数据产业观察日报｜数据国家队员

一、开篇暴击：今日最荒诞的一幕

今天最魔幻的场面，莫过于数据要素圈集体玩起了「猜灯谜」。

微博上传得沸沸扬扬：国家数据集团「或将近日挂牌」「或将近期挂牌」。注意这个「或」字——一条来源模糊、主体含糊、连个挂牌时间都说不准的消息，硬是被转出了新闻发布会的气势。

更讽刺的是什么？大家连这家集团到底管什么都没搞清楚，就开始畅想「统一供给高质量数据」的美好蓝图了。统一供给——这四个字听着提气，但数据这个东西，恰恰最怕「统一」。谁定义「高质量」？谁决定供给给谁？定价机制是什么？一个字没提。

传闻先飞，细节后补，情绪先行，机制靠猜。这大概是数据要素行业最熟悉的味道：政策还没落地，朋友圈的PPT已经改到第8版了。

二、最被高估的事：NVIDIA 的「零训练表格预测」

今天另一场狂欢属于 NVIDIA Structured Data Models——「零训练即可做表格预测」，MarkTechPost 一篇稿子被到处转发，仿佛表格机器学习的苦日子到头了。

冷静点。表格数据建模，和图像、文本根本不是一个物种。特征工程、业务口径、样本偏差——这些脏活才是表格任务90%的工作量，模型本身早就不是瓶颈了。XGBoost 躺在无数生产系统里十年了，靠的从来不是「先进」，而是「可控」。

「零训练」的真正卖点，是给不想理解数据的人一个幻觉：跳过数据理解、跳过特征校验、跳过业务对齐，直接出预测。隔壁 DevToData 刚发了一篇糖尿病再入院模型的文章，核心教训恰恰是：不做泄漏处理，模型指标漂亮得像假的——因为它就是假的。零训练模型在这种场景里，泄漏会以更优雅、更隐蔽的方式混进来。

准确地说：零训练适合做原型和冷启动基线，值得鼓掌；但被吹成「表格建模的终结者」，就是典型的把演示当生产。Gartner 曲线的期望巅峰，又添一位新乘客。

三、最被忽视的事：Amazon 把 DuckDB 塞进了 Aurora

今天的真·头条，几乎没人在数据要素的热闹里抬头看一眼：Amazon 收购 DuckLabs，并将 DuckDB 集成进 Amazon Aurora PostgreSQL。

这是什么级别的动作？全球最大的云厂商，把一个嵌入式分析引擎直接焊进了自家最赚钱的关系数据库产品里。信号只有一条：分析正在向数据所在地下沉。别再把数据 ETL 到另一个仓库里去分析——分析引擎自己走到数据旁边。

这对 Snowflake、Databricks 意味着什么？如果客户在 Aurora 里就能完成大部分轻量分析，那部分「必须上云数仓」的预算就从根上被砍掉了。 ClickHouse Cloud 们拼命往外拉数据，Amazon 反向操作把能力推进去。

还记得当年 PostgreSQL 靠「够用就好」蚕食专用数据库的剧本吗？现在同一剧本加上了分析引擎续集。嵌入式 OLAP 进 OLTP 库，不是功能更新，是边界重划。今天不讨论它，半年后你的采购清单会被迫讨论它。

四、最值得警惕的事：账单刺客与管道里的暗雷

两颗雷，都在你以为一切正常的时候响。

第一颗：Snowflake Dynamic Tables。有开发者直言，这玩意儿可能在管道跑完之前就先把仓库「跑破产」。声明式管道确实优雅——写个目标，系统自动维护刷新。但优雅的代价是不透明：每次刷新烧多少 credit，链路上每个依赖被触发多少次，用户根本看不见。等到月账单出来，你才明白什么叫「便利费的利息」。

第二颗：数据质量的底座比想象中烂得多。有人分析了 12,000 个现成网页爬虫，热门爬虫里每 10 个就有 1 个失败率超过 10%。而整个 Data for AI 的上游就架在这些管道上。另一头，买家开始要求「训练数据溯源」——一边是溯源被写进采购条款，一边是采集工具十次坏一次。这个剪刀差正在扩大。

顺手再记一笔技术债：有博主复盘「单连接跑全站」的反模式——并发一上来，连接排队超时，最后被误判成数据库故障。排查了三天数据库，凶手是应用侧一个连接数配置。性能问题里，数据库常年背锅， aplicación 侧常年隐身。

五、数据说话

十个现成爬虫里一个高频翻车，看起来是90%的健康率。但换个角度：你的训练数据管道但凡挂在一个坏爬虫上，上游就是百分之百的脏。这就是为什么「训练数据溯源」开始出现在采购清单上——买家不再问「你有多少数据」，而是问「你的数据从哪条管道爬来的、那条管道上周挂了几次」。

再看今天真正的格局变化：

一上一下，两股力同时收紧：云厂商把分析推进数据库，挤压数仓的增量预算；数据买家把溯源压向采集端，挤压黑箱数据的生存空间。还沉浸在「把数据搬进大仓库」旧叙事里的厂商，最好今晚就把 Dynamic Tables 的账单导出来看一眼——顺便查查自己那几个爬虫，上周有没有偷偷罢工。

金字塔的形状不会骗人：底座最宽、最烂、最便宜；塔尖最窄、最难、最值钱。行业正在从下往上补课，谁先补到塔尖，谁就拿到下一轮定价权。

（完，阅读约 8 分钟）