圆桌论坛：大模型与Data Agent，踹出数智化转型的“临门一脚”

“大模型和Data Agent会是打通数智化转型的“最后一公里”的利器吗？

许多企业的数智化转型停滞在临门一脚，而大模型与Data Agent正成为突破这一瓶颈的关键力量。如何借助大模型与Data Agent，打通数智化转型的“最后一公里”，实现从洞察到决策、从部署到优化的完整闭环？这一问题的答案，已成为行业关注的焦点。

近日，由数智猿与数据猿联合主办，中关村科学城公司协办，并获新华社中国经济信息社、北京软件和信息服务业协会、中国互联网协会数字化转型与发展工作委员会、上海大数据联盟支持的“2025第五届数智化转型升级发展论坛——暨AI大模型&AI Agent趋势论坛”成功举办。

在大会的圆桌讨论环节，人民数据副总经理刘文中，IDC中国副总裁韩国华，高科数聚联合创始人、CEO董琳，袋鼠云CEO宁海元，数势科技联合创始人谭李齐聚一堂，在现场激荡思想，为数智化纵深发展献计献策。

大模型和Agent

到底是噱头还是“实干派”？

当前，大模型与智能体技术发展迅猛。智能体凭借记忆、规划、工具使用和群体协作等能力，展现出AI在复杂场景中的处理潜力。越来越多的AI智能体正“进入劳动力市场”，创造实际价值。

尽管有人将大模型和智能体视为史上最具影响力的技术之一，也有观点认为其能力被高估——它究竟是带来真实价值的技术，还是仅是概念的重新包装？

对此，人民数据副总经理刘文中认为：“AI代表着一种全新模式的重构，标志着一个全新时代的到来。当我们探讨AI是否存在过度包装，或是否仍显虚浮时，本质上是在面对一个新生事物发展初期的必然阶段——人们往往倾向于将其神化，或者低估其潜在价值。虽然作为新兴事物，它仍然面临各种问题，但这正是新技术发展的必经过程。”

人民数据副总经理刘文中

刘文中还指出，AI已深入日常工作的方方面面，尤其在数据和互联网领域，大多数从业者已在不同程度上使用AI技术。未来，传统工作模式将被重构，每个人在大模型和智能体的辅助下都有机会成为“超级个体”，这势必带来办公形态的重构，我们不禁要问：未来是否还有必要，一群人聚集在办公室内工作？

IDC中国副总裁韩国华在现场给大模型“算了一笔经济账”。她分享了一个关键数据：到2030年，全球广义的智能经济规模累计将达到22.3万亿美元。这个数字相当于2020年美国的名义GDP总量，表明智能经济将带来非常庞大的经济影响。

“如果我们把数据看作新型经济的原材料，那么AI就是加工这些原材料的技术和工具。”韩国华补充道，“工具的革命性变化，自然带来指数级的经济增长。在未来我们认为，AI everywhere（AI无处不在）。”

IDC中国副总裁韩国华

袋鼠云CEO宁海元表示，人工智能并非全新概念，其起源可追溯至上世纪60年代。然而，本轮以大模型为代表的人工智能浪潮之所以带来根本性变革，核心在于其对语言的理解与运用能力实现了突破。正如人类与动物的区别不仅在于感知能力，更在于语言的出现极大推动了智能的跃迁——正如某位哲学家所言，“语言的边界就是世界的边界”，语言不仅反映思维，也在不断塑造认知。

袋鼠云CEO宁海元

当AI真正能够理解并生成语言时，其发展空间被极大拓展。它或许尚如婴孩蹒跚、如实习生般稚嫩，但每一步前行都在积累突破的可能——它已具备从海量数据中习得的通用知识，但在应对具体业务问题时，仍需要进一步学习和适应。尽管技术尚未完全成熟，但应用方向已逐渐明确。AI正在从实验室走向规模化落地，将为整个产业带来价值重构与能力升级的重要机遇。

Data Agent如何驶向价值的深水区？

从“超级个体”的赋能到全球智能经济的壮阔图景，不论是来自产业一线、还是像IDC这样的分析机构，对于AI的发展都充满了信心。然而，当宏大的技术愿景逐渐落地，当高效的辅助工具必须走向可闭环、可衡量的业务场景——在这条从“可用”到“有用”的进阶之路上，Data Agent如何突破最后一公里，真正驶入价值的深水区，仍是一个不小的挑战。

高科数聚联合创始人、CEO董琳表示，作为深耕汽车领域的数智化企业，我们经常被客户问到一个非常核心的问题：“你们的方案到底只是提升效率，还是能带来实实在在的ROI？ AI所带来的业务增量究竟如何衡量？”

高科数聚联合创始人兼CEO董琳

在AI走向场景，创造价值的过程中，必然伴随着一些疑问和挑战。董琳将其概括为三条：

首先，是AI对垂直业务场景的深度理解问题。AI毕竟由人类创造，它能否真正理解我们为其设计的业务场景，这是一个巨大的问号。在汽车这样涵盖研发、生产、供应链、销售与服务的复杂产业链中，AI是否能够准确把握从数据归集、整理、分析到挖掘的全流程，并真正识别出其中可创造的业务价值？目前让Agent准确理解业务意图、避免“跑偏”，仍是一个庞大而复杂的训练和迭代过程。

其次，是如何平衡Agent的“自主性”与“可控性”。例如，某车企售后Agent系统包括管理Agent、数据库Agent和数据分析Agent。原本设计为三者协同，但在实际运行中，一旦放宽权限，管理Agent就可能越过分析环节直接操作数据库输出结果——这就好像给了孩子更大的权限，反而导致协同失效。因此，必须在产品设计中加入技术干预与权限管控机制。

此外，企业现有组织架构也是落地中的一大挑战。大多数车企并非AI原生企业，而是从传统制造业转型而来，部门之间——如IT、销售、市场、售后及研发——存在天然的数据隔阂与流程壁垒。即便技术方案先进，若难以打破部门墙、实现数据流畅流转，价值释放也会受限。我们在实践中发现，若项目获得企业最高层直接推动（一把手工程），落地难度会显著降低；若仅由某个部门驱动，则往往面临更多协调困境。

数势科技联合创始人谭李表示，在Data Agent的落地实践中，我们观察到三个常见挑战，并提出了针对性的解决方案：

数势科技联合创始人谭李

挑战一：数据准确性与模型幻觉问题

大模型在直接处理数据分析任务时，容易出现“幻觉”，导致关键数据查询不准确，尤其在面对复杂、混乱的数据表结构时，效果往往不尽如人意。我们自2023年起采用的应对策略是：不依赖大模型直接解析自然语言生成SQL查询，而是推动企业先建设一套“指标语义层”。这一层相当于对企业内部数据进行了私域治理，明确统一各项指标的业务口径。只有企业内部对数据定义达成共识，模型才可能输出准确、可靠的结果。

挑战二：业务语境与知识融合的挑战

获取数据只是第一步，更关键的是结合企业特定语境进行解读和决策。例如，同样分析“下午订单量下降”，咖啡连锁与茶饮连锁背后的原因和应对策略可能完全不同。因此，我们强调企业必须系统化地沉淀私域知识——包括业务逻辑、经验判断和场景知识等。通过RAG等技术，使大模型能够基于这些知识进行推理和分析，从而在具体业务环境中提供真正有用的洞察，而不仅仅是描述数据。

挑战三：业务流程的嵌入与自动化

第三个挑战在于如何将Agent嵌入企业现有流程，实现闭环操作。例如在金融场景中，客户投诉积分未到账，传统方式需客服线下核查再手动补发，流程冗长。而通过Agent自动打通规则引擎、数据查询与积分发放接口，即可实时判断并解决问题，大幅提升效率与体验。因此，Agent的价值实现依赖于企业是否具备清晰、可自动化的业务流程，以及系统接口的可调用性。

他总结认为，Data Agent在企业端落地需具备三个核心基础：高质量的私域数据治理、丰富的私域知识沉淀与融合机制、可接入、可执行的业务流程自动化能力。只有这三个层面协同推进，Agent才能真正从“分析”走向“赋能”，最终带来可持续的业务价值。

随着技术难点不断被突破，Agent与产业交互越发紧密，一些变化在商业模式上悄然发生。

袋鼠云CEO宁海元认为，今年被称为“Agent元年”，它既代表一个技术新起点，也意味着现实挑战并存的探索期。不同企业的发展阶段，直接决定了Agent的应用路径和价值评估方式。

在数据基础成熟、业务高度数字化的行业（如在线广告），Agent可以依托实时反馈和闭环数据，实现效果量化甚至“按效果付费”。

但对多数企业而言，决策仍依赖长周期的报表流程，从分析到执行反馈动辄数周。在这类场景中，Agent的核心价值并非直接变现，而是效率提升——比如将三天的分析工作压缩到几分钟，或将一周的汇报准备过程大幅缩短。结合企业既有知识库与历史数据，Agent能够快速切入此类需求。

随着模式成熟，Agent的收费机制可能逐步从“按Token计费”转向“按效果付费”。 但“效果付费”不会一统天下。就像汽车没有完全取代自行车，未来商业生态必将多元并存——有效果付费，也会有效率付费、成本付费等多种形态。技术拓宽了可能性，但商业的本质仍是适用与多样。

Agent的权利边界，人类该如何放权？

大模型不单是一个工具的问题，扎克伯格预测说，未来智能体的数量将超越人类的数量。

当智能体的能力越来越强，甚至开始自主做出判断和决策时，一些无法回避的问题就摆在了我们人类面前：我们该如何与它们共处？它的权限应该怎么设置？如何确保最终的裁决权牢牢掌控在人类手中？

关于这些问题，人民数据副总经理刘文中指出，尽管机器在处理大量参数时表现出色，但却缺乏人类所具备的情感和直觉。为了确保数据的合规使用，他提出了“三权分置”的管理模式，通过明确数据的所有权、使用权和管理权，来保障数据的安全与合规性。

IDC中国副总裁韩国华则从监管政策的角度出发，强调了政策配合的必要性。他认为，只有在完善的监管政策支持下，才能更好地实现人与智能体之间的有效协作。同时，他也提出了培养专业人才的重要性，通过系统的人才培养计划，提升人员在人工智能领域的专业素养，从而更好地界定和执行人与机器之间的权限与边界。

袋鼠云CEO宁海元则认为，这一过程不仅仅是单个企业的努力，而是需要所有相关厂商共同参与、协同推进的系统工程。厂商们需要共同努力，不断优化技术、完善标准，确保人与Data Agent/Al Agent之间的协作既高效又安全。通过多方合作，才能最终实现人与机器在数据领域的和谐共生。

如何筑牢数据地基，

走好数智化转型之路？

当数智化转型的浪潮涌入深水区，许多企业频频触碰到那些难以回避的“数据暗礁”。在这场数智化转型的攻坚之战中，我们该如何筑牢数据地基，走好数智化转型之路？

对此，人民数据副总经理刘文中进行提供了一些新的解题之道。

他表示，当前，国家在数据层面的战略布局实际上比人工智能方面的政策更丰富。这主要是因为我国具备非常完整的产业体系，在数据资源方面拥有显著优势。国家数据局的成立也体现出对数据要素的高度重视。

然而，眼下整个产业仍面临几个现实挑战。首先是标准问题。由于缺乏统一的数据标准，不同来源的数据难以互联互通，即使想用也用不起来。

其次是数据合规性挑战。无论是各级政府掌握的公共数据，还是产业侧积累的私有数据，目前都难以有效释放和流通。数据供给方普遍面临两难：要么缺乏足够的收益动力，要么担心合规与安全风险，导致数据“不敢供、不愿供”。

第三是市场闭环问题。当前，很多数据工程仍处于投入阶段，尚未形成真正活跃的数据交易生态。产业侧希望通过数据驱动和AI技术推动转型升级，却面临“有数据但用不了、用不好”的困境。

面对这些问题，破局的关键，在于构建可持续的数据产业生态——需要培育一批真正能盈利的“数商”企业，就像过去几十年互联网行业的繁荣一样，让参与者能够获得实实在在的收益，从而愿意投身数据行业。

只有形成“有人、有钱、有市场”的正向循环，吸引更多企业和人才参与，推动高质量数据集的供给与使用，当前数据要素化面临的诸多堵点才能逐步打通。一旦市场机制建立起来，很多问题都会随着时间迎刃而解。