“数据基础设施，是Agent冰山之下的部分。

2026年，Agent正从“聊聊天”变成“真干活”。Openclaw、Harness等框架层出不穷，阿里QoderWork、腾讯WorkBuddy、字节扣子也纷纷登场。所有巨头在做同一件事：让AI从“对话”走向“执行”。

但一个被严重低估的问题是：Agent“干活”时，读的是什么数据？

想象一下——你让销售Agent分析“Q3增长最快的客户群”，它因为读错了“活跃用户”的定义（销售说是“下过单的”，财务说是“付完款的”），给出了一串完全错误的营销建议。你骂模型不行，其实是数据底座塌了。

那问题出在哪里，怎么解决，如何构建一个面向Agent的数据底座呢？这是整个数据智能行业所迫切需要回答的问题。

为此，我们采访了数据智能领域的四家典型厂商——袋鼠云、数睿数据、网易智企·数帆、星环科技，为你深度拆解这场正在发生的底层变革，并看清谁在布局未来。

Agent需要的
是完全不同的数据底座

先说结论：四家厂商背景不同、路线各异，但对Agent时代的数据挑战，有三大共识高度统一。这是整篇文章的地基，也是理解后面所有分歧的前提。

1.速度：从“秒级”到“毫秒级”，并发从“几个人”到“几千个Agent”

过去，一个报表等三五秒，人眨眨眼就过去了。但Agent是对话式的——你问“帮我分析上月销售趋势”，它要是愣十几秒才回，你已经想关掉页面了。

更麻烦的是，一个复杂Agent任务背后，往往藏着几十甚至上百次数据交互：先检索知识库，再查Memory，再访问数据库，再调工具……每一环的延迟都会累积。

网易智企·数帆的数据显示：对话场景要求百毫秒级响应，决策场景对延迟更为敏感。

并发压力也在飙升。过去是有限的“人”在用数据，未来可能是成百上千个Agent同时在跑，每个都在持续检索、推理、调用。星环科技指出：瓶颈正从“模型算力”扩展到“数据算力”——GPU不仅要跑模型，还要加速数据链路。

数据响应速度，正在成为Agent体验的“生死线”。

2.负载：湖仓像卡车，Agent需要的是F1赛车

业内有个判断正在成为共识：“Lakehouse擅长大规模扫描（适合训练模型），但Agent需要的是点查、过滤、聚合、向量检索的混合负载。”

翻译一下：传统湖仓架构像一辆重型卡车，一次能拉很多货，但不适合在赛道上急转弯。Agent需要的是一辆F1赛车，能在毫秒内在点查、聚合、向量检索之间反复切换。

袋鼠云的策略是"分层承接、统一出口"，基于信创底座以EasyMR"1+4"能力矩阵构建平台化数据体系——MPP负责结构化查询，AI Storage支撑多模态数据与语义检索，上层统一API输出，让Agent无需感知底层复杂性。

星环科技走得挺远：他们认为未来不是堆更多组件，而是构建一个统一平台，在同一套架构里同时支撑事务、分析、检索。目前星环已实现11种数据模型的统一存储和跨模型联合分析。

Agent的混合负载，正在倒逼数据架构从“分散拼接”走向“统一融合”。

3.语义：Text-to-SQL，一条走不通的路

这是四家共识度最高的判断——没有之一。

真实企业环境里，Text-to-SQL的准确率惨不忍睹。为什么？因为大模型根本不理解你的业务语义。

同一个“销售额”，销售部含税，财务部不含税，CRM按合同日期，ERP按发货日期。人工分析时知道该问谁，Agent不知道，它会直接用一个，给出一个“看着对、实际错”的答案。

数睿数据指出，很多企业内部的同一个分析指标，不同部门、不同角色可能有完全不同的口径。

星环科技说得直白：“Schema≠Semantics，字段名无法表达业务口径。”

所以，语义层/指标平台不再是“可选”，而是“必选”。指标就是Agent理解企业业务的“语义锚点”——口径统一、可调用、可追溯，Agent才能从“会聊天”走向“真干活”。

袋鼠云强调，只有把指标定义清楚，Agent的推理才有“锚”。

袋鼠云提供的测试数据印证了这一点：标准指标识别准确率87.61%，但语义类问题只有66.89%——差距就在语义层建设上。没有语义层，Agent就是个“懂语法不懂业务”的实习生。

袋鼠云的测试数据

此外，数睿数据指出，一个复杂分析任务背后，往往涉及取数、对比、归因、解读、报告生成的多步链条，每一环都需要自主决策，这不再是“把自然语言翻译成SQL”能解决的问题。

这几道难题，四家厂商都看见了。但怎么解？答案开始分岔。

“四强争霸”
谁是未来的“数据底座”？

下面，我们进入这场“四强争霸”的核心——看看袋鼠云、数睿、网易智企·数帆、星环，各自拿出了什么秘密武器。

☆袋鼠云：“数据飞轮”的操盘手

标签：应用派、智能飞轮实践者

袋鼠云的核心概念叫“Data+AI智能飞轮”：数据驱动智能，智能反哺数据，形成自进化闭环。

听起来有点玄？拆开看就清楚了：底层用数栈治理多模态数据，让数据“可懂、可信”；上层用AIMetrics指标平台和AIWorks智能体平台，让AI“会用、好用”；AI运行中产生的反馈、偏好、经验，再沉淀回数据体系——这就形成了一个持续转动的飞轮。

袋鼠云技术架构图

技术上的杀手锏是多模态元数据的分层管理，别人管到“表”一级，袋鼠云管到了“内容片段”：

·数据集级：承载业务场景（如“质检图片集”），统一权限和版本

·文件级：管来源、格式、大小、血缘

·内容片段级：管文档章节、表格、图片、视频关键帧、转写文本、向量特征

只有管到这个粒度，数据才能从“可存储”变成“可理解、可检索、可复用”。

☆数睿数据：“深度分析”的实战家

标签：应用派，场景落地者

数睿最犀利的洞察是：智能问数只是“取数”，深度研究才是“分析”。从前者到后者，最大的难点不是SQL写得好不好，而是任务拆解与规划。

用户问的不是“本月收入多少”，而是“分析本季度各区域销售，找出最差的，分析原因，给建议”。这背后涉及取数、对比、归因、解读、报告生成——一个多步任务链。

杀手锏是“智能Planner”。这个Planner不写SQL，而是像分析师一样“思考”：先理解问题，再规划路线（先看总体趋势→下钻细分维度→做对比归因→生成结论），然后调用相应工具执行。最终Data Agent输出的不是一张表格，而是一套有逻辑、有层次的分析过程，包括描述性分析、诊断性分析、指导性分析、预测性分析。

再加上Agent Studio智能体开发平台沉淀历史分析经验与行业知识，让每一次分析都“站在前人肩膀上”。

☆网易智企·数帆：“让AI读懂数据”的底座派

标签：可信派，AI数据底座定义者

网易智企·数帆的切入角度跟其他三家不同——它不纠缠于"AI跑得快不快"，而是追问一个更前置的问题："AI读到的数据，到底对不对？"

在网易智企·数帆看来，Agent时代最被低估的风险不是响应延迟，而是数据口径混乱导致的结果偏差——同一个“毛利率”，财务、销售、ERP各有各的算法，AI不知道用哪个，就会给出“看起来对、实际上是错”的答案。

杀手锏是“语义层+可解释查询引擎”——不是让AI直接生成SQL黑盒，而是在自然语言和数据库之间架一层逻辑查询层，让AI给出的每一个分析结论都能追溯到数据源头、每一步推理都能被业务人员理解和复核。

技术实现上，逻辑查询层（DSL）让AI的推理过程全程透明、用户可逐级下钻；语义模型把高频业务指标预定义为标准查询模板，既保证了准确性，也把查询延迟压到了对话可接受的百毫秒级。在成本侧，大小模型协同进一步把Token消耗控制在传统方案的合理区间内。

网易智企·数帆技术架构图

网易智企·数帆的逻辑是：Agent在企业里最大的敌人不是慢，是"不准"。答案不对，越快越危险。先让底座配得上AI，AI的威力自然就出来了。

☆星环科技：“底层颠覆”的野心家

标签：架构派，未来定义者

星环科技认为，Agent花在数据处理（检索、构造、分析、调用）上的时间，已经超过模型推理本身。GPU不仅要跑模型，还要加速数据链路。

星环已经在金融客户中将GPU应用到数据分析和向量检索，实现了数十倍甚至数百倍的性能提升（相比CPU）。

杀手锏是一体化架构。星环很早实现了湖仓集一体、多模型、HTAP一体化，目前已支持11种数据模型（关系型、向量、全文、图、时序等）的统一存储和跨模型联合分析。Agent面对结构化+非结构化+向量检索的混合负载时，不需要多个系统拼接，底层统一搞定。

星环科技技术架构图

可以说，四家厂商，四种打法——袋鼠云做治理→应用侧的闭环，数睿做深度规划，网易智企·数帆做性能优化，星环做底层重构。没有绝对的对错，只有场景的适配。

技术再炫，落地见真章，脱离案例谈技术都是“耍流氓”。四家厂商的落地实践各有侧重：

四家的案例各有亮点，但有一个共同的“隐形阻力”——组织问题比技术问题更难。

尤其在金融、政务等强监管行业，Agent不能绕过既有流程和审批机制，必须嵌入管理链路中。部门墙、数据标准不统一、系统集成复杂，才是真正的“拦路虎”。

另一个共性挑战：非结构化数据治理基础薄弱。很多企业的文档、图片、音视频“存着就完了”——没有元数据、没有质量标准、没有血缘追踪。Agent要跨模态推理，等于在从未整理过的仓库里找东西。

好消息是，各家的案例都证明，只要底座扎实，收益极其可观——效率提升50%以上、周期从天级缩到小时级，已经是“及格线”。

人不会被取代
但“新物种”即将诞生

技术路线看完了，落地案例也摆出来了。袋鼠云的“智能飞轮”、数睿的“Planning Agent ”、网易智企·数帆的“SQL2DSL”、星环的“GPU加速”——各有各的杀手锏，各有各的忠实客户。

但读到这里，你心里可能一直在琢磨一个更本质的问题：Agent这么能“干”，那“人”往哪儿放？接下来有市场有哪些看点？数据猿也问了这四家企业几个问题，从他们的回答中，也许能一窥未来的方向。

1.Data Agent会取代BI分析师吗？

四家厂商的答案高度一致：不会取代，但会重塑。

网易智企·数帆的比喻很妙：电子表格没消灭会计师，但淘汰了“只会做表不会思考”的会计师；搜索引擎没消灭研究员，但淘汰了“只会翻资料不会判断”的研究员。BI分析师也一样。

数睿数据认为，Data Agent 不会“取代”BI分析师——它会直接让这个岗位“溶解”。当人人都能用自然语言向Agent提问、秒级获得答案，企业不再需要专职取数、做报表的中间人。数据分析能力下放至每个业务角色指尖，成为每个业务角色的必备技能。

最终形态不是“一个AI顶替一个人”，而是“一个人+多个Agent”的协作模式：人定义分析框架，Agent执行，人做最终判断。BI分析师将变成“分析架构师”或“数据产品经理”——核心能力不再是SQL写得快不快，而是能不能把业务问题翻译成Agent可执行的追问链路。

2.未来一年，最大的技术突破点在哪？

星环科技给出一个极具前瞻性的判断，GPU加速从模型侧走向数据侧。未来数据平台是否具备GPU-Native能力，将成为支撑Agent规模化应用的核心竞争力。

袋鼠云则指向两个方向：一是企业知识的数字化表达——业务规则、流程经验能否转化为Agent可调用的知识资产；二是多模态数据的实时处理能力——文档、图片、音视频的实时解析、清洗、向量化、服务化。

数睿数据认为：Agent落地的关键，是“知识能不能沉淀、能不能复用”。可以把历史分析案例、优秀分析路径、行业经验等，以结构化的方式沉淀下来，让后续的分析任务能自动学习和调用这些知识。

3.这个赛道，会跑出新玩家吗？

袋鼠云的回答最有哲学意味：软件不会消失，但交互形态会变。就像Office还在，但未来你不会再像今天一样打开Word写文档、打开PPT做汇报。软件的专业能力会退到后台，成为智能体调用的工具。

未来是AaaS（Agent as a Service）——大模型是大脑，智能体是手和脚，连接软件、数据、流程、业务系统。

星环科技的判断是：随着大模型能力趋同，竞争焦点将转向数据和知识底座。企业真正的挑战不是“选哪个模型”，而是“数据底座稳不稳、知识组织好不好”。

写在最后

Agent的竞赛，上半场是模型，下半场是数据。

过去两年，所有人的目光都盯着参数、推理、多模态。但当Agent开始真正“干活”，人们才发现：模型再强，读到的数据是脏的、慢的、语义混乱的，答案一定是错的。

四家厂商给出了四种答案：

·袋鼠云：多模态数据治理闭环，应用智能飞轮自转

·数睿数据：深度规划，像人一样思考

·网易智企·数帆：让AI读懂数据，从底座开始可信

·星环科技：底层重构，GPU加速

谁将胜出？答案或许不唯一。未来的企业，不会仅仅因为用了最先进的模型而赢，而会因为构建了最可信、最实时、最懂业务的数据底座而赢。

当我们在讨论“面向Harness需要怎样的Data”时，本质上是在问另一个问题：我们想把自己的决策权，交给一个什么样的系统？

答案很清晰——一个数据可信、语义清晰、响应实时的系统，一个知道“自己不知道”的系统，一个能把“不确定性”标记出来、把“推测”和“事实”区分开的系统。

当Agent开始“干活”，它读到的数据，决定了它会变成你的得力助手，还是你最不可控的风险源。

现在，是时候回去审视一下：你的Agent，读的究竟是什么数据？