腾讯云：2025年Data+AI下一代数智平台建设指南（33页）.pdf

1、Data+AI下一代数智平台建设指南本报告版权属于腾讯云计算（北京）有限责任公司，并受法律保护。转载、摘抄或利用其他方式使用本报告文字或观点的，应注明“来源:腾讯云计算(北京)有限责任公司”。违反上述声明者，公司保留追究其法律责任的权利。版权说明企业构建Data+AI平台需要具备哪些关键能力0306Data+AI未来发展0658目录Data与AI技术的可组装性/07端到端的Data+AI全生命周期开发与业务集成/07多模态数据（结构化非结构化数据）的处理与增强/07统一元数据驱动的治理与合规/07自主代理分析（Agentic Analytics）/07云原生弹性架构与多云部署/08驱动企业构建

2、Data+AI平台的核心要素0204主动选择：主要是针对头部企业在构建面对AI赋能的大数据平台时，需要突破现有的能力范畴，构建新的AI应用场景/05被动应对：主要是针对现有的数据资产通过AI赋能进行优化，以解决现有的问题，通过AI提升团队对数据资产的管理能力，降低整体成本/05Data+AI典型行业应用场景0556腾讯云数据分析智能体（TCDataAgent）（即将上线）/14腾讯云BI智能助手ChatBI/17WeData Notebook/19WeData DataOps/20WeData MLOps/22WeData Unity Semantics/24Oceanus流批增量一体化/27

3、数据湖计算DLC/28AI数据湖服务TCLake（即将上线）/29ES向量搜索/31TBDS多模态数据湖仓/32腾讯云数据库AI服务/36腾讯云向量数据库/38TDSQL-C/39腾讯云智能体开发平台TCADP/42腾讯云TI平台/43Data Platform数据平台解决方案/44Data Engine数据枢纽解决方案/46数据万象MetaInsight/48日志服务CLS/50腾讯云数据和智能安全/52腾讯云Data+AI产品方案及优势0409WeData Agent/11大数据智能管家TCInsight/34传统数据平台在应对生成式AI带来的新型数据需求时，正面临严峻挑战/02生成式AI

4、时代的数据挑战：企业转型的核心瓶颈0 101生成式AI时代的数据挑战：企业转型的核心瓶颈01数据是数字化时代企业的核心战略资产。生成式AI（GenAI）与大语言模型（LLM）的崛起，正深刻重构企业的生产力范式、协作模式、业务流程与组织架构。它推动企业从“部门割裂”走向“跨职能协同”，从“层级管控”迈向“网状协作”。在LLM日益商品化与生态多极化的背景下，提升数据管理能力以赋能业务价值，已成为企业唯一可持续的竞争差异点。DeepSeek R1等模型的开放与低推理成本加速了这一趋势，竞争焦点正从“模型竞争”转向“高价值数据资产竞争”AI发展的核心瓶颈日益凸显于数据质量而非算法本身，企业亟需构建系统

5、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。Gartner表示，企业组织数据的关键差异不在于拥有多少数据，而在于拥有多少高价值数据，而这些数据是其他公司难以复制的。一家拥有宝贵数据却未能将其应用于人工智能和分析计划的公司，本质上是在迎接颠覆。然而，传统数据平台在应对生成式AI带来的新型数据需求时，正面临严峻挑战：Gartner研究表明，非结构化数据占当今组织数据的70%至90%。受生成式人工智能（Generic AI）计划、多模态数据处理需求的爆炸式增长以及合规性压力的推动，企业对非结构化数据管理的需求急剧增长。因此，非结构化数据处理支出在数据管理总支出中所占的份额

6、将越来越大。Gartner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%。传统数据处理工具在元数据提取、智能分块、摘要生成和高效向量化存储等方面能力不足，难以满足GenAI应用的复杂要求。升级工具链与方法论，是释放海量非结构化数据价值的先决条件。腾讯基于以上挑战，推出了开放、统一数据湖服务TCLake，混合搜索的ES；而应对私有化场景的海量非结构化、多模态数据挑战，腾讯也推出了TBDS多模态数据湖仓服务。如何激活沉睡的数据资产，释放非结构化数据价值AI的真正价值在于将企业蕴藏的庞大数据资产转化为可行动的智能。然而，调研显示企业AI项目平均落地周期长达