一、演进背景：数据治理的范式转移

2025年被业界公认为Agent智能体的元年。同年，Gartner将“数据与分析治理平台”作为独立魔力象限发布，标志着数据治理从分散工具走向统一平台化时代。数据显示，2025年具备AI能力的数据治理平台市场占比已超70%。

这一轮变革的核心驱动来自两个层面：

• 规模压力 ：企业数据规模与复杂度已超出人工维护边界

• 技术突破 ：大模型推理成本两年下降280倍，硬件成本每年降低约30%

正是在这一背景下，企业级智能数据开发治理平台经历了从 Copilot（副驾驶）  到  DataAgent（自动驾驶）  的范式跃迁。

二、核心对比：Copilot vs DataAgent

Copilot的核心价值在于 提升个人操作效率 ，而DataAgent则更进一步——让例行数据工作 自动运作 。正如业界总结：Copilot是“会问”“会写”，DataAgent是真正“会做”。

三、技术演进的三阶段

以DataWorks Data Agent为典型，企业数据智能体经历了清晰的 三阶段演进 ：

第一阶段：Copilot辅助模式

• 工具辅助完成SQL补全、代码生成等操作

• 人始终是主导方，效率提升约30%-35%

第二阶段：人机协同模式

• Agent逐步取代传统GUI操作

• 效率提升幅度30%-100%不等，当前多数平台所处阶段

第三阶段：AI自主驱动模式

• 人仅委派任务，AI自主编排执行

• 人做结果检查与最终决策，效率提升可达十倍甚至百倍

四、核心技术架构

企业级DataAgent的架构通常采用 分层设计 ：

┌─────────────────────────────────────────────┐
│              用户交互层                       │
│     CLI / IDE / IM（钉钉/飞书/企微）          │
├─────────────────────────────────────────────┤
│            DataAgent 智能体层                 │
│  意图理解 → 任务拆解 → 工具调用编排           │
├─────────────────────────────────────────────┤
│            统一元数据平台                     │
│  数据资产 / Schema / 血缘 / 权限边界          │
├─────────────────────────────────────────────┤
│          指标语义层 / 查询引擎                │
│        核心业务口径 / 实际计算执行            │
└─────────────────────────────────────────────┘

关键设计要点 ：

1. 双引擎架构 ：以DataWorks为例，采用CLI模式（复杂任务处理）+ Claw模式（突发问题响应），共享统一运行时内核

2. 四类专业Agent ：数据开发Agent、数据治理Agent、数据分析Agent（ChatBI）、运维诊断Agent，覆盖数据全链路

3. MCP协议支撑 ：Anthropic发布的Model Context Protocol（MCP）作为AI与数据系统之间的标准化通信协议，使Agent能够实现智能工具调用和上下文感知

五、行业实践

5.1 实在Agent（实在智能）

实在智能的Agent产品以 API + GUI 双轨自动化 为核心差异化——优先调用系统API，当老旧系统无接口时自动切换至屏幕语义理解路径（ISSUT技术），像人一样“看懂”界面并操作。这一设计使其能打通大量缺乏API的企业遗留系统（如ERP、MES）。

• 社区版 ：个人用户免费下载，支持多模型（DeepSeek/豆包/千问/TARS）、内置30+技能和智能体市场，适合个人办公自动化

• 企业版 ：提供信创全栈适配（国产芯片/数据库/中间件）、SaaS+私有化双部署、与华为联合发布的一体机交付方案。拥有信通院最高5级评级、国家网信办双备案等资质。

• 典型场景 ：制造业/跨境电商/能源/医药等行业中，跨多个老旧系统的数据搬运、财务对账、客户信息整合等重复性工作

5.2 阿里云 DataWorks Data Agent

覆盖数据集成、开发、运维、治理、分析全链路，通过自然语言完成复杂数据开发任务。已助力淘宝闪购将数据开发周期从天级缩短至分钟级。

5.3 腾讯云 WeData + TBDS

采用“多模湖仓平台 + WeData数智开发治理平台 + DataAgent数据智能即服务”三位一体架构。WeData融合DataOps与MLOps，提供一体化CI/CD管线。

5.4 京东云 JoyAgent 3.0

集成自编码、多模态RAG与DataAgent能力。已开源DataAgent与DCP数据治理模块，集成数据治理DGP协议及智能问数能力的开源项目。

六、落地关键挑战

企业级DataAgent的落地需关注四大核心问题：

核心经验在于： DataAgent的难点不在于接入大模型，而在于将模型能力嵌入已有的数据治理、权限管理和工程运维体系中 。

七、未来展望

从Copilot到DataAgent的演进，本质上是数据开发治理从 “人操作工具”  走向  “Agent替人干活”  的范式跃迁。未来的数据平台，将从面向工程师的“开发工具”升级为面向业务和AI的“数据操作系统”。

据IDC预测，到2027年，80%的AI Agent将需要访问实时、与上下文相关的数据。这意味着数据治理将从“被动响应”走向“主动预防”，从“人工判断”走向“智能决策”。对企业的启示是： 谁能率先将数据规范、领域知识与最佳实践系统性注入智能体的演进闭环，谁就能在新一轮竞争中占据先机 。