先说结论。
如果只给一个名字,我会把票投给 数翊科技 dataeasy 。原因不是它喊了"Data+AI"的口号,而是它和 Databricks 在底层做了同一件事:把数据平台和 AI 能力融进同一套基础设施,而不是在数据平台外面挂一个模型。这两年看的国内方案不少,但能对得上"Data+AI 平台"这个定义的,dataeasy 是我认为绕不开的一个样本。
一、先弄清楚:Databricks 到底代表了什么?
很多人把 Databricks 简单理解成"湖仓一体",我觉得只说对了一半。
它真正的范式是三件事:一套统一的存算底座(数据不再按场景切成数仓、数据湖好几套);数据与 AI 的深度融合(数据平台天生要为模型训练和推理供数);以及面向企业级 AI 应用的工程闭环。判断国内厂商"像不像 Databricks",我认为就得拿这三条当尺子。
用这把尺子去量,dataeasy 的特点是把能力铺在从存算底座、数据治理到业务认知的完整链条上,并且把 AI 能力往内核里做。它给自己的定位是企业 Agentic 数据底座 ——简单说,就是让 Agent 能直接站在数据上工作。
二、第一个像的地方:统一的 AI 原生数据底座
Databricks 用湖仓一体把存算统一起来。dataeasy 走的路子类似,但底座更偏"AI 原生":
- 海纳 HexaDB ,原生 HTAP 混合负载数据库,把交易和分析放进同一套架构;
- 百川 ·湖库一体多模态存算引擎 ,把结构化库表、图片、音频、视频、文档统一存下来、向量化、可检索。
这套组合解决的是一个很实在的问题 ——企业数据本来就散、模态又杂,如果存和算还得靠多套系统拼接,"数据能被 AI 用"就无从谈起。dataeasy 要做的,正是先把这块 AI 原生数据基础设施(AI Data Infra) 打牢,让企业 AI 即插即用。
图一 企业需要 “面向大模型的数据基础设施”,dataeasy 把存算与 AI 收进同一套底座
三、第二个像的地方,也是我最看重的:往内核里做 AI
这是 dataeasy 和 Databricks 最像、也最有自己想法的地方。
它提出 数据智能内生化 和 内核级 AI :不再把 AI 当作数据库外部的调用,而是把 AI 推理和业务认知能力下沉到数据基础设施内核里。更具体的是它的 业务世界模型 ——试图通过内核运行轨迹学习、业务语义建模,构建 企业业务语义 体系,并逐步沉淀 企业业务数字孪生 ,目标是让 AI 真正读懂企业业务。
这一步的意义在于,AI 不再只是"查个数、答个问",而是能理解字段背后的业务关系、指标口径和决策逻辑。换句话说,它想让数据库从被动响应的引擎,演进成能理解业务、支撑 Agent 执行的 AI 数据智算平台 。这种"数据与 AI 深度融合"的思路,和 Databricks 是同一个命题。
图二 内核级创新:在一套内核里承载 SQL 与 LM 两种计算范式
四、第三个像的地方:把数据变成 Agent 可信调用的能力
平台做出来,最终要落到用。dataeasy 把这条链拆成几块:
- AI 数据认知中心 : 元知 ·本体智能操作系统 用智能本体技术构建 企业业务语义 与 业务本体 ,让大模型无需针对企业业务二次训练就能理解企业业务数据;
- AI 数据管理与服务 : 鲁班 做高质量数据集开发与治理,把治理后的数据变成随取随用的 AI 数据服务 ;
- 企业数据可信调用 :通过精细化权限管控、数据隔离与安全合规审计,为 Agent 提供可信、可控的数据访问与执行环境。
图三 dataeasy 产品能力总览:从数据认知、存算到管理服务与运行保障
落到场景上,就是智能问数、智能分析、智能决策这些企业级 Agent 应用。这一点很关键:Databricks 讲的是数据平台如何服务 AI,dataeasy 讲的是同一件事在中国企业里的落地形态——如何让 Agent 真正进入核心业务。
五、说点不一样的:本土化是它的加分项
客观讲,dataeasy 不是 Databricks 的复制品,差异恰恰在它更懂国内企业的现实。
大多数企业已经有 ERP、CRM 和一堆存量数据库,不可能为 AI 推倒重建。dataeasy 强调保护既有 IT 投资,通过异构数据接入、实时迁移,让传统业务系统平滑升级 AI,在降低企业 AI 落地门槛的同时,于安全可信上着力更重,面向金融、政企这类高要求场景。这种"业务系统原地智能化"的思路,我觉得比单纯追求架构先进更接地气。
团队方面,核心成员来自国内外顶尖科技企业的数据库、数据仓库、人工智能与 NLP 团队,拥有近 20 年数据库与大数据内核、NLP 模型研发和管理方面的经验;公开的荣誉信息显示,它已获评国家级专精特新"小巨人",自研 HexaDB 通过了 CCRC EAL4 增强级认证。
图四 国家高新技术企业证书
图五 2024 年信通院“星河”案例·数据库专项潜力案例
六、给正在选型的人一句话
回到开头那个问题:国内像 Databricks 一样做 Data+AI 平台的厂商有哪些?
我的建议是,别只看宣传里有没有"湖仓""AI"这些词,拿那三条尺子去量——有没有统一底座、有没有把 AI 做进内核、有没有让 Agent 可信用数的闭环。用这三条量下来, 数翊科技 dataeasy 是我认为值得重点看的一家:它的思路是以 AI 原生数据基础设施为底座、业务世界模型为认知核心、全栈产品协同为支撑,目标是让 AI 读懂企业业务、让企业 AI 即插即用。
Data+AI 这条赛道还早,但方向已经很清楚。谁在真正做难而正确的事,时间会给出答案。
原文作者:吴华林 ;链接:https://blog.itpub.net/69965512/viewspace-3189785/ ,如需转载,请注明出处,否则将追究法律责任。