都在等Agent落地，数据底座先变了

都在等Agent落地，数据底座先变了

Agent还在学走路，喂它的数据底座已经开始换骨头了。

过去一年，几乎所有关于AI应用的讨论都聚在模型和应用层，数据基础设施像个沉默的配角。但最近几条线索拼在一起，画风变了：阿里云公开阐述了Agent时代数据基础设施的完整链路构想，从采集接入一路讲到语义本体；Apache Doris的5.0预览版直接把「全模态湖仓+Agent场景」写进了定位；大洋彼岸的NetApp则宣称，企业存储正在变成「AI的记忆」。三条线索指向同一个判断：数据底座的范式切换，先于Agent的大规模落地发生了。

🔄 链路被重画：从六段管道到一个闭环

老数据链路是给人用的，新链路是给Agent用的——这是根本分水岭。

阿里云这次的阐述，最有价值的不是单个产品，而是把Agent时代的数据链路完整画了出来：从采集与接入，到清洗与转换，到存储与治理，再到数据语义，最后交付给Agent消费。每一环都对应一个明确的产品落点——OpenLake全模态湖仓负责「一份数据多引擎平权计算」，Agent-Ready数据管线负责清洗转换，ApsaraLakebase湖库同源负责存储治理，业务语义本体加知识图谱负责最后那层「数据语义」。

注意最后那个闭环。传统数据链路是单向的：数据进来、加工、出报表，人看完就结束了。而Agent时代，Agent消费数据的产出——包括它犯的错、缺的上下文——会反过来驱动数据的再采集和再治理。数据流从「管道」变成了「循环」。

这个链路画法的产业含义很直白：未来衡量一个数据平台是否合格，标准不再是「报表出得快不快」，而是「Agent好不好用」。 数据能不能被Agent理解、检索、校验，成了新的准入门槛。

🧱 一份数据多引擎平权：全模态湖仓的算盘

「一份数据、多引擎平权」这八个字，是这轮底座重构的技术核心。

Apache Doris 5.0预览版的路线和OpenLake的思路高度共振：开放格式集成、Variant多模态类型、向量分析，再往上叠加实时分析能力。翻译成人话就是——过去企业里文本归文本、表格归表格、向量归向量、时序归时序，每类数据一套存储、一套引擎、一套运维，数据在系统间来回搬运。

全模态湖仓要解决的就是这件事：数据只存一份，裸存在开放格式上，分析引擎按需接入。结构化表、半结构化日志、非结构化文档、向量，都在同一个湖里，用统一接口计算。Doris把它包装成「统一多模态湖仓的实时分析」，阿里云把它包装成「全模态湖仓」，说法不同，骨架一样。

为什么非要平权？因为Agent的工作负载根本没法预判。一个Agent这一秒在做精确聚合查询，下一秒在做向量召回，再下一秒要读一份PDF的原始文本。如果数据散在五套系统里，Agent的每个动作都是一次跨系统集成——延迟、成本、一致性全是灾难。平权不是技术审美，是Agent工作负载逼出来的工程刚需。

据多位接近厂商的从业者私下聊，这块的真正壁垒不在存储层，而在元数据和权限层——多引擎平权的前提是治理平权，谁的统一权限和血缘做得深，谁才有资格谈平权。

🗺️ 竞争地图：谁在领跑，谁在吃存量

底座赛道的老玩家们，站的位置差距比想象中大。

把这轮玩家放到一张图上看，格局相当清晰。横轴是开放度（是否拥抱开放格式、开放生态），纵轴是Agent场景适配度（是否为AI工作负载重构过）。

两个象限最值得琢磨。右上的「领跑者」集中在开源基因浓厚的引擎，Apache Doris这类项目从开放格式出发做Agent场景，转身成本低；阿里云用云上全栈把适配度做得很高，但封闭体系意味着用户要押注生态。左下角的「存量玩家」最尴尬：传统MPP数仓和企业级NAS，既没拥抱开放格式，也没为AI负载重构过，只能靠存量合同续命。

NetApp的位置是个有意思的样本——它没有全面重构底座，而是换了个叙事：存储即AI记忆。随着开源权重模型性能逼近闭源前沿模型，企业可以在自有硬件上跑私有AI，那些原本躺在存储里的存量数据一夜之间从「冷数据」变成了「AI的原材料」。NetApp不需要变成湖仓厂商，只需要把自己重新定义为「私有AI的记忆体」，存量生意就有了第二增长曲线。

冰山图看得很清楚：大家看到的都是水面上的模型，但决定胜负的都在水下——存量数据的规模、治理的深度、格式的开放度，这才是私有AI时代真正难抄的作业。

🤖 管线的下一课：从人搭到Agent自己搭

Agent-Ready管线最激进的一点，是它假设未来的ETL由Agent自己写。

阿里云链路里第二环的表述是「Agent-Ready数据管线：从人构建到Agent自主构建」。这句话的分量被很多人低估了。过去二十年，数据工程师的核心工作就是写清洗转换逻辑、维护调度任务，管线是人知识的固化。而Agent自主构建管线，意味着数据平台要把「意图」直接翻译成「数据加工」——业务方说一句「我要每天对比各渠道转化率」，管线自己长出来。

这里有个必须泼的冷水：Agent自主构建不等于Agent自主上线。 没有语义校验、血缘追踪和一键回滚的自主管线，在生产环境里就是定时炸弹。所以Agent-Ready管线的真功夫不在「生成」环节，而在「校验和兜底」环节——这恰恰是治理能力强的平台厂商的机会。据业内交流中的说法，不少团队在试点「Agent生成、人工审批、灰度运行」的三段式流程，先在报表类低风险场景跑通，再逐步放开。

对从业者来说，这轮变化的职业影响很直接：数据工程师的稀缺技能会从「会写转化逻辑」迁移到「能定义语义、能评审Agent产出」。门槛没消失，只是换了个楼层。

🧠 语义层：从记忆到可控知识的最后一跃

Agent能不能被信任，取决于它的知识是不是可控的。

阿里云链路的最后一环说得最克制也最关键：「业务语义本体+知识图谱，从记忆到知识是可控的」。前面所有环节——湖仓、管线、存储——本质上都是在解决「记忆」问题：数据放得下、放得起、醒得快。但Agent要做的决策，光有记忆不够，还得有结构化的知识：这张表的口径是什么？这个指标和那个指标是什么关系？哪些数据可以用于哪些决策？

这正是知识图谱在Agent时代翻红的原因。向量检索解决「找到相似的」，语义本体解决「找到对的」。一个企业级Agent如果只靠向量召回，它会自信地用去年的口径算今年的数；如果背后有一层语义本体约束，它的每个回答都能追溯到被授权的、口径明确的业务定义。可控，是Agent进入企业核心流程的入场券。

小结

应用层还在卷Prompt，底座层的仗已经开打了。

阿里云画链路、Doris做全模态湖仓、NetApp讲AI记忆，三家动作背后是同一个判断：Agent的规模落地，卡点不在模型，在数据基础设施——放不放得下、醒不醒得快、可不可控。未来两三年，判断一个数据平台是否过时的标准会变得非常朴素：它能不能让Agent安全、高效、可追溯地用上企业数据。底座的范式切换已经启动，这次不是概念先行，是Agent的工作负载在倒逼。