数据产业观察日报｜元数据即Prompt

一、开篇暴击：今日最荒诞的一幕

今天最魔幻的一幕，不在硅谷，在A股研报里。国联民生把星环科技列为10月金股，理由是——'中国的Databricks'。

七个字，一个估值锚，齐活。这不是分析，这是贴牌。

Databricks刚GA了permission-aware的on-behalf-of-user授权应用，星环科技的真功夫在另一条赛道上。拿人家最新的PR稿当自家标的的投资逻辑，就像给国产车贴个'中国保时捷'标签就敢喊300亿市值——仿佛公司价值不取决于自己做了什么，而取决于太平洋对岸那家独角兽融了多少钱。

二级市场永远需要一个'对标物'来快速定价，这可以理解。但当'对标'替代了'分析'，当'中国的XX'成为金股理由的正文，你就该明白：研报写得越像绰号，里面的干货就越少。投资者看到的是星辰大海，数据行业的人看到的是——哦，又一个不懂行的钱要进来了。

二、最被高估的事：'Claude能写SQL了'的狂欢

Anthropic给Claude上线实时看板功能：连企业数据源、自写SQL、生成可视化。朋友圈瞬间分裂成两派——一派惊呼'分析师已死'，一派转发'AI替代不了我'。两派都问错了问题。

真正的问题，被一篇低调的技术文章一针见血地戳穿了：你的dbt描述，才是AI Agent真正的Prompt。

看明白了吗？AI连上数据库不难，难的是它知道user_status_2是什么意思、ord_amt是含税还是不含税、这张表的过滤条件为什么必须带is_deleted。这些东西从来不在数据库里，而在dbt的YAML文档里，在数据团队多年积累的元数据里。

所以'AI自助分析'的真相是：模型能力已经不是瓶颈，瓶颈是你那三年来没人维护、half是'TODO待补充'的字段描述。Claude再聪明，读到的元数据是垃圾，它写出来的SQL就是高级垃圾——而且是用图表包装的垃圾，危害更大。

真正的赢家名单里没有Anthropic，反倒是Databricks和Snowflake：它们手里的目录、血缘、权限体系，正是AI查数的'操作系统'。Databricks今天同步推的on-behalf-of-user授权，说明人家想得比'能不能查'深一层——'该不该让这个用户查'。这边还在惊叹AI会写SQL，那边已经在管SQL的户口本了。差距，就在这一层。

三、最被忽视的事：Polars 2.0砍掉了'保序'

今天热度最高的技术新闻之一，是Polars 2.0发布。但大部分转发都停在了'新版更快了'，没有人认真讨论那个真正危险的变化：joins不再保持行顺序。

这四个字翻译成人话就是：所有隐式依赖'join之后左表顺序还在'的管道，都埋了一颗雷。而这样的管道，遍地都是——做好的结果导出去给业务方核对顺序，和pandas行为对拍做回归测试，靠iloc取'第一条'当代表记录……这些代码不会报错，它们只会安静地给出错乱的结果，直到某个分析师发现报表数字'对不上'，然后数据团队花两天排查，最后发现是引擎升级了语义。

这类'语义级变更'比任何性能跑分都重要。同期还有几件事值得记一笔：Apache Doris与Fluss打通流湖统一查询，Cloudflare K2把事件流建在R2对象存储上、生产端延迟压到一秒，Grab重构柜台服务存储把P99延迟砍了50%。它们共同指向一个趋势：存储层正在大合并，流、湖、对象存储的边界被一行行拆掉。今天不关注，明年你的架构选型就会被这些'细节'重构。

四、最值得警惕的事：880万人的裸奔

丹麦国家数据库，约880万人的身份信息遭到非法访问，警方已介入。一个国家近乎全体公民的数据，就这样'被访问'了。

这不是童话王国的偶发事故，这是给所有还在喊'数据要素流通'的人的一盆冷水：流通越快，失守越快。数据不流通时，泄露靠的是U盘；数据流通后，泄露靠的是一个配置错误、一次越权查询。

巧的是，央行今天也就金融信用信息基础数据库管理办法公开征求意见。一边是国家级基础设施在补治理的课，一边是Claude们正兴冲冲地直连企业数据源。你猜企业内部的安全建设跟得上哪一个的速度？

AI直连数据的最大风险从来不是'查错数'，而是权限模型没跟上：Agent用谁的身份查？能看哪些行哪些列？查完的结果落在哪里？Databricks今天GA的on-behalf-of-user不是产品Feature，是生存必需品。而绝大多数自建分析栈的企业，连'谁能看哪张表'都还在用Excel维护。丹麦的880万，就是这个差距的代价演示。

五、数据说话

这张图说清了今天所有新闻的因果链。AI Agent是放大器：上游元数据是什么质量，下游就是什么成色——dbt文档写得稀烂，Claude生成的就不是看板，是精密包装的错误答案；权限模型没建好，它就不是生产力工具，是丹麦式泄露的企业内测版。所以别再问'模型够不够强'了，问自己两个问题：我的字段描述敢不敢给AI看？我的授权粒度敢不敢放Agent进去？两个都不敢，就先别追'AI自助分析'的风口——地基没打，楼越高塌得越响。

今日一句话总结：AI把SQL写明白了，但把'该不该查'留给了你。