因素。

在这样的背景下，我们的数据产品应该往哪个方向发展？这是一个非常重要的话题，在回答这个问题之前，先来回顾一下数据在不同时代的演进。数据演进分成三个阶段，三个阶段其实数据产品都在回答同样的一个本质问题，那就是我们如何用数据产品去解决数从哪里来以及数到哪里去的问题。

首先看一下第一个时代，DBA时代，在DBA时代我们数据来源主要是一些像事务处理过程中的结果数据，我们面临的场景是如何更好地存储这些数据，并且被软件被平台进行查询。面临的用户也主要是一些专职用户，像DBA后端研发的工程师，这个时候对数据产品的要求就是如何更好地把这些结果数据保持数据的一致性，以及提供更好的查询性能。因此，关系型数据库在这个阶段蓬勃发展起来了。

随着互联网的快速发展，我们进入到第二个数据时代，大数据时代。在这个阶段，数据的来源发生了很大的变化，变成了大量的用户埋点的行为数据，这些数据的量级也从GB扩展到了PB，甚至EB级，这个时候的数据场景变化成了更多的去支撑产品的运营，商业分析，以及构建用户画像。这个时候所面向的数据主要使用用户也扩展到向产品、运营、数据分析师等业务人员。这个时候对数据产品的要求就是如何去解决大规模数据存储和计算，高并发的实时接入，以及分布式的计算，分布式技术引擎以及数据仓库等产品就成为这个阶段的标配。

随着大模型的兴起，我们进入到第三个阶段，AI数据时代。在这个时代，我们发现数据的来源又发生了非常大的变化，变成了大量的多模态数据来支撑大模型的训练，以及在Agent运营过程中所产生的大量数据，轨迹数据。这个时候场景变成了如何更好地支撑好模型的训练，以及如何支撑好Agent的运营和消费；面向的对象，也从过去面向人，面向Agent，面向大模型。因此，这个时候对数据产品的要求变成了如何去解决大规模的多模态异构数据的治理，如何更好地解决海量模型训练数据的高效存储，以及Agent高效数据实时流转。

因此，如何构建数据在AI时代的产品架构，今天我非常荣幸地向大家分享来自于火山引擎的新的AI数据解决方案。

首先，基于AI原生的数据集基座，我们叫多模态数据湖。如果参加过上次FORCE大会的朋友应该记得，我们发布了多模态数据处理能力，很好地支撑了大模型训练公司的数据预处理，以及支架、具身的场景数据处理过程，为整个大模型训练提供了很好的数据底座。今天我们也非常荣幸地发布针对Agent运行的数据基座，可以很好地支持Agent数据消费，数据存储和数据运营。同时，今天我也非常荣幸地发布基于高质量数据集所构成的专业数据库，里面涵盖的金融、消费、支架、具身，包括教育、医疗各行各业的数据，可以让大家在平台上实现开箱即用。

其次是我们重要的企业数据资产管理平台，这是我们今年4月份在AI武汉巡展时所发布的产品能力，借助该平台可以很好地实现多模态数据的语义构建和知识管理，让Agent，让大模型更好地去理解企业的数据语境，充分释放企业的数据价值。

在应用层面，我们去年发布了Data Agent家族，今天我们非常荣幸全面升级了Agent，通过一个Agent入口可以涵盖数据分析、数据营销、数据开发、数据治理这样的数据场景，同时支持PDF解析、文档撰写、PPT撰写、信息检索等通用场景，更加开放了Agent生态，并且提供了MCP，COI等多交互产品能力，以及我们新发布的Agent观测和评测能力，更好地支持Agent的运营。

整个Agent所产生的数据又可以回流到多模态数据湖，一会儿我的同事将会针对具体场景能力进行具体介绍。同时今天非常荣幸地邀请到来自于各行各业的数据专家，与大家一起分享AI时代的数据实践，希望通过今天下午的数据智能论坛，让大家对于AI数据建设有更全新的思考和碰撞。我们火山引擎数据产品团队非常希望成为大家最值得信赖的数据合作伙伴，与大家一起构建数据智能新路径，一起探讨AI数据建设新生态。

谢谢大家！