6月27日，腾讯云与Gartner联合发布《Data+AI 下一代数智平台建设指南》，深度剖析生成式AI时代企业数据管理痛点，明确构建下一代数据智能平台需重点发展的六大关键能力方向，并全景展示腾讯云Data+AI产品矩阵，为企业提供应对挑战的一体化解决方案。
报告指出，AI时代企业竞争焦点正从 “模型竞争” 转向 “高价值数据资产竞争”—— 数据质量已成为 AI发展的核心瓶颈，企业亟需构建系统性数据工程能力，通过持续迭代优化数据而非频繁调整模型来释放AI潜能。
报告认为，传统数据平台在应对生成式AI需求时面临显著挑战：大量非结构化数据沉睡、数据与AI开发割裂导致落地周期长、批处理难以满足实时场景需求、跨部门数据标准不一引发治理困境与合规风险，以及业务人员获取数据高度依赖 IT 导致响应迟缓。
Gartner研究表明，为其生成式人工智能 (GenAI) 应用程序部署检索增强生成 (RAG) 管道的组织需要访问非结构化数据，而非结构化数据占当今组织数据的70%到90%。预测到2027年，专注于多结构化数据管理的IT支出将占数据管理技术和服务总IT支出的40%。
为此，报告提出企业需构建Data+AI双轮驱动的一体化平台，其关键能力包括Data与AI技术的可组装性、端到端全生命周期开发与业务集成、多模态数据处理与增强、统一元数据驱动的治理与合规等。
其中，数据与AI技术的可组装性成为核心能力。面对大模型每3-5个月的迭代周期及向量检索、湖仓一体等技术的快速演进，企业需构建 “可插拔” 架构。
同时，端到端全生命周期管理成为标配，开发需覆盖数据处理、模型构建到业务集成全流程，如金融行业通过实时数据管道整合多源数据，实现风险模型快速迭代，将合规响应时间从月级压缩至小时级。
多模态数据处理能力则决定价值上限，AI应用需融合结构化与非结构化数据，将文本、图像、视频等转化为 “智能燃料”，零售企业通过整合线上线下多模态数据构建360度客户画像，推动精准营销效率提升30%以上。
此外，引入Agentic Analytics可实现智能自动化决策，例如通过AI代理识别并修复脏数据、动态追踪数据血缘。
要实现Data+AI真正在企业落地，关键在于实现企业数据与大模型的深度结合——向量数据库正是大模型访问企业数据的「必备方案」，大模型+向量数据库也成为了企业落地AI应用的「最佳搭档」。
通过将企业内部的结构化和非结构化数据转为向量并存储于向量数据库中，即可构建企业内部的数据枢纽，不仅突破了传统检索的鸿沟，更构建起连接多源异构数据与AI应用的智能桥梁，成为推动下一代搜索技术演进的最佳实践，实现到对企业搜索、智能推荐等应用系统进行全面升级，并结合大模型LLM的能力，实现效率、用户体验等方面质的飞跃。
腾讯云致力于通过Data+AI技术深度融合，为企业构建高效智能的企业级基础设施。其Data+AI能力以数据管理为核心，整合AI算力、数据存储分析、数据治理、安全管理及AI模型训练与实时决策等产品服务，提供从数据接入到智能应用的端到端解决方案。