芯耀
833
Agent应用爆发，带动了整个AI产业链，数据基础设施也随之迎来新一轮重构变革。AI时代，企业用户对数据基础设施的要求从“数据可用”演变成“AI-Ready”，以支撑Agent自主执行与业务智能运营。
由此，“AI-Ready”数据基础设施催生出一轮新的市场机会。市场上涌现出一批专注AI原生的新兴数智厂商，凭借轻量灵活的优势快速切入局部场景。同时，以用友为代表的企业软件厂商正对原有数据平台、数智底座进行AI原生一体化升级，依托过往行业Know-how积累和大型企业落地经验，形成独特竞争力。
用友iuap平台是用友BIP数智商业创新平台的PaaS平台，涵盖应用平台、数据平台、智能平台、云技术平台、开发平台、集成平台六大子平台，正逐步融入大模型、本体技术、Skills技术等前沿能力，向“AI-Ready”的统一数智底座演进。用友副总裁兼数智平台事业部总经理罗小江，长期主导用友iuap平台的产品规划与推广，是企业数智化转型领域的资深实践者，对AI技术与数据基础设施融合有着独到的思考。
近期，爱分析对罗小江进行访谈，重点探讨了AI时代数据底座的核心特征、本体技术的业务价值与落地实践，以及企业软件厂商的定位与核心竞争力等话题。现将访谈内容如下呈现。
01、AI重构整个数据链路，是AI时代数据底座的核心特征
爱分析：AI时代，企业需要什么样的数据底座，它应该具备哪些核心特征？
罗小江：我们思考了很久，也对数据平台做了大量调整和重新建设。我的总结是，需要构建一个AI-Ready的数据平台，为AI做好准备。这与以往差距很大。首先，从数据库底层看，以前数据库面向人、面向SQL，未来将面向Agent。向量查询、图谱、结构化和非结构化数据的融合，都会让底层存储和查询彻底面向Agent，这块变化会非常大。其次，从数据采集、加工、计算，再到应用，整个数据流动过程是数据平台的核心。以往技术导致数据流动经常中断，AI时代下，AI可以赋能数据平台，让它更智能化，解决很多瓶颈。其中有几件事情很重要：一是数据虚拟化，真正实现数据无需大规模搬迁就能被应用端高效使用，这相比传统数仓时代减少了大量数据搬迁工作；二是全域数据处理能力，无论视频、音频、IoT等非结构化或结构化数据，都要能高效采集、加工、压缩和加密；三是数据安全与可信计算，包括加密算法、区块链结合的数据空间、溯源和审计，这已成为企业用户重点关注的方向，也真正意义上能构建数据编织，让用数更加便捷和可用。最后，数据平台要深度融合AI，我们已将Data Agent与DataOps融合，用AI优化传统数据治理、采集、加工和分析流程。这将是新兴数据平台与传统平台的本质区别，也是一次颠覆式变革。
爱分析：虽然大家都知道AI落地离不开数据基础设施，但这几年大模型和Agent的关注度远高于数据基础设施。从企业用户视角来看，他们对数据基础设施的关注度如何？
罗小江：我觉得大家越来越关注，而且正从以往的无序状态走向成熟。因为AI时代的核心护城河就是数据，尤其是垂域的、行业特性、有业务含义的数据。我们服务的大客户现在都在重点投入数据基础设施建设，有些企业用户把所有原始数据做虚拟化、溯源，并构建数据驱动的业务链条。企业用户已经清醒地认识到，没有好的数据基础设施，AI就很难真正做好，这也是过去两年很多AI项目效果不佳的主要原因。
爱分析：用友之前提出过“企业数智化123进阶模型”，涵盖业务在线、数据驱动、智能运营三个层级。在当前AI时代，这个模型是否依然适用？基于这个进阶模型，数据底座需要如何一步步演进，最终达成智能运营的目标？
罗小江：这个模型我们通过更多客户的实践可以看到，依然适用，并且符合我们众多企业数智化转型的进阶路径。当然，在落地实践过程中，会有些局部调整，比如工业生产领域等，但整体节奏没有改变。业务在线阶段，底座更强调流程集成、开发集成和应用平台能力。数据驱动阶段，则大幅加强数据平台能力。到了AI时代，底座需要重构，我们iuap平台要用AI原生视角进行优化。因为这次变革是跨越式的，而不是渐进的。当前能力需要加强的，是Agent的运行管控平台，包括Agent的安全审计、链路监控、迭代运维等。有了这个能力才能让大量Agent不会像早期互联网应用一样形成孤岛。其他平台也要全面基于AI重生：数据平台要AI优化全链路，开发平台要融合AI能力，集成平台要转向企业级智能体集成。这些变化比前两个阶段更大，有些是颠覆性的。
爱分析：Agent应用到现在已经是第三年，为什么今年您觉得数据底座需要做一次重构？
罗小江：因为最近几个月，特别是Claude Opus 4.6和 GPT-5.2模型发布后，智能体能力真正突破了以往局部试点场景的阶段，很多事情超出了我们之前的想象，技术已经到了临界点。
爱分析：这一轮跟去年DeepSeek那一轮的差别是什么？
罗小江：DeepSeek那时候更多是单向使用大模型，利用DeepSeek的能力和知识解决局部点状问题。今年Claude和GPT最新模型出来后，实现了从规划推理到自主执行的跨越，能处理绝大多数工作场景。只是因为安全管控还没完全到位，有些场景暂时不敢大规模使用。整体来看，AI已经可以深度介入工作场景，大家的兴趣被真正点燃，Open Claw类应用能够让AI快速交付结果，我觉得已经接近技术奇点了，这种加速度是前两年没有的。
02、本体技术落地依赖于底座能力，需要一整套工具、咨询和交付方法
爱分析：去年9月之后，本体（Ontology）的讨论明显增多，今年年初争议也越来越多。有人认为本体只是概念包装，本质是解决统一语义层问题，不一定非要用本体论实现。您如何看待本体对实际业务的价值？
罗小江：它有明显优势，也有代价。本体让我们从AI视角重新审视企业管理与应用，真正实现企业数字孪生，让业务行为更清晰、更敏捷地支持决策。但它对人的要求很高，需要深度懂业务的专家提炼模型，现在我们也在探索让AI辅助建模，有些原型项目中AI甚至比高级顾问做得更好。很多人只看到本体本身，其实本体落地依赖底座能力，包括管控平台、云原生架构、强大的数据平台等。本体不是万能的，它是一套完整的工具、咨询和交付方法，需要企业有足够投入、有懂业务的人参与、数据基础设施基本到位，否则短期内难见效果。国内目前还没看到大规模成功案例，我们自己也还在几个种子客户中探索。但理念上，本体确实把以前散落在代码和数据库里的逻辑、约束、执行动作全部放到模型里，让AI能按图索骥，这是巨大的变革。
爱分析：用友在自己的方案中如何将本体技术融入现有产品和解决方案？大概是怎么个节奏？
罗小江：我们目前采取“小场景试点、快速迭代”的节奏，先聚焦供应链等痛点强、见效快的场景，已在多个项目中试验。同时，我们也发布了我们的本体构建平台，以及本体驱动的智能体。下一步，本体模型也将会与财务、供应链、制造等领域深度结合，在客户侧选择业务痛点明显的场景落地。我认为本体一定会往前走，因为Palantir已经验证过，它不是可能失败的概念，而是速度快慢的问题。
爱分析：在实际业务场景中，本体建模与之前RAG等方式让AI理解业务、召回结果相比，有什么本质差别？基于本体技术是否能衍生出新场景？
罗小江：差别很大。RAG更多是从知识检索、问答视角出发，而本体加入了图数据库、知识图谱、零阶矩阵等，能把业务关联关系和传导链路清晰呈现，还能植入不同链路的算法模型，让AI更懂业务的逻辑和执行路径。实际价值已经在供应链韧性等场景中显现，当某个供货环节出问题时，本体驱动的网络能快速、清晰地展示所有切换路径，并按设定算法自动切换供应链网络，大幅降低以往需要大量人工的工作量，也提升了供应链风控能力。
爱分析：从目前Data Agent的应用场景看，除了问数和数据治理，您认为还会有哪些核心或新的业务场景？能产生哪些实际价值？
罗小江：Data Agent几乎会渗透到所有用数场景，并与国家政策热点结合。以穿透式监管为例，国央企的风控模型生成、指标体系构建、测试数据自动产生、实体建模、风险模型自动生成等，都可以通过Data Agent把在线数据、文档扔给它后自动完成。原来需要大量人工进行咨询和梳理的工作，现在Agent就能高效处理，尤其适合消耗人力多、需要深度语言理解的场景。
03、传统流程不会消亡，AI时代厂商壁垒在于平台能力和垂域知识沉淀
爱分析：目前Data Agent还处于辅助阶段。您觉得大概到什么时候它能变成执行闭环？还是说未来两三年内基本还是辅助的定位？
罗小江：这需要全社会共同推动。当企业内部业务人员都习惯自己做Agent、用Agent处理工作时，就会发生巨大变化。有些科技型企业已经开始行动，我最近在浙江见到一个客户，他们企业内部已有上千个Agent，尽管当前有很多还是处理自动化和效率问题，但正在向企业级超级智能体演进。我认为，Claude、DeepSeek等革命性工具普及后，AI使用进程会大幅加速。科技型企业、员工素质高的企业会先动起来。我们自己部门今年也要求每个人用AI优化工作，已做出标书Agent、数据治理Agent等，成效明显。这股趋势已经起来了。
爱分析：如果未来很多能力都是企业自建实现，厂商的未来定位是什么？
罗小江：这正是我最近在思考的问题。我认为，厂商的平台层能力必须做厚，比如安全管控、AI工程化，这些不是所有企业都愿意投入大量人力去做的。Agent时代相当于把以前的软件换成了动态的Agent，既有厂商提供的，也有客户自建的，如何让它们有序连接、高效服务，最终为企业创造价值，这正是厂商的核心工作。
爱分析：AI时代对业务软件和数据厂商冲击很大，尤其是Claude Code等模型的出现。您认为厂商未来的核心壁垒或竞争力是什么？哪些是不会被大模型冲击、能持续保持的？
罗小江：我认为，Agent本质上还是软件，传统流程也不会消亡，只是会演变为人机协同流程。我们提出“智能双模”概念，即在统一底座基础上统一数据、模型仓库以及权限与合规，流程执行型软件与智能决策型软件实现融合发展，同时保障确定性智能与探索性智能的落地，从而让企业AI既稳又灵。我认为，厂商的核心竞争力有四点：第一，做好AI时代的底座；第二，沉淀企业级、行业级的Know-how和全领域知识；第三，把AI协同与流程性软件结合得更易用；第四，国际化能力、多国家政策合规、安全合规等长期沉淀。上面这四点都不是单个企业靠AI就能轻易完成的；第五，构建强大的企业级生态体系，提供更广泛的AI时代的生态能力供给。
爱分析：AI时代变化极快，是否会导致厂商以往的积累快速失去价值，让其他竞争对手容易赶上来？
罗小江： AI时代确实容易消除掉一些原有积累。但任何新技术出现到成熟应用都有一个沉淀过程，我们只是在AI时代下更快地去沉淀Agent时代的知识，并快速交付给客户。迭代速度会比传统软件更快、更敏捷，因为Agent本身就是动态的、可优化的软件。
爱分析：对于用友这样的大公司来说，是否会出现船大难掉头的问题，因为内部流程复杂而响应较慢，您怎么看待这个问题？
罗小江：这是很多大公司存在的问题，就看企业如何去应对这个问题。所以我们正在主动拥抱组织流程的变化，以更好地适应AI时代。我们在推动小团队创新，在AI Coding时代，小团队就能完成大量创新工作，开发团队的很多工作已经借助AI能力完成。
爱分析：您作为数智平台事业部负责人，接下来在产品和市场层面有哪些重点方向？
罗小江：第一，AI原生视角加速iuap六个子平台持续进化；第二，把Agent管控Harness能力做强，帮助客户在Agent无序状态下实现有序运行；第三，加强数据权限安全和Agent及模型使用安全；第四，本体技术与领域及行业应用深度融合；第五，沉淀AI时代可用的企业级能力，更好为AI Coding及企业级Agent所用。
