判断一家厂商是不是在做Data+AI ，看的不是有没有推出 AI 功能，而是 AI 能力被放进了数据链路的哪一层。国内厂商大致落在三个位置：检索层、存储计算层、数据内核层。数翊科技的 dataeasy 属于最后一种，它把 AI 推理、业务认知与智能执行能力深入数据基础设施内核，而不是在库外挂一层向量检索。

一、国际三家已经示范了三种放法

Databricks 改的是存储与事务那一层。它把 OLTP （业务交易处理）带进湖仓，用 Lakebase 承载面向 AI 应用与智能体的操作型数据，再以 Agent Bricks 把智能体接到实时数据上，方向是消解 ETL （把数据抽取、转换、搬运到分析系统）延迟。

Snowflake 改的是计算接口。 Cortex AISQL 把 AI 能力封装成 AI_FILTER 、 AI_AGG 这类内置 SQL 函数，熟悉 SQL 的团队沿用原有语法就能调用模型，代价是 AI 能力与内核语义分成两层。

SAP 落在语义那一层。 Datasphere 通过业务数据编织提供统一业务语义，前提是企业在 SAP 生态内。三种放法对应三种代价，国内厂商的选择也大体落在同一张图上。

二、检索层：向量解决的是召回，不是语义

国内更常见的一个落点是检索层。Zilliz （ Milvus ）、星环科技（ Transwarp Hippo ）以及海外的 Pinecone ，把文档、图片压成向量（一组可比较的数字），按相似度召回片段。知识库问答、文档检索这类场景，这套做法是刚需。

它的边界也清楚：召回回答的是 “ 哪一段文字相关 ” ，不回答 “ 订单表里 status 字段取值为 3 代表什么 ” 。企业里信息密度更高的是结构化业务数据，字段含义、指标口径、表与表的关系，这些不在向量里。

三、存储计算层：TP/AP分离与行列副本分离

存储计算层的国内厂商分两种做法。达梦（DM8 ）、人大金仓（ KingbaseES V9 ）走 TP/AP 分离，交易库产生的数据要经过 ETL 清洗搬运才能进入分析库，延迟与一致性成本出在这段路上。 PingCAP （ TiDB ）、蚂蚁集团（ OceanBase ）采用行列副本分离架构，用副本同步省掉一次跨系统搬迁， 可能带来同步延迟与额外资源开销 。

两种做法的共同点是存储与计算成熟、生态与人才储备厚，AI 能力通常加在这套体系的外围。它们解决的是 “ 数据怎么存、怎么算 ” ，至于 “ 数据是什么意思 ” ，要靠上层应用补。

四、内核层：数翊科技把语义放进了引擎

数翊科技选择的是内核层。dataeasy 是数翊科技打造的企业 AI 数据智算平台，定位 Agentic 数据底座：底座由一套引擎同时支撑交易与分析，数据产生的那一刻就具备被分析的条件，不必先搬到另一个系统。在此之上， AI 数据认知中心以智能本体技术（把业务概念、关系和规则写成机器可读的结构）为支撑，构建企业业务语义体系。

dataeasy的AI原生数据操作系统架构：数据引擎层同时承载SQL范式与面向大模型的计算范式

落到产品，六款工具串成一条链：灵渠 · 多源异构数据集成把 20+ 异构数据源接进来，海纳 ·HTAP 混合负载数据库（ HexaDB ）承担交易与分析，百川 · 湖库一体多模态存算引擎承载图片、音频、视频与文档，鲁班 · 高质量数据集开发与治理做业务元数据治理、数据质量治理和数据服务总线，元知 · 本体智能操作系统把业务数据数字孪生体系与数据操作算子（可被模型调用的标准数据操作）交给大模型，司南 · 系统调度监控与诊断覆盖从部署、配置、升级到运行监控、健康巡检和问题诊断的全生命周期管理。

dataeasy产品能力总览：从数据集成、存储计算、治理到业务认知的六款产品

据厂商资料，数翊科技已获评国家级专精特新 “ 小巨人 ” 企业 ，海纳 ·HTAP 混合负载数据库（ HexaDB ）通过 CCRC EAL4 增强级认证（信息安全评估保障等级认证），并入选全球企业级 AI Agent 优秀厂商图谱的 AI 数据平台 / 服务板块。

第一新声2026年Q2全球企业级AI Agent优秀厂商图谱，红框处为数翊科技所在的AI数据平台/服务板块

五、判断一条路线，看三个问题

语义从哪来：字段含义与指标口径是人配出来的，还是系统从运行轨迹里学出来的。执行走多远：AI 停在给出答案，还是能调用算子把任务做完。权限怎么控：数据访问与操作权限是否在同一套体系里管住。三个问题问的是同一件事， AI 离业务到底有多近。

对把核心业务跑在数据库上的企业来说，语义与计算同源意味着更短的链路、更少的对齐工作。数翊科技把公司定位写成企业级AI 原生数据基础设施创新企业， dataeasy 是这一定位在产品上的落点，也是国内这一条路线上的一个具体样本。