AI原生数据平台研究报告（2026年）（2026.6）

AI原生数据平台研究报告(2026年)CCSATC601大数据技术标准推进委员会2026年6月前 言AI新阶段，大模型技术深度迭代、AI智能体加速成为产业新型生BIAI原AI原生作为核心战略方向，全面推进底层架构重塑、AIAI原生产品架构与落地范式；国内厂商AI原生数据平台不再是传统数据平台的功能叠加，而是从计算“为”“为AI/AgentAI路径，最终实现从数据到结果闭环的智能基础设施。本报告系统梳理AIAI原生数据系liuyanmei@目录一、数据平台智能化升级产业背景与发展动因 1（一）人工智能技术演进推动能力升级，算力算法普惠凸显数据核心价值 1（二）政策产业需求提升，数据平台智能化升级需求持续释放 3二、AI原生数据平台架构 4（一）数据平台向AI原生演进 4（二）数据平台智能化升级的四大演进维度 7（三）AI原生数据平台概念定义与技术架构 14三、全球数据平台智能化建设路径分析 17（一）海外头部厂商形成三类典型实践路径 17（二）国产化环境适配与数据业务一体化落地......................................................................................................................................................29四、AI原生数据平台落地建议 34（一）央国企：分步迭代改造，搭建软硬件适配技术底座 35（二）中小企业：轻量化云上服务，低成本快速上线 36（三）......................................................................................................................................................37五、总结与展望 39图目录图1 数据平台四大维度演进对比 4图2 AI原生数据平台技术架构图 14图3 阿里云Data+AI一体化平台 30图4 DIaaS平台 30图5 DataArts平台 31图6 多模态数据湖 32图7 AIInfra 33一、数据平台智能化升级产业背景与发展动因AI应用的支撑能（一）人工智能技术演进推动能力升级，算力算法普惠凸显数据核心价值备自主执行能力的生产工具延伸，对数据平台提出全链路的新要求；AI差异化能力的核心要素，双重因素驱动数据平台从支撑人工分析决策，向同步支撑AI应用自动化根据Gartner（Agentic正处2-5板，这一问题在AI”AI核心竞（二）政策产业需求提升，数据平台智能化升级需求持续释放从政策要求层面看，近年来国家先后出台《关于深入实施“人工智能+”行动的意见》《“人工智能+制造”专项行动实施意见》等一系2027年重点领域新一代智能终端、智能化应用普及率超从产业发展层面看，随着人工智能在金融、政务、能源、制造、AI化应用缺稳定数据支撑”AI规模化落地中较为突出的共性问题。AI应用的落地效率与实际效果。传统逻辑适配性不足，在AI应用逐步深入业务流程后，数据供给能力不二、AI原生数据平台架构（一）数据平台向AI原生演进前正迈向面向AIAI图1数据平台四大维度演进对比CPU架构，无GPU、NPU等加速算力，仅可运行联机事务处理任务；供给层面治理SQL命令驱动查询，交互门槛较高。该阶段使AI以Hadoop生态为代表的大数据平台，以及后来的云数据仓库（Snowflake），解（从TBPB级）（OLAP）（HDFS）、MapReduce计算模型、列式存储、MPP架构，计算层面CPU集群，供给层面治理层面消费层面BI工具、可视化看板为载体，用户仍需主动完成数web湖仓一体时代，以多源数据融合分析为核心。以湖仓融合架构为5计算层面开始并行部署CPU与供给层面治理层面消费层面AI架构过渡的中AIAI智能决策等AI场景，为各类智能化应用提供全流程支撑。关键技术Agent编排CPU、GPU、NPU等各类算力，实现异构资AgentAIAIAgentAI智能体，交互方式以自然语言对话、智能体自动调度执行为主，真正建成AI就AIAI时代的全链路支撑体系，为大模型、AIAgent等新一代AI（二）数据平台智能化升级的四大演进维度计算维度：从CPU主导的静态算力配置向异构协同智能调度演进计算模式正从传统以CPU为核心的批流分离、静态算力分配模式，向面向智能化应用的异构协同智能调度方向升级，实现从“CPU”到“”盖范围从传统数据处理延伸至模型训练、推理全流程，CPU+GPU+NPU异构资源池化，成为支撑智能化应用的核心算力底座。用的算力需求。传统模式以CPUGPUNPU等加AI原生数据平台的计算范式主要呈现三方面演进特征：一是算力底座异构池化。构建CPU、GPU、NPU统一资源池，供给维度：从结构化数据供给向全模态AI资产供给演进“被动批量同步”到“按需主动供给”的重要演进。存储管理对象从单一业“AI原生数据平台供给范式，主要呈现三方面演进特征：存储、向量索引与特征仓库能力，实现结构化数据、非结构化数据、“”“边界防御”到“语义协同+内生安全”的重要升级，为解决跨系统业务语义偏差、提升全域协同效率与安全保障能力提供支撑。AI原生数据平台治理范式，主要呈现三方面演进特征：消费维度：从指令驱动查询向意图驱动服务演进AISQL语句。同时平台支”二是消费主体多元化。数据消费的主体从单一人工用户，拓展为“人工用户+智能化应用”双主体并行模式，智能化应用成为数据取用三是价值链路闭环化。数据价值从单一辅助人工决策，向意图驱动、主动服务的全链路闭环延伸。平台可结合业务场景与运行规则，主动识别数据异常、业务趋势与潜在风险，自动生成分析结论与预警（三）AI原生数据平台概念定义与技术架构AI“+AI”图2AI原生数据平台技术架构图AIBIAgent2AI原生数据平台架构，纵向6层+层。具体分层介绍如下：一是支撑层：为AI原生数据平台提供算力与云原生基础保障，CPU/GPU/NPU二是存储接入层：AI三是计算处理层：AI原生场景的AIAINL指AgentPromptDAG调度及A2ANL2SQLIDE从应用构建到Agent五是服务层：以标准化接口与组件化服务为核心，为AI原生数API支持API支撑检索生成与图谱查询，开发者接口提供CLI/SDK工具链；AgentRuntimeMCP实现工具注册调用，事件总线同步资产变更，数据集/API支撑训练推理标六是应用层：面向“人+AI”核心用户，提供从数据到结果闭环的BI/ChatBICopilotAI应用夯实高质量可信数据底座。AgentAgent行为的全程审计，保三、全球数据平台智能化建设路径分析（一）海外头部厂商形成三类典型实践路径Databricks:湖仓+AIAgent全栈建设路线以“支撑AIAgent”/Agent建生产级AgentAgent面向业务场景输出开箱即用的Agent整套方案适配具备完整数据与AI团队、需要自建全链路Agent支撑能力的中大型企业，落地逻辑为“融合数据基座—全域治理语义—Agent工程化平台—场景化业务应用”。OLAP、AIAgent开放存储基座搭建：统一多云对象存储资源，基于DeltaLake/Iceberg一存储，自带事务ACIDLTAPLakebase兼容PostgreSQLAgentSpark+PhotonCPU/GPU征计算、模型训练等负载；二是实时分析：Lakehouse//RT（Reyden引擎），在原始湖仓数据上直接实现亚百毫秒级实时查Agent对低延迟数据的访问三是向量检索：启用LakebaseSearch内置能力，在PostgreSQL内核中实现混合向量+全文检索，无需单独部署独立Lakeflow系，通过LakeflowConnectSaaS（SparkDeclarative降低ETL开发门槛，替代传统固定脚本，支撑数据清洗、结构化加工等标准化治理/语义层：构建静态和动态双规的全域治理体系。治理范围从静态数据资产扩展至AIAgent动态运行时，同时沉淀标准化业务语义，为Agent提供安全、合规、高质量的上下文，落实“治理先行”原则。核心建设内容如下：以UnityCatalogNotebook等全类型数据与AIAgentUnityAIAgent按AgentAIAIFinOpsPrompt泄露、MCPAgent专属安全风险，集成第三方安“+”，在UnityCatalog基于GenieOntologyBI限，为AgentAgentAgent提供AgentAgent的落地门槛，支撑AgentAgentAgentBricksAgent开Lakebase、（量生产级AgentOmnigent筹调度LangGraphCrewAI等底层Agent将AgentAgentAgent平台内置的评测能力，持续迭代Agent效果，保障生产环境中Agent应用层：面向业务场景的Agent价值落地。将底层数据与AI能力封装为业务可用的开箱即用产品，降低业务侧使用门槛，推动AI价值向业务端传导。核心建设内容如下：AIGenieOne作为全员统一的“AI同事”入Slack、Agent能力CustomerLake“黄金上下文”，替代传统独立CDP的“黄金记录”模式，减少数据冗余，提升客户数据实时性与GenieCodeBI业务运营闭环：建立应用效果评估与需求迭代机制，定期收集业Agent“Agent落地—效果反馈—迭代优化”的闭环，确保AI投入匹配业务价值。Snowflake:云原生智能体轻量化建设路线以“AgenticAgentAgent与自定义Agent务价值闭环，让AIAgent落地为主的企业，落地逻辑为“基础数”。基础底座层：构建存算解耦的可信统一数据基座。以经典云原生三层解耦架构为物理根基，支撑事务、分析、实时、AI全场景数据负载，为上层智能体提供高可靠、高弹性、开放互通的数据供给。核心建设内容如下：弹性统一存储基座搭建：复用公有云对象存储作为底层持久化载体，基于自动微分区压缩技术构建统一存储体系，将结构化、半结构化、文本、图像等全类型数据统一纳管；内置多版本快照、时间旅行能力，保障查询数据一致性；自动识别数据访问热度实现热、温、冷分层存放，高频查询数据本地高速缓存，历史冷数据低成本归档，兼顾查询性能与存储成本。全面兼容ApacheIcebergv3Polaris目录双向读写，托管表与外部Iceberg表无缝互通；落地Unistore支撑事务操作与OLAP+”多副弹性虚拟仓库计算体系部署：采用独立虚拟仓库作为计算单元，按业务场景划分专属算力集群（报表查询、数据加工、模型推理分仓部署），各集群资源完全隔离、互不抢占；支持算力一键弹性扩缩、闲置自动休眠，企业仅为实际使用算力付费，解决传统AIAdaptiveCompute自适应算力，自动识别负载规模并动态优化资源分配，减少人工容实时与开放互通能力升级：部署DatastreamKafka兼容流处理服务，实现实时数据原生入仓与秒级处理，无需额外部署独立流计算组件；依托跨云统一部署能力，一套架构可在AzureGCP析，把原始数据转化为Agent“的以HorizonCatalogAgentAgent操作行为，为智能体运HorizonContext丰富BI看板、ETLSemanticStudioBIAgent消费上下文时天然符合数据AgentCortexSQLSQLSQL语句即可调用，无需独立CortexSense统一上下文运行时，承接HorizonContext的语义结果，转化为Agent可将Agent24%83%；配套实时机器学习与AI生Agent产品与自定义Agent生产级Agent化运行，推动AI从“”向“”双角色原生Agent面向不同岗位提供开箱即用的原生智能业务知识智能体，面向业务人员，支持自然语言数据查询、多步深度调研、报ArcticSwarm多智能体协作能力实现CoCo开VSCodeCLISQL查、Agent应用开发等工作，原生兼容dbt、Airflow等主流工具链。全托管AgentCortexAgents构建统一的Agent开发运营体系，原生支持多模型接入、工具调用、会话记忆、多MCP务AgentAgent配套CortexGuardrails内置PromptIdentity智能体身份治理，支持以Agent输出的全链路安全防护体系，保障Agent业务触达层：面向全场景的智能能力价值落地。将底层数据与智能能力封装为低门槛的可落地形态，原生嵌入日常工作流，降低业务侧使用门槛，推动AI价值向业务端传导。核心建设内容如下：全场景办公原生入口：推动智能体与数据能力原生嵌入Excel、SlackVSCode“MarketplaceAgents行业场景化，扩展垂直场景覆盖能力；兼容主流BIETL、SaaS业务运营闭环：建立智能体应用效果评估与需求迭代机制，定期Agent“”确保AIPalantir:业务语义本体驱动的高安全场景建设路线区别于通用数据平台先建存储、后做分析的模式，Palantir采用语义底座层：搭建业务本体统一认知框架（建设核心第一步）。定一“业务语言”，后续数据接入、分析、自动化操作全部基于这套语义框架运行，所有数据、模型、业务流程均可被系统统一识别解读。对在本全域安全防护层：多层级内生安全贯穿全流程。Apollo运海外厂商建设路径共性规律总结（二）国内厂商立足本土需求，推进国产化环境适配与数据业务一体化落地阿里云：AgenticLake智能体湖仓，数智一体原生升级图3Data+AI一体化平台OpenLake+AgenticLakeDLF统一目录，实现全域多模态一体化存储，AgentDataAgentAgent腾讯云：DIaaS数据智能即服务，多模态全域融合图4DIaaS平台腾讯云以“AIReady走向AINative”为战略主张，全面重构数据平台架构。存储层以多模态智能数据湖TCLake为统一底座，融合TCCatalog统一目录、TCIceberg自研批流一体表格式、TCQA原生加Lance兼容多模态格式，实现“表-文件-向量-特征-模型”同TCRay为统一调度层，承接Meson向量化引擎与Xpark多模态引擎，实现CPU/GPU异构协同与训推一体；研发层基DIOps（DataOps+MLOps+AgentOps）Spec-Driven开发与Bundle资产交付；语义层构建物理/业务/Agent协议三层语义体系；交互层以atauy提供自然语言入口与四类原生geP协议开放AgentDIaaS华为云：知识为中心，数据到知识的价值转化图5DataArts平台华为云DataArts以知识湖为核心，实现数据向知识的AI化。语义层通过知识服务构建面向AI的统一认知标准，完成本体建AutoETL与智能算子，实现多模态数务；计算层支持CPU+NPU异构协同，适配AI火山引擎：Agent导向，多模态数据湖重构图6多模态数据湖火山引擎以智能体为核心重构数据平台架构。存储层采用自研LanceAgentAgent自主调度异构算力与向量混合检索；处理层以DataAgent--Agent敏；开发层通过Skill星环科技：全栈AIInfra，多模知识融合图7AIInfraAI基础设施，实现数据、知识到模型与应用种数据模型统一管理，落地多模态一体化存AI统一认知标准；安全层实现全国内厂商实践总结对比国内五家主流厂商的实践，各类差异化路线底层均契合“统”一是统一底座是前置建设基础。无论是开放湖仓、多模态数据湖还是知识湖架构，国内厂商均优先搭建统一存储与统一元数据底座，四、AI原生数据平台落地建议AI原生数据平台转型路径。其总体导