2025 中国 Data&AI 数据基础设施白皮书总结

一、新趋势：AI 时代数据范式跃迁

1. 数智融合成时代特征：数据应用与 AI 从独立走向一体化。从早期关系型数据库、数据仓库，到大数据平台与深度学习结合，再到如今 “数据即 AI、AI 即平台”，支撑设施历经多阶段演进，当前进入 Data&AI 深度融合的基础设施阶段。
2. 双向互动推动范式升级：AI 历经感知智能（依赖分类非结构化数据）、生成式 AI（依赖结构化 / 单多模态数据）、Agentic AI（依赖融合多模态数据）三阶段；数据应用同步从数据库、数据平台，升级至 “湖仓一体 + AI 原生” 的基础设施阶段，二者协同推动架构从分离、融合走向一体化。
3. 应用深化提融合要求：数字化迈向智能化，数据基础设施从 “支撑决策” 升级为 “协同驱动智能”，成为核心生产工具。产业级 AI 应用面临数据 “拿不出、调不动”“用不好”“复用差” 等痛点，需一体化基础设施破解。
4. 数智一体化成行业共识：国内外厂商（如 Databricks、阿里云、科杰科技）通过收购或自研补强 AI 能力，构建 “数据接入 – 处理 – AI 开发 – 应用” 全链路能力，Data&AI 融合成行业趋势。

二、新定义：Data&AI 数据基础设施的核心内涵

1. 赛道定义：为支撑 AI 规模化落地的一体化基础软件平台，核心是打通数据存储、治理、计算与 AI 模型开发全链路，实现 “Data for AI” 与 “AI for Data” 双向赋能，是传统大数据平台的升级形态。
2. 核心特征：以 AI 原生一体化架构为核心，具备动态异构资源调度（适配 CPU/GPU、多模态数据）、多模态数据融合处理、低代码 / 自然语言交互、全生命周期安全运营等能力。
3. 边界差异：与传统大数据平台相比，第三代 Data&AI 基础设施非结构化数据占比超 80%，采用湖仓一体架构，支持批流一体与实时推理，适配万亿参数模型，而传统平台多聚焦结构化数据与分布式批处理。
4. 价值体系：呈 “点 – 线 – 面 – 体” 递进，从提升单个业务环节效率（点）、支撑用户智能化创新（线）、推动行业协同（面），到带动产业繁荣与保障国家战略（体）。

三、新范式：核心能力与厂商格局

1. 五大关键能力：融合开发（多模态数据处理、模型训推）、平台架构（湖仓一体、存算分离）、资源调度（CPU/GPU 高效调度）、智能原生（数据与 AI 闭环互动）、安全运营（合规与高可用）。
2. 4+1 架构体系：资源接入层（数据摄取）、数据管理层（存储与治理）、Data&AI 工程化层（模型训推）、智能应用层（低代码 / 智能体），叠加安全运营层保障全链路安全。
3. 四类厂商类型：综合平台厂商（阿里、华为，资源调度强但架构易割裂）、专业平台厂商（Databricks、科杰科技，AI 原生与融合开发能力突出）、数据平台厂商（Snowflake、星环，聚焦大数据处理）、智能应用厂商（Dify，侧重 AI 场景落地），其中专业平台厂商更契合行业趋势。

四、新应用：典型场景实践

1. 大型国央企：如中国石化，借 Data&AI 基础设施打破数据孤岛，构建统一数据资源池，提升报表效率，支撑勘探业务数字化。
2. 大型金融企业：如中信银行，构建实时数据底座，实现信贷审批分钟级响应、反欺诈实时联动，平衡效率与风控。
3. 跨国外企：如某跨国零售集团，通过统一基础设施实现智能定价（KVI 商品销量升 9%）、会员运营（复购率升 8.45%），缩短决策周期。
4. 城市政府：如某市数据集团，搭建数据流通平台，实现数据安全合规流转，推动数据从 “资源” 向 “生产要素” 跃迁，支撑数字经济发展。