Data与AI一体化：企业未来10年发展的核心引擎

2026年，人工智能的关键词一定是“落地”——AI已从技术概念全面转向产业落地，颠覆传统业务运营模式，成为驱动企业增长的核心生产力工具。

在这场智能化革命中，企业的竞争焦点已从算力、算法的外部比拼，转向内部数据资产与AI能力的融合深度——谁能率先将零散的私域数据转化为可复用的“数据金矿”，构建Data &AI一体化能力，谁就能跳出同质化内卷，抢占未来十年的市场优势。

在2026节点增长大会上，科杰科技联合创始人高海玲表示，真正决定企业未来技术核心能力的，是企业自身的“数据Ready能力”，也就是数据质量、数据治理情况，以及AI工程体系与企业业务结合的落地效果。

科杰科技联合创始人高海玲

有大模型相关数据显示，80%的大模型落地项目，即便配备了最好的芯片和算法，实施一段时间后也无法直接服务于业务决策。核心原因是会出现“AI幻觉”，导致模型给出的结论不可靠，不能直接辅助决策。这背后的关键问题，就是缺乏高质量的数据支撑。

高质量数据集不是天生就存在的，需要持续的开发、治理、应用，以及与模型的融合，而且开发过程中需要直接应用到业务系统。而科杰科技的“Data& AI一体化平台”能帮助企业让数据技术、AI技术、应用技术与业务系统深度融合，渗透到业务的每一个环节。

在会上，高海玲深度解析了AI与行业融合的核心逻辑，以及企业如何通过一体化平台实现智能化转型与增长重塑。

为了完整呈现高海玲的思考，在不改变原意的基础上，节点财经对演讲内容进行了整理编辑，希望能提供新的视角与洞察。

核心观点梳理：

1. 在未来不长的时间里，所有行业的业务系统都会被AI重写一遍，现有的业务流程也将被AI重新定义。

2. AI正以前所未有的速度与各个行业进行深度融合，在这个过程中，谁能率先抢占AI先进技术能力，并与自身业务深度绑定，谁就能更快抢到未来十年的市场优势。

3. 想要在AI时代站稳脚跟，企业必须跳出同质化内卷的漩涡，把零散的数据变成可复用的数据金矿，让AI扎根在业务场景里自动生长。

4. 对企业来说，真正需要的核心平台，是能让数据技术、AI技术、应用技术与业务系统深度融合的一体化平台。

以下为高海玲演讲精编：

AI重塑行业生态

大家下午好！非常高兴能和大家齐聚一堂，探讨人工智能技术与行业的结合，以及企业如何利用这一先进生产力工具，重塑增长逻辑、挖掘增长的底层动力。

我们深切感受到，人工智能技术正以不可阻挡的势头，颠覆传统数据业务的运营模式。在未来不长的时间里，所有行业的业务系统都会被AI重写一遍，现有的业务流程也将被AI重新定义。在零售领域，以前“人选物”的模式，现在已经变成“物选人”的智能推荐、“猜你喜欢”；在金融行业，原来事后补救的风险管控方式，现在已经升级为毫秒级响应和毫秒级拒绝；在制造业，数据质量管控、芯片检测等环节，效率提升到了传统模式的20倍以上，智能工厂、无人工厂正在广泛扩张，我们身边随处都能看到这样的变化。

企业运用AI的目标，也从最初的降本提效，逐步升级为驱动业务增长。如今，AI正以前所未有的速度，与各个行业进行深度融合，在这个过程中，谁能率先抢占AI先进技术能力，并与自身业务深度绑定，谁就能更快抢到未来十年的市场优势。智能化时代，企业的竞争优势，本质上是优先把散落在内部的私域数据、数据资产，与AI的原生动能相乘，构建差异化的创新优势。

想要在AI时代站稳脚跟，企业必须跳出同质化内卷的漩涡，把零散的数据变成可复用的数据金矿，让AI扎根在业务场景里自动生长。从整个AI竞争格局来看，核心由算力、数据、算法三部分构成。目前在算力和算法方向，经过前几年的技术投入，已经有了完整的解决方案和替代方案，这些更多是外部环境、资金可以解决的问题。而真正决定企业未来技术核心能力、能否抢占竞争优势的，是企业自身的“数据Ready能力”——也就是数据质量、数据治理情况，以及AI工程体系与企业业务结合的落地效果，我们把这两者结合起来称为“数据和AI的Ready就绪能力”。

Data &AI一体化平台

有大模型相关数据显示，80%的大模型落地项目，即便配备了最好的芯片和算法，实施一段时间后也无法直接服务于业务决策。核心原因是会出现“AI幻觉”，导致模型给出的结论不可靠，不能直接辅助决策。这背后的关键问题，就是缺乏高质量的数据支撑。

高质量数据集不是天生就存在的，需要持续的开发、治理、应用，以及与模型的融合，而且开发过程中需要直接应用到业务系统。这个全业务流程是动态一体化的，这就要求实时技术和AI技术必须一体化协同。对企业来说，真正需要的核心平台，是能让数据技术、AI技术、应用技术与业务系统深度融合的一体化平台。这个平台需要渗透到业务的每一个环节，进行深度整合，这是一个复杂且庞大的系统，我们称之为“Data & AI一体化平台”。

算力和数据是相互作用和相互影响的。在企业侧，针对于他的业务价值的发挥，数据基础设施为企业AI在真正和业务融合过程中提供的是数据的处理过程、数据的开发过程，以及模型应用和最终端的业务价值显现的Agent开发和全链路贯穿的能力。

数据和模型一体化的融合，需要从哪些方面着手？

第一个是架构方向的融合。是解决企业内部数据应用、AI模型训练与推理，到最终业务应用的全链路打通，实现整体架构的融合。具体来说，就是要提供数据仓库、模型应用所需的向量数据库，以及动态检索、智能生成的全链路能力。

第二个是整体的一体化基础设施，需要与整个企业的业务运转过程的全流程进行融合。我们都知道，散落在私域内的孤立数据价值很低，甚至可以说没有价值，数据只有被聚合起来、产生关联，才能真正发挥价值。所以一体化基础设施必须与企业的业务系统深度耦合，包括OA系统、ERP系统、订单系统、仓库系统、销售系统，甚至财务和HR系统。只有这样，才能让数据基础设施与原有业务系统实现智能化升级，让智能贯穿业务全链路——从智能生产、智能审批、智能开发，到智能应用，再到最终的智能决策，实现全流程的实时业务流转。而这种全链路的智能化，能直接将整个业务的效率提升80%以上。

第三个是场景侧的融合。AI的价值最终要在业务终端体现，而我们的业务经营过程是一个动态、实时且持续的，整体基础设施在平台内需要业务的各个人员在基础设施面向终端方向进行低代码的Agent实时业务场景进行各种开发，结合业务各种融合，最终帮助这个企业构建面向管理和决策层的集中式管制和分散式赋能的能力。

一体化能力赋能行业增长

我们看一下整体的一体化数据基础设施在企业内是如何落地、如何帮助企业进行智能化转型的。

第一个案例是一家全球排名前148位的零售集团。这家集团要进行全集团的数字化转型和智能化升级，在技术选型阶段，他们选择了科杰和两家美国头部公司进行对比，在微软云和亚马逊混合云环境下，对约280项功能进行了性能评测，最终科杰胜出，为其提供转型服务。整个服务过程持续了两年，我们帮助他们打通了2000万+客户的数据，完成了全球19000家门店的线上线下业务一体化转型——这些门店分布在日本、中国、东南亚等多个国家和地区，涉及跨域、跨时区、跨国界的业务协同。

第二个案例是中信银行。金融行业作为受强监管的行业，信息化建设起步早，数字化程度相对较深，在人工智能和数据方向的人才储备也比较完整。但即便如此，他们依然积极拥抱人工智能技术，持续构建内部核心竞争力。他们在一体化基础设施方向上构建了实时反欺诈系统和实时数仓，实现了实时数据与离线数据的混合协同、实时同步，既满足了内部所有及时性查询和数据资产持久化的需求，又在提升业务终端响应速度的同时，强化了数据治理能力。

第三个案例是中石化。作为大型央国企，中石化的智能化转型和数字化转型体系庞大，推进难度相对较大，但他们率先完成了相关建设。通过科杰的一体化平台，中石化构建了自己的数据底座EDPC，实现了约4个PD的跨部门数据汇聚，覆盖了测井、井下作业、地质研究、油气田开发、生产管理等18个全业务域。

目前，AI服务行业的厂商大致可以分为四类：第一类是综合平台型厂商，能力全面，以硬件服务为主，代表企业有腾讯云、华为、阿里；第二类是专业平台型厂商，在垂直领域深耕，拥有先进的技术、一线落地能力和完备的产品能力，科杰就属于这类；第三类是数据平台类厂商，侧重行业落地，以项目制服务为主，更关注项目完成，技术并非核心竞争力；第四类是智能应用厂商，可以理解为AI时代的应用层平台厂商，企业可以根据自身需求选择合作对象。

值得一提的是，在算力、算法、数据的核心竞争格局中，中国构建的制造业和供应链全链路能力，以及AI与供应链、行业融合的一体化方案，已经领先。中国企业已经将AI技术与自身业务、行业价值打包成完整方案，具备了向海外市场输出先进生产力的能力，这个市场空间非常广阔。

最后，简单介绍一下科杰科技。科杰科技致力于Data&AI的研发与创新，聚焦AI数据基础设施领域，核心产品是Data & AI一体化平台KeenData Lakehouse，为企业打造数据、模型、部署全链路端到端的All-in-One能力。目前，科杰的技术处于行业领先水平，获得过国家科技进步一等奖，也是专精特新重点小巨人企业。我们的客户覆盖国内外约20个行业，服务了200多个客户。未来，希望能与各位伙伴共同探讨，通过人工智能技术加速企业的增长逻辑，实现高质量发展。

我的介绍就到这里，谢谢大家！