在 AI 技術迅猛發展的今天，企業對智能化轉型的需求日益迫切，但落地效果卻普遍不理想。據 MIT 報告顯示，企業垂直場景 AI 應用真正上生產的比例僅 5%。2026 年 1 月，由【Yolanda科技見聞】與【矩陣起源】聯合推出的年度重磅專欄 “AI +數據時代的技術戰略與組織進化” 第二期直播，圍繞 “數據可信——如何構建支撐可信 AI 與決策的數據基座” 主題，墨創數跡 CEO 汪丹Yolanda 擔任主持人，邀請了中國信通院雲計算與大數據研究所主任姜春宇、軟通動力 AI 研究中心總經理吳基術、矩陣起源產品副總裁鄧楠三位專家，深入探討了企業 AI 落地的數據挑戰、可信數據標準、建設路徑及業務價值。本文將結合直播核心觀點，為企業提供數據基座建設的實戰指南。

查看詳細對話內容，需移步視頻號【Yolanda科技見聞】查看直播回放。

數據可信：“AI+Data”時代企業落地的生死線與破局之道_知識管理

一、AI 落地瓶頸：從 “模型焦慮” 到 “數據焦慮” 的生死線

隨着大模型能力的快速迭代，“算法與算力”已不再是企業 AI 應用的主要障礙。三位專家一致認為，當前企業 AI 落地的核心瓶頸已轉向“數據與知識的質量與供給” 。

  1. 數據焦慮成 “最後一公里” 生死線

軟通動力吳基術指出，企業 AI 落地正面臨 “三重焦慮”—— 模型焦慮、智能體焦慮和數據焦慮，其中“數據焦慮”最為突出 。數據已成為 AI 項目驗收的 “生死線”：“AI 項目以效果和準確率驗收，而非功能。2023 年我們為醫療企業處理 2 萬多份文檔時，因部分文檔質量問題，準確率調優耗時遠超開發週期，直接影響項目驗收。”

  1. 行業普遍困局：數據質量決定場景落地效果

信通院姜春宇觀察到，2025 年作為 “智能體元年”，企業普遍規劃了數十個 AI 場景，但落地效果好的僅 1-2 個，核心原因是這些場景的數據質量更高 。“領先企業已開始建立數據集和知識管理體系，意識到 AI 時代的知識管理與傳統體系截然不同。”

  1. 模型適配難題：缺乏企業 context 導致效果打折

矩陣起源鄧楠補充道，大模型在企業落地效果不佳的關鍵在於缺乏內部知識和數據的 Context 。“一些企業用大模型解決合同審核等場景時，僅依賴 DeepSeek 一體機而未構建內部 Context，效果大打折扣。MIT 報告顯示，僅 5% 的垂直場景真正上生產，知識建設是破局關鍵。”

二、“可信數據”的四維標準：從靜態認證到動態工程

何為 “可信數據”？三位專家從技術、工程與業務視角給出了多維度定義，形成了一套可落地的標準體系。

  1. 信通院雲大所姜春宇：高質量、觀點正、安全性、專業夠格

信通院雲大所姜春宇從研究角度提出四維定義 ：

  • 高質量 ：結構化數據需滿足完整性、一致性，非結構化數據需評估豐富度、均衡性，且不同場景需定製化評價維度
  • 觀點正 ：數據集需符合正確價值取向；
  • 安全性 ：覆蓋數據全生命週期安全；
  • 專業夠格 ：知識內容需具備權威性與含金量
  1. 軟通動力 AI 研究中心總經理吳基術：動態工程化閉環管理

軟通動力從工程實踐出發，強調“數據可信”是動態過程而非靜態認證 ：“企業需通過工具和流程，將業務數據實時轉化為高質量 AI 數據集，實現從採集、清洗、加工到訓練 / 測評 / RAG 的全鏈路閉環。例如，我們為大型客户構建的數據可信體系，需保證每一環節可追溯，為決策提供可靠依據。”

  1. 矩陣起源產品副總裁鄧楠：準確性與權限管控雙核心

矩陣起源產品副總裁鄧楠補充了企業視角的痛點：

  • 準確性 ：AI 的生成式特性導致結果不可預測，傳統 IT 思維對 “確定性” 的追求加劇了信任危機；
  • 數據安全 ：公有云模型可能導致數據泄露，企業內部需實現行列級細粒度權限管控 （如工資單、財務數據隔離）
  • 解決方案包括： “AI 全鏈路可追溯” 和 “非結構化數據權限管理機制”

三、數據基座建設路徑：標準先行還是場景驅動？

企業如何切入“可信數據基座”建設？專家建議結合行業標準與核心場景 ，分階段推進。

  1. 標準與場景的協同統一

軟通動力 AI 研究中心總經理吳基術提出：“企業可引入國家 / 行業標準（如信通院方法論），但執行時需優先選擇高價值核心場景打造端對端閉環。例如，某客户總裁對審批單數據依據存疑，我們通過數據過程追溯與可信校驗，打通了業務與 IT 部門的協同壁壘。”

  1. 分階段策略：數字化基礎決定路徑

矩陣起源產品副總裁鄧楠建議根據企業數字化成熟度選擇方案：

  • 基礎較強企業 ：先推行全公司數據基建與標準，加速 AI 閉環項目落地；
  • 基礎薄弱企業 （佔比 70%-80%）：以應用驅動，先通過小場景證明 AI 價值（如降本增效），再基於場景需求反推數據基建，逐步橫向擴展

四、建設挑戰：協同壁壘與認知突圍

“數據基座”建設是 “一把手工程”，核心挑戰在於“組織協同與長期認知”。

  1. 協同壁壘：從 “數據煙囱” 到跨部門融合

軟通動力 AI 研究中心總經理吳基術強調：“最大挑戰不是技術，而是業務與 IT 部門的協同 。當數據治理成果不顯時，管理層易陷入迷茫。企業需引入標準規範、明確組織架構、建立工作機制 —— 數據治理項目往往需要董事長擔任委員會主任推動。”

  1. 認知突圍：數據作為核心資產的覺醒

矩陣起源產品副總裁鄧楠指出兩大認知誤區：

  • AI 價值懷疑 ：部分企業因試用通用大模型未解決問題，對 AI 產生質疑；
  • 數據資產忽視 ：未意識到內部數據與知識是 AI 時代的核心競爭力。“模型能力趨同後， 數據與知識將成為企業差異化的關鍵 。”

五、業務價值：從降本增效到智能進化

“可信數據基座”能為企業帶來哪些具體價值？專家們描繪了三大應用前景：

  1. 自動化工作流與員工賦能

矩陣起源產品副總裁鄧楠以美國 SaaS 公司 Glean 為例：“其通過整合企業內部 SaaS 數據（GitHub、Slack 等），實現跨公司精準搜索與協作 agent 構建，形成自動化工作流。員工可將 70% 重複性工作交給 AI，專注高價值任務。”

  1. 三類智能驅動企業進化

軟通動力 AI 研究中心總經理吳基術展望，“可信數據基座”將支撐企業發展三類智能：

  • Agentic AI ：自動完成合同審核、文檔生成等任務；
  • 具身智能（Physical AI） ：驅動製造業、醫療、物流等領域的機器人精準操作；
  • 科學智能（Science AI） ：優化全局決策，加速企業自主進化
  1. 工業場景的大小模型協同

信通院雲大所姜春宇預測，AI 應用將呈現 “微笑曲線” 與 “大小模型協同” 格局：“設計、研發、銷售管理等場景大模型表現突出，而工業生產需依賴小模型實現精準預測與識別，大模型則通過智能體機制實現全流程互動。”

結語：數據基座 ——AI 時代的 “數字地基”

三位專家一致認為，“可信數據基座”是企業 AI 戰略的核心基建。從醫療、金融到製造業，數據質量與知識管理正成為決定企業智能化成敗的關鍵。正如吳基術所言：“未來，AI 可能比企業自身更懂業務與管理，“數據可信”將是企業實現自主智能的‘數字地基’。”