勇礪商業(yè)評論 阿桶觀察 曾憲勇

面對Agent這個全新用戶，企業(yè)的大數(shù)據(jù)平臺有了具體的升級路徑。

6月5日，騰訊云宣布面向Agent升級全棧數(shù)據(jù)平臺能力，通過生產(chǎn)級數(shù)據(jù)智能體DataBuddy、數(shù)據(jù)智能平臺WeData和AI原生大數(shù)據(jù)底座三層架構(gòu)，構(gòu)建人和Agent協(xié)同工作的智能入口、統(tǒng)一控制面和數(shù)據(jù)底座，助力企業(yè)打造Agent時代的數(shù)據(jù)基礎(chǔ)設(shè)施。

騰訊云副總裁黃世飛表示，Agent正在成為數(shù)據(jù)平臺的重要使用者。隨著數(shù)據(jù)對象、價值鏈路和使用模式發(fā)生變化，Agent-Ready數(shù)據(jù)平臺不僅要服務(wù)人的分析決策需求，更要服務(wù)Agent的數(shù)據(jù)理解、任務(wù)執(zhí)行和業(yè)務(wù)協(xié)同需求，讓人和Agent能夠基于同一套數(shù)據(jù)體系協(xié)同工作。

（圖：騰訊云副總裁黃世飛在騰訊云AI產(chǎn)業(yè)應(yīng)用峰會上解讀Agent-Re

智能入口：用戶負責決策，Agent完成復雜數(shù)據(jù)任務(wù)

傳統(tǒng) BI 工具和 SQL 開發(fā)平臺是為人設(shè)計的，但當 Agent 成為分析主力，企業(yè)需要一種讓 Agent 能自主完成復雜數(shù)據(jù)任務(wù)的新入口。騰訊云生產(chǎn)級數(shù)據(jù)智能體DataBuddy，讓用戶通過自然語言提出需求，就能自動完成數(shù)據(jù)建模、ETL開發(fā)、任務(wù)編排、歸因分析、報告生成等復雜任務(wù)。今年5月開放內(nèi)測以來，DataBuddy已吸引超3000家企業(yè)申請試用。

在數(shù)據(jù)工程場景中，DataBuddy能夠自動完成數(shù)倉方案設(shè)計、代碼生成和工作流編排，將重復開發(fā)工作量降低80%，整體研發(fā)效率提升5至10倍。在數(shù)據(jù)分析場景中，用戶可通過對話完成取數(shù)、分析、異動歸因和報告生成.

與此同時，DataBuddy還能結(jié)合企業(yè)知識和歷史經(jīng)驗完成智能運維，超過90%的常見故障可實現(xiàn)自動診斷和修復。

在安全方面，DataBuddy通過身份權(quán)限、執(zhí)行隔離、Agent Guardrail和全鏈路審計構(gòu)建縱深防護體系，確保Agent所有操作均在企業(yè)安全邊界內(nèi)可控、可追溯。

統(tǒng)一控制面：讓Agent懂業(yè)務(wù)、可信任

DataBuddy搭載在騰訊云全新升級的一站式數(shù)據(jù)智能平臺WeData上。通過統(tǒng)一元數(shù)據(jù)、數(shù)據(jù)語義、編排和權(quán)限體系，WeData打通數(shù)據(jù)開發(fā)、機器學習和AI應(yīng)用全流程，整體研發(fā)效率提升50%以上，并支持企業(yè)將數(shù)據(jù)代碼統(tǒng)一納入自有Git倉庫管理。

其中，統(tǒng)一語義層是WeData面向Agent時代升級的核心能力之一。相比傳統(tǒng)數(shù)據(jù)目錄主要管理表、字段等技術(shù)元數(shù)據(jù)，WeData進一步將指標口徑、業(yè)務(wù)術(shù)語、業(yè)務(wù)規(guī)則和可信數(shù)據(jù)資產(chǎn)沉淀為Agent可理解、可調(diào)用的統(tǒng)一語義資產(chǎn)。測試數(shù)據(jù)顯示，搭載WeData數(shù)據(jù)語義層后，自然語言轉(zhuǎn)SQL準確率可提升至90%以上。

基于統(tǒng)一語義層，WeData進一步將業(yè)務(wù)知識、任務(wù)編排、權(quán)限治理和開發(fā)工具封裝為Skill，供DataBuddy等Agent直接調(diào)用，提升Agent執(zhí)行任務(wù)的準確性。

針對游戲、零售等行業(yè)，騰訊云還基于WeData沉淀了行業(yè)數(shù)據(jù)模型和業(yè)務(wù)語義體系。例如在游戲場景中，可幫助Agent理解用戶留存、付費轉(zhuǎn)化等核心指標；在零售場景中，可理解會員、商品、營銷活動等業(yè)務(wù)對象，進一步降低Agent理解業(yè)務(wù)和執(zhí)行任務(wù)的門檻。

AI原生數(shù)據(jù)底座：重構(gòu)支撐Agent運行的四層智能

面對多模態(tài)數(shù)據(jù)處理、推理計算和自主協(xié)作需求，騰訊云對底層數(shù)據(jù)平臺進行了系統(tǒng)性重構(gòu)，從存儲體系、計算引擎、系統(tǒng)到數(shù)據(jù)分析四個層面智能升級，讓平臺既能夠服務(wù)Agent，也能夠逐步演進為Agent。

在存儲智能方面，騰訊云圍繞多模態(tài)LakeHouse持續(xù)升級統(tǒng)一數(shù)據(jù)底座，支持向量檢索、全文檢索、圖譜查詢以及長期記憶等能力。在企業(yè)知識庫場景中，新一代存儲架構(gòu)可將存儲成本降低至傳統(tǒng)方案的十分之一，檢索性能提升4.5倍。

在計算智能方面，騰訊云通過統(tǒng)一CPU和GPU資源調(diào)度能力，實現(xiàn)結(jié)構(gòu)化數(shù)據(jù)與多模態(tài)數(shù)據(jù)統(tǒng)一處理，支撐訓練、推理、RAG以及Agent等多樣化AI工作負載。騰訊云自研高性能計算引擎Meson在TPC-DS （1TB數(shù)據(jù)集）測試中整體性能提升3.6倍，部分計算密集型場景最高提升5倍，同時CPU資源消耗降低50%。針對多模態(tài)數(shù)據(jù)處理，騰訊云自研跨模態(tài)計算引擎 Xpark 將原本需要多種工具串聯(lián)的處理流程統(tǒng)一到一套 API 中，推理吞吐相比開源方案提升 3 倍，GPU 利用率接近 100%

在數(shù)據(jù)智能方面，騰訊云構(gòu)建了由SQL Agent、Code Agent、RAG Agent和Report Agent組成的多Agent協(xié)作體系，通過多個Agent協(xié)同完成數(shù)據(jù)檢索、分析、代碼生成和報告生成等復雜任務(wù)。

在系統(tǒng)智能方面，平臺引入自然語言交互、智能運維和智能調(diào)優(yōu)能力，實現(xiàn)從人工運維向自治運維演進。目前相關(guān)能力已累計處置事件超過10萬次，資源優(yōu)化可降低15%的資源消耗，故障根因定位時間從4.5小時縮短至30分鐘。

此外，面向政務(wù)、金融等對數(shù)據(jù)安全和自主可控要求較高的行業(yè)，騰訊云同步升級TBDS私有化大數(shù)據(jù)平臺，將上述能力完整帶入私域環(huán)境，幫助企業(yè)構(gòu)建Data+AI融合平臺，加速Agent規(guī)?；涞亍Ｏ嚓P(guān)能力已在頭部券商規(guī)?；涞?，支撐智能投顧、智能投研、量化投資等業(yè)務(wù)場景降本提效。

數(shù)據(jù)平臺之外，騰訊云正在系統(tǒng)性構(gòu)建面向Agent時代的新一代云。在本次峰會上，騰訊云同步升級模型、推理服務(wù)、Agent Infra及生態(tài)連接能力，加速Agent走向真實生產(chǎn)場景。（曾憲勇）