7月9日，2026可信数据库发展大会（TDBC2026）在北京举行。在智算未来：AI与数据库融合发展分论坛上，数翊科技（北京）有限公司（简称"数翊科技"）CTO高波发表题为《内核范式重构：dataeasy打造原生AI数据操作系统》的主题演讲 ，围绕企业AI规模化落地面临的底层挑战，系统分享了数翊科技对AI数据基础设施演进方向的思考，及dataeasy通过内核范式重构打造原生AI数据操作系统的技术路线与行业实践。
数翊科技（北京）有限公司CTO 高波
一、 企业AI陷入"演示可用、生产难行"困局 ， 瓶颈不在模型而在数据底座
当前企业AI项目普遍呈现"冰火两重天"的局面------文档问答、内容总结类轻量化应用快速落地，但经营分析、征信风控、供应链调度、客户运营等承载业务责任的核心场景，始终难以进入规模化生产，绝大多数项目停留在样板演示阶段，无法进入真实生产链路。
数翊科技认为，真正的瓶颈并不在模型，而在企业数据底座：行业往往将AI落地难题归因于大模型参数、对话能力不足，从而持续内卷模型侧优化，却忽略了业务数据与模型之间的语义鸿沟，这三大底层痛点直接锁死企业AI价值释放：
1. 数据无业务语义，模型只会"猜SQL"
企业核心经营数据沉淀在ERP、CRM、财务系统等多套历史异构系统中，数据库仅存储无释义字段，没有相应的上下文关系、业务规则等。例如，当业务提出"华东区域利润下滑原因"这类自然语言问题，模型无法识别区域划分、利润核算标准、促销扣减逻辑，只能生硬匹配字段，极易产出口径失真、无法核验的错误结论。一旦数据出错，将直接影响预算制定、库存调度等核心经营动作，增加业务风险。
2. 传统数据栈无法适配 Agent动态需求
传统BI、数据仓库、数据库等数据体系，本质上都是围绕"预定义逻辑"构建的。报表、查询、接口、指标体系均需提前设计，能够解决的是已知问题，而不是不断出现的新问题。这意味着每增加一个业务问题，数据团队就要重新建表、开发接口、校准指标，形成持续不断的定制开发。
依赖外挂API、插件或人工维护的传统方案，也会随着业务不断扩张持续积累技术债，导致实施周期越来越长、维护成本越来越高，最终难以支撑AI时代持续演进的业务需求。
3. AI结果难验证，难以承担核心业务职责
目前大量企业AI应用采用"聊天窗口+对接大模型"模式，缺乏完整的数据权限、计算过程、审计追溯和治理体系。AI生成的分析结果无法追溯数据来源、无法验证计算依据，也无法还原业务口径。当企业进行经营复盘时，经常需要重新核数、重新验证，AI最终只能停留在辅助问答层面，难以真正进入经营分析、风险控制等核心业务场景。
二、 技术路线革新：dataeasy从内核重构AI原生数据底座
**区别于在传统数据栈外叠加AI能力的改良思路，dataeasy选择从数据内核完成底层范式重构，打造AI原生数据底座：**将推理引擎、实时批量计算、细粒度权限治理、多模态数据管理深度融合至内核层，让数据天然具备AI可读、可算、可治理属性。整套底座由三大核心技术能力深度融合构成，缺一不可：
**数据库内核技术：**HexaDB分布式HTAP数据库同时支撑高并发事务处理、实时分析及复杂经营分析，兼顾实时数据查询与海量历史数据批量运算，保障稳定、低延迟的数据服务；
**多模态数据存储与检索技术：**全域统一纳管结构化表格、非结构化文档、日志、代码、自定义业务对象等全类型数据，打通多源异构数据壁垒；
**大模型强化学习技术：**依托大模型强化学习能力持续学习企业指标体系、组织关系、客户体系、产品体系等业务对象，语义逻辑内嵌数据底层，无需大批量开发API、人工维护独立语义层与本体模型。
技术解决了实现路径，方案架构上还需要考虑整体易用性。企业AI的入口不应局限于聊天窗口，真正决定AI能否进入核心生产的，是配套的可信业务运行环境。只有把数据、业务逻辑、AI计算、模型调度、权限治理整合在同一平台，AI才能在边界可控的"业务世界"持续产生价值。
dataeasy将单次复杂业务分析拆解为分层协同、全程可追溯的标准化工程链路 ，四层架构协同完成完整业务闭环：上层业务世界智能体负责探索、规划和协作；业务世界大模型理解业务语义并生成灵光神经元；中间数据总线连接数据库、API、本地文件、系统命令和应用资源；下层业务分析决策执行把自然语言转成业务结构、执行路径和算子调用。
回到前面提到的"华东区域利润下滑原因"为例，在dataeasy中AI做出分析的完整逻辑是：通过智能体协同管理层下达指令→先识别企业统一利润核算口径→自动拆分收入、成本、费用三大核心维度→按区域、产品、渠道、客户分层拆解→联动同比、环比数据交叉校验→跨多业务数据源联合运算→输出带数据溯源、归因逻辑、优化建议的完整经营结论。
整套分层架构将AI推理过程完整工程化，每一步计算均可定位数据源、追溯运算逻辑、统一口径标准，分析能力可沉淀复用，持续拓展全新业务场景，避免Agent沦为不可控黑盒，保障企业核心业务在AI场景下的稳定可信运行。
综合技术和方案设计的完整逻辑，企业数据平台将不再是单纯的数据存算载体，而是可自主迭代、完整表征企业经营逻辑的AI原生数据底座，真正实现大模型与数据直连，"秒懂"业务、可信执行。
三、 落地实践验证：标杆场景实现业务结构性提效
本次活动上，数翊科技还带来实践案例分享，具象化展示dataeasy落地后企业IT建设、业务分析模式的颠覆性变化：
某电信运营商 借助dataeasy数据智算平台，实现了业务经营智能分析，AI可快速评估经营健康度，并精准定位流量套餐、增值业务、云服务等业务板块的经营问题，经营分析效率提升10倍以上。
此外，dataeasy方案已在金融、车联网、能源、医疗、政务、制造、消费等多个行业实现落地应用。依托统一的数据底座能力，dataeasy能够快速适配不同行业业务场景，帮助企业打通业务系统与AI之间的数据通路，构建面向AI时代的新一代数据基础设施。
最后，数翊科技给出企业选型AI项目三大判断标准，为行业提供落地参考：
**语义底层化：**AI是否原生理解企业自有业务语义，而非依靠外挂接口、人工字段匹配；
**结果可追溯：**所有分析结论完整溯源数据源、计算逻辑、权限边界，摆脱单纯依赖模型输出；
**能力可复用：**新增分析需求的边际成本持续降低，无需重复定制开发、重复搭建数据链路。
dataeasy的核心价值，是把"让AI读懂企业业务数据"这件事，从项目定制化人工劳动，转化为数据基础设施的原生底层能力。传统数据体系服务人与传统软件的时代已经落幕，下一代企业数据底座必须原生适配AI，真正支撑AI规模化落地核心业务场景，推动企业数据价值实现跨越式升级。