数据基建：AI智能体竞赛的隐形门槛

当全行业都在谈论智能体控制平面（agent control plane）的成熟时，一个残酷的分化正在发生——提前完成数据基建的企业开始收割红利，而追风者连入场券都没拿到。

「这就像每天需要吃饭」

66degrees首席执行官Ben Kessler在Google Cloud Next的CUBE专访中抛出了一个朴素的比喻。这家专注Google Cloud的AI与数据解决方案公司刚刚拿下2026年度Google Cloud AI合作伙伴大奖，而Kessler的核心判断是：数据技术的进步与AI技术的进步同步发生，但企业对技术的消化吸收能力——「如何采纳技术、如何用技术创造差异」——才是生死线。

「智能体企业（agentic enterprise）的核心在于『怎么做』的改变，」Kessler说，「它让我们交付得更快一点，或者产出更多一点。」

这个判断背后是一组被忽视的时间差。Kessler口中的「数据技术进展」并非指当下的大模型热潮，而是企业多年前启动的、毫无光环的数据工程——把散落各处的数据搬到云上，统一格式，打通访问。这些工作在当时看不到立竿见影的回报，却在智能体时代变成了基础设施。

北美最大家族食品分销商的六年伏笔

Gordon Food Service的故事是这时间差的最佳注脚。这家北美最大的家族运营食品分销商，其首席信息官Brendan Bonthuis与Kessler同台分享了合作细节。

「我们搭建了一个数据平台，优先确保能快速摄取各种不同格式的数据，」Bonthuis回忆早期决策，「把数据集中在一个地方……」

这段话被原文截断，但核心信息足够清晰：Gordon Food Service的数据基建启动于智能体成为主流话题之前。当行业突然转向agentic AI时，这家公司不需要从头补课——它的数据已经躺在Google Cloud Platform上，格式统一，随时可调取。

这种「提前量」的价值在Bonthuis的另一段话中显露无遗：「这感觉不一样，因为没人有十年经验做这件事。」

他指的是智能体技术的全新性。没有成熟 playbook，没有可抄的作业，企业只能边做边学。而Gordon Food Service的幸运在于，它用六年时间把最脏最累的活干完了，现在可以把全部精力押在「怎么用」而非「怎么建」上。

「一起走」的伙伴关系

Bonthuis反复提及的一个词是「伙伴」（partner）。在缺乏经验参照系的领域，信任关系被提到了前所未有的高度。

「有一个能和你一起走的伙伴……一起搞清楚计划是什么、怎么推进、一起学习——这在我们的旅程中非常重要。」

这段话揭示了智能体转型的一个隐性成本：组织学习成本。当技术本身快速迭代，企业购买的不只是解决方案，而是共同试错、共同进化的能力。66degrees与Gordon Food Service的合作模式——从数据平台搭建到智能体应用落地——本质上是把「基建期」的信任关系延续到了「应用期」。

Kessler的获奖也印证了这种关系的市场价值。Google Cloud的年度合作伙伴评选不仅看技术能力，更看客户成功案例的可持续性。66degrees能帮Gordon Food Service把历史投资转化为智能体就绪状态，这种「翻译」能力本身就是稀缺资产。

数据就绪度的分层效应

原文标题中的「right data foundation」值得拆解。它不是泛指「有数据」，而是特指一种结构化的就绪状态：数据集中存储、多格式兼容、云原生架构、可快速摄取。

这四个特征构成了智能体落地的最低门槛。智能体需要实时调用企业数据做决策，如果数据还锁在本地服务器、格式混乱、接口不统一，所谓的「自主执行」就是空中楼阁。

Kessler和Bonthuis的对话暗示了一个正在加剧的行业分层：

顶层是Gordon Food Service这类「早有准备」的企业，它们现在可以讨论「agent control plane」这类高阶话题，探索智能体如何重构业务流程；

中层是正在补课的企业，它们被迫把大量资源投入数据迁移和清洗，智能体应用只能小步试点；

底层是尚未启动数据转型的企业，它们连讨论智能体的资格都没有——不是技术跟不上，是地基没打。

这种分层不是理论推演，而是Kessler观察到的「实时 sharpening」——准备度差距正在快速显性化。

「更快一点、更多一点」的复利

回到Kessler的那个朴素比喻。他把技术采纳比作吃饭，强调的是持续性而非一次性投入。企业对数据基建的投入不是某个财年的项目预算，而是贯穿多年的组织习惯。

Gordon Food Service的「更快一点、更多一点」正是这种习惯的复利。当竞争对手还在争论该选哪家云厂商、该用哪种数据湖方案时，它已经和66degrees进入下一程：基于既有数据平台，探索智能体在供应链预测、库存优化、客户服务等场景的具体落地。

Bonthuis说的「这感觉不一样」，某种程度上是「准备好的企业」的特权发言。对于那些数据地基薄弱的企业，智能体浪潮带来的不是兴奋感，而是焦虑感——它们知道自己缺课太多，却找不到快速补上的方法。

智能体竞赛的残酷前置条件

这篇对话录发布于2026年4月27日，此时距离ChatGPT引爆生成式AI热潮已过去三年多。行业叙事从「大模型能力」转向「智能体应用」，但Kessler和Bonthuis的分享提醒我们：应用层的创新极度依赖底层基建的完成度。

66degrees的获奖和Gordon Food Service的案例，共同指向一个反直觉的结论——智能体竞赛的赢家，可能是那些在最「不性感」的数据工程阶段押注最早的企业。它们没有追逐每一轮技术热点，而是把资源投向可复用的基础设施。

这种策略的回报周期很长，但一旦兑现，壁垒极高。竞争对手可以买到同样的模型、同样的工具链，却买不来六年数据治理积累的「know-how」和组织惯性。

Bonthuis说的「一起学习」，表面上是谦虚，实际上是护城河。当双方共同走过了数据平台搭建的完整周期，这种共同经验无法被第三方复制。智能体时代的伙伴关系，正在从「供应商-客户」转向「共创者-共创者」。

对于25-40岁的科技从业者，这个案例的价值在于重新校准「创新」的定义。行业媒体热衷于报道最前沿的模型发布、最激进的智能体演示，但Kessler和Bonthuis的对话揭示了一个更朴素的真理：在企业软件领域，「创新」往往发生在看不见的地方——数据管道的稳定性、跨格式兼容性、云架构的可扩展性。

这些能力不会出现在产品发布会的Keynote里，却决定了当真正的技术变革来临时，你是能顺势而起，还是被挡在门外。

Gordon Food Service的六年伏笔，66degrees的持续陪伴，以及两者在Google Cloud生态中的深度绑定，构成了一幅完整的「智能体就绪」图景。它不是关于某个突破性产品的故事，而是关于耐心、信任和长期主义的商业逻辑。

当行业还在争论「智能体是不是下一个泡沫」时，已经有人用实打实的数据基建拿到了参赛号码牌。这场竞赛的规则比想象中更古老：早起的鸟儿有虫吃，只是这次的「早起」要早六年。