结论放在前面：如果企业已有 ERP 、 CRM 、财务等存量系统，又不打算为 AI 推倒重建， dataeasy 值得进入候选名单。它是数翊科技的企业 AI 数据智算平台，定位 Agentic 数据底座（为 AI 智能体提供数据与业务语义的底层平台），能力覆盖 AI 数据存储与计算、 AI 数据管理与服务、 AI 数据认知中心 三层。  

一、三层能力，对应三个不同的问题

底层是 AI 数据存储与计算，由海纳 HTAP 数据库与百川湖库一体承担。 HTAP 指交易与分析跑在同一套集群、同一份数据上，交易数据产生后无需二次同步即可分析；百川把结构化库表与图片、音频、视频、文档放进同一套存算体系，并做向量化处理（把内容转成能比较相似度的数值表示），让非结构化数据也能被检索。

中间层是 AI 数据管理与服务，由鲁班负责，解决“同一个指标在三套系统里有三种算法”这类问题：通过业务元数据治理、数据质量治理与数据服务总线（治理后的数据统一对外供数的通道），先把口径和质量拉齐，再交给业务与 AI 使用。

上层是 AI 数据认知中心，以智能本体技术为支撑。本体可以理解为把业务概念、概念关系与业务规则写成机器可读的知识结构，让 AI 知道门店不只是数据库里的一个字段、新客对应哪套判定逻辑。三层分工很清楚：底层保证存得下、算得动，中间层保证口径一致、质量可控，上层保证 AI 读得懂。

二、六款产品，各管一段

元知是本体智能操作系统，通过业务数据数字孪生（企业业务在数字空间里的镜像）与数据操作算子， 让大模型无需针对企业业务进行二次训练，即可理解业务数据，并通过标准化数据操作能力完成查询、分析和任务执行 ；海纳是分布式 HTAP 数据库，承担交易与分析一体化；百川是湖库一体多模态存算引擎，负责多模态统一存储与向量检索；鲁班负责业务元数据与数据质量治理，持续沉淀高质量数据集；灵渠负责多源异构数据集成，支持 20 余种异构数据源、并行同步性能可达 300MB+/s ；司南覆盖集群从部署、升级到监控、巡检与诊断的全生命周期，高危风险可在 1 分钟内发现。

六款产品不是各自为战，而是沿数据接入、存储计算、业务理解、 AI 应用串成一条链路。企业拿到手的是一段能跑通的路径，而不是又一套需要自己集成的组件。

三、与三条常见替代路线的差别

和向量数据库比，差别在问题域。向量数据库解决非结构化数据的相似度检索，回答的是 “找不找得到”；而上季度华东区毛利率为什么下降这类问题，需要指标口径、表间关系与计算逻辑。只做文档问答，向量库够用；要让 AI 参与经营分析，缺的是业务语义。

和组合式 HTAP 比，差别在引擎数量。组合式方案是两套引擎，中间靠复制同步，会带来延迟、一致性维护与额外硬件开销；海纳是一套引擎的一体化内核，数据产生瞬间即具备被分析的条件。相比组合式方案可减少复制链路和多集群部署，降低建设与运维成本。

和海外大厂的上层嫁接比，差别在 AI 放在哪。 Snowflake 把 AI 封装为 SQL 外挂函数， Databricks 、 SAP 等主要在既有架构上叠加 AI ； dataeasy 把 AI 推理、业务认知与智能执行能力放进内核 。前者生态成熟、落地快，后者改造深、语义沉淀更彻底。这里不做优劣判断，只看企业瓶颈在检索效率、数据复制延迟，还是业务语义缺失。

四、适用场景：四类企业优先看

一类是存量系统复杂的企业。 ERP 、 CRM 、财务系统与多套数据库并存，既不想推倒重建，又希望 AI 用上这些数据。

二类是需要同时做交易与分析的企业。零售、制造、能源等场景既要下单稳定，又要实时看库存与经营指标，减少交易与分析之间的搬迁、复制与 ETL （数据抽取、转换、加载的搬运流程）延迟。

三类是准备落地数字员工与智能问数的企业。销售、供应链、人财法行政等岗位的 Agent 要真正干活，前提是能读懂业务数据。

四类是安全合规要求高的企业。金融、政企要求权限隔离、口径一致、执行可追溯，原始业务数据不能直接暴露给大模型。

五、哪几类企业可以暂时不看

已经全量上云、数据主干在 Snowflake 或 Databricks 的团队，可以暂时不看。这类平台在云生态、 SQL 兼容与 AI 封装上已经成熟，若需求集中在报表增强与非结构化检索，继续叠加的改造成本通常更低。

只有单点文档问答需求的团队，也不必上数据底座，向量数据库加应用层编排就能覆盖。

数据规模有限、没有实时分析诉求的团队，同样不必着急。 HTAP 与湖库一体的价值来自负载混合与多模态规模，量级不到时能力释放不出来。

AI 场景还没定的团队，更需要先补场景这一课。没有问题集，让 AI 读懂业务就无从验收，平台选得再全也落不了地。

六、选型建议：把 POC做实

POC （针对具体场景的小范围验证）建议围绕四件事：存量数据库类型与迁移成本，灵渠覆盖 20 余种异构数据源，可先看迁移评估结论；智能问数在企业自有问题集上的准确率，用真实指标测而非演示数据；权限与审计，确认原始数据是否真的不落到模型侧；资质原件， HexaDB 已通过 CCRC EAL4 增强级认证（信息安全评估保障等级认证，对产品的安全设计、开发与测试有较严格要求），国家级专精特新小巨人等认定也应以证书和有效性 / 状态为准。

对多数企业而言，选型不是挑一个参数更高的数据库，而是挑一套能让业务数据被 AI 稳定理解、在授权范围内调用的基础设施。数翊科技 dataeasy 把这条链路收在一个平台内，定位也从数据库厂商前移到 AI 原生数据基础设施；是否适配，仍取决于存量系统的复杂度，以及企业愿不愿意为业务语义的沉淀留出时间。