“中国不需要第101个开源大模型，但需要更坚实的AI数据基础设施

2026年6月，旧金山Moscone Center。Databricks Data+AI Summit，3万人到场，超过18项核心产品发布。CEO Ali Ghodsi在台上说了一句话，被反复引用：“这件事会变得极其昂贵，我们才刚刚开始。”

7月，北京国家会议中心。全球数字经济大会上，一家中国公司的展位前围满了人。

这两件事之间，隔着太平洋，也隔着一个正在被验证的判断——AI的下半场，风向变了。

过去两年，大模型从千亿参数卷到万亿，开源模型和闭源模型轮番刷榜。企业被裹挟在这场狂欢里：买算力、招团队、部署模型，以为拿到了通往未来的门票。

结果呢？

模型在通用问答里“无所不能”，一进工厂、医院、能源场就“水土不服”。数据散落在几十个孤岛里，格式不统一、标准不一致、质量参差不齐——数据根本“喂不进去”。

2026全球数字经济大会上，议题焦点开始改变。人们除了问“哪个模型跑分最高”，还会追问另一个更现实的问题：AI到底怎样才能真正落地？

一个判断正在成为共识：AI的下半场，决胜点除了模型benchmark，还在AI数据基础设施。

AI产业正在切换赛道
从“卷模型”到“卷数据底座”

先讲一个典型场景。

一家大型央企的CIO算过一笔账：集团内部17个业务系统、9个数据仓库、3朵云，数据格式从Oracle到MySQL到Hadoop到非结构化文档，五花八门。集团要求“全面拥抱AI”，于是采购了大模型平台、搭建了算力集群、组建了算法团队。

半年后，模型部署完成，发现根本跑不起来。

“我们当时想做一个很简单的应用，让大模型辅助设备故障诊断。”这位CIO说，“结果模型连设备的历史维修记录都读不懂，因为记录分散在三个系统里，格式不一样，字段命名不一样，还有大量纸质报告扫描件没处理过。”

这不是个例。

企业AI落地的真实困境：钱花出去了，模型跑不起来

数据散落数十个孤岛，格式乱、标准杂、质量差，是绝大多数企业的真实状态。能源、制造、医疗等传统领域积累了PB级数据，却大多沉睡在孤立系统中，难以直接被算法利用。

大模型很强，但它面对的如果是“没洗过的菜、没整理过的仓库”，也做不出一桌“好菜”。

某种程度上，AI规模化的瓶颈，已经从“能不能算”转向“数据能不能用”。

不是算法不够好，不是算力不够强，是数据体系、全域治理与全链路工程化闭环能力跟不上。一个无法持续供给高质量数据的企业，就像一个没有食材的厨房——设备再先进，也做不出一道好菜。

科杰科技董事长于洋的判断很直白：“AI的上半场，行业更关注通用能力的打造；下半场，当AI要面向大型企业、产业端、政府端发挥更大效能时，我们必须解决最后一个问题：数据的问题。”

Databricks、Snowflake同时掉头，方向出奇一致

如果说中国企业的困惑还只是个体现象，那全球AI产业链的集体动作，则宣告了一个新产业周期的开启。

先看模型侧。

Anthropic做过一次对照实验：同样一个Claude模型，裸跑企业数据分析任务，准确率只有21%；接入完整的数据工程体系后，准确率飙升至95%以上。差距不在模型本身，在模型背后那套数据基础设施。

Anthropic由此搭建了一套“数据基建层→真相来源层→技能层→验证闭环层”的四层架构。而这一架构，已成为Databricks和Snowflake共同参考的范式。

再看数据平台侧。

2025年起，Anthropic先后与Databricks、Snowflake达成深度合作。Claude原生接入Databricks Data Intelligence Platform，与Unity Catalog打通，统一权限、审计、数据不出库；同时深度嵌入Snowflake Cortex AI，在数据边界内完成自然语言查询、代码生成、AI智能体开发。

模型厂商与数据平台厂商，正在从“各自为战”走向“深度融合”。

2026年6月，Databricks Data+AI Summit上，这场融合的成果集中释放。Databricks把所有能力重新画了一张架构图：Lakehouse下沉为底座，Agent Runtime升至顶层，治理被前置为AI上岗的第一道关卡。

传递的信号很明确，模型与数据基础设施，正在形成双向奔赴的协同关系。模型依赖数据底座供给“可理解、可信任”的数据；数据底座借力模型的能力，让沉睡的数据资产被激活。两者不再是上下游的线性关系，而是相互增强的闭环。

Snowflake也在做同样的事。两家长期竞争的云数据平台巨头，在这一点上达成了罕见共识：下一局，拼的是“数据是否就绪”。

中国AI数据基础设施
应该怎么做？

从旧金山回到北京，视角从全球拉回中国，问题本质上是一样的：当AI和Agent从技术竞赛进入产业化落地阶段，我们的数据基础设施准备好了吗？

中国的产业场景更复杂。比如，制造业的供应链链条全球最长、能源网络的节点密度全球最高、金融机构的合规要求层层叠加，这些场景产生的数据量更大、格式更多样、质量更参差。而大模型要真正进入这些行业，就必须跨越从“通用智能”到“行业智能”的鸿沟，底层支撑这套跨越的，恰恰是一套坚实、安全、可治理的AI数据基础设施。

那这套基础设施该怎么建？科杰科技这个公司的实践，提供了一个值得观察的样本。

科杰的核心产品是KeenData Lakehouse，定位很明确：业内首创Data&AI一体化智能驱动架构。

什么叫“Data&AI一体化”？就是说，它不是传统湖仓外挂AI，那种做法像是给一辆老车装了个新发动机，能跑但不好用。它是为AI原生设计的架构，名字叫“AI-in-Lakehouse”，让数据从存储那一刻起，就准备好被模型消费。

拆开来看，它做了三件事：

第一，打通全链路。从数据工程→模型训推→Agent工厂→智能应用，打造数据融合、智能治理、模型训推、Agent全生命周期运营端到端一体化技术闭环。一个平台，把数据到AI的每一步都串起来。

第二，三大核心技术支撑。AI原生开放湖仓深度融合向量数据库、多模态存储能力，原生支持混合查询；多模态对齐融合消除文本、图像、音视频之间的语义隔阂；训推极致性能则面向GPU做全栈加速——算子融合、显存调度、混合精度训练，把硬件的每一分算力榨干。

第三，产品矩阵够厚。涵盖数据集成、多模态计算、数据治理、AI模型训练、Agentic协同应用开发、调度与落地。代码自研率97%+，满足信创与安全合规，完整适配国产化软硬件生态

如果你对比Databricks的架构演进，会发现惊人的一致性。

2026年DAIS峰会，Databricks的核心方向也是把底座做厚、把Agent Runtime做薄——LTAP让OLTP与OLAP共用一份数据，Lakehouse//RT实现亚百毫秒级实时查询，Unity AI Gateway把治理前置。

两家公司隔着一个太平洋，用不同的技术栈、不同的产品形态，往同一个方向走。

Databricks解决的是全球云原生场景下的数据基础设施，科杰解决的是中国大型组织私有化场景下的数据基础设施。技术底座逻辑相通，落地环境各有不同。

“模数共振”：Data for AI+AI for Data双向奔赴

此外，值得指出的是，科杰科技还有一个核心方法论，叫“模数共振”。

2026年，工信部与国家数据局联合发起“模数共振”行动，科杰是这个概念的实践者。

什么叫“模数共振”？拆开看就两层意思：

Data for AI——高质量治理后的行业数据反哺模型，让大模型“懂行话、知规矩”。例如，石油炼化的历史运行数据，让工艺模型懂行业边界；汽车产线的传感器数据，让视觉模型像老法师一样识别微缺陷。

AI for Data——大模型反向激活沉睡的非结构化数据。比如，医疗大模型从病历中自动提取专病特征，构建高质量临床数据集；教育大模型解析教学行为，生成个性化学习路径。

这不是单向的“数据喂给模型”，是双向奔赴。数据成为流动的智能燃料，模型成为数据的炼金炉。

而且，这个方法论在头部客户中已经跑通了。目前，科杰科技的客户案例中，中石化的数据底座被国资委列为央企数字化转型标杆，30余家央企代表到场听取报告。此外，面向大模型与Agentic应用的可信数据空间、高质量数据集解决方案，已在全国多城市规模化落地。巧的是，Databricks在2026 DAIS峰会上也发布了Genie Ontology——一个自动生长的企业上下文图谱，核心目标同样是让模型“理解企业数据”。一个叫“模数共振”，一个叫“上下文图谱”，讲的都是同一件事：模型要懂企业的数据，数据要为模型所用。方向趋同，路径各异，但底层逻辑完全一致。

一个万亿级蓝海市场刚刚开启

讲完了科杰是谁、做了什么、跑通了什么，一个更宏观的问题自然浮现：这个市场到底有多大？这家公司正在进入的，是一个怎样的赛道？

答案可能会超出很多人的预期。

1.从“应用采购”到“底座重构”

把视线拉回到产业层面。

过去十年，企业数据采购的典型场景是买BI、买报表、买数仓工具。但今天，客户的需求变了——大模型和Agent来了，旧平台根本不够用。

AI不能直接吃原始数据，Agent不能绕过企业权限和流程，大模型输出必须有可信数据支撑。企业需要的不再是一两个工具，而是一套能够持续供给高质量数据、持续迭代模型能力、持续生产智能应用的完整体系。

用科杰的话说，叫“从卖软件到交付行动系统，从建设平台到运营生态”。

所以说，AI数据基础设施这个市场，不是ERP或数据库那样的存量红海，而是AI催生的全新蓝海。

市场有多大？从央国企总部延伸到二级、三级公司，从金融、能源延伸到医疗、交通、城市治理，规模可放大数十倍。

2.与国家战略同频共振

更重要的是，这个市场正与国家战略形成共振。

科杰把政策演进梳理为三个阶段：从“数据要素制度化”到“国家数据基础设施建设”，再到“人工智能+行动”。六年三步跃迁，步步都在催生刚性需求。

可信数据空间、高质量数据集、城市大脑，这些政策关键词的背后，是同一个指向：数据底座建设已从企业自主选择，升级为产业升级的必需品。

目前，科杰已入选国家数据局首批可信数据空间试点典型单位，承建北京、杭州、苏州、等多地城市数据基础设施标杆项目。

3.AI数据基础设施对产业意味着什么？

如果说这些还只是商业层面的判断，那更深一层的问题是：AI数据基础设施对产业意味着什么？

PC时代有操作系统，互联网时代有云，AI时代最底层的基础设施，是数据底座。

没有坚实的数据底座，大模型是空中楼阁，智能体是纸上谈兵。谁掌握了高质量数据供给体系，谁才能掌握了AI时代的核心竞争力。

科杰给出了一个战略公式：数据资源×AI数据基础设施×高质量数据集×行业模型×智能体网络×场景运营=可持续变现的智能产能。

这个公式背后是一个判断：AI时代真正稀缺的除了模型、算力，还有让数据持续变成智能、让智能持续进入业务、让业务持续产生收益的基础设施。

结语

如果把数字文明的演进拉长到三十年尺度，可以清晰地看到三次基建浪潮：

第一次，是网络基建。光纤和交换机构建了信息高速公路，让世界真正“连起来”。

第二次，是算力基建。云和数据中心让计算能力像水电一样随手可取，让世界“算起来”。

第三次，正在发生——是数据基建。它要让人类千年积累的知识、经验和生产数据，第一次真正成为AI可以理解、可以调用的“公共认知”。

无论是美国的Databricks、Snowflake、Palantir，还是中国的科杰科技，他们都恰好踩在了第三次基建浪潮的起点。他们做的事情，是为AI的规模化商用铺设最后一块缺失的拼图——一个让数据能够被模型理解、让模型能够被产业使用的中间层。

模型提供大脑，算力提供心跳，而数据底座，提供的是让这一切真正运转起来的神经系统。三者协同，AI才能真正走出实验室，走进工厂、医院、能源场和城市治理的每一个角落。

这一步，决定了中国能否在这场底层竞赛中，拥有自己的路基。也决定了AI的产业价值，究竟是一阵短暂的热潮，还是持续改变世界的力量。