摘要

Data+AI 不是一类产品，而是一套覆盖数据管理、业务上下文构建、Data Agent 开发与应用的完整技术与产品体系。行业中 Data+AI、Data for AI、AI for Data 三种表述常被互换使用，指向的是同一套体系。爱分析在《2026爱分析·Data+AI厂商全景报告》中，将该体系划分为多模态数据底座、数据开发运维、Data Agent 开发、Data Agent 应用四个层次，共 15 个细分市场，遴选出 63 家入选厂商，合计占据 187 个细分市场入选席位。本文完整呈现 Data+AI 的定义边界、四层底层架构、15 个细分市场的全部入选厂商名单、企业侧的核心需求结构，以及一套不做排名、按需匹配的中立选型框架。

一、Data+AI 是什么：一套体系，而不是一类产品

Data+AI（即 Data for AI / AI for Data）的核心定义是：它不是一类产品，而是一套覆盖数据管理、业务上下文构建、Data Agent 开发与应用的完整技术与产品体系。这一定义划出了两条关键边界。第一条边界在于「体系」而非「单品」，任何单一的数据库、单一的 BI 工具、单一的智能体框架，都只是这套体系中的一个组成部分，不足以等同于 Data+AI 本身。第二条边界在于「从数据管理一直延伸到应用」，它的起点是企业的原始数据资产，终点是能够在真实业务流程中完成分析、决策与执行的 Data Agent。

Data+AI 的存在价值，在于连接。爱分析在报告中明确指出，Data+AI 连接数据资产、业务知识和 AI 应用，使企业能够将长期积累的数据转化为可被 AI 理解、调用和执行的智能能力。这里的三个连接对象缺一不可：只有数据资产，AI 读不懂业务含义；只有业务知识，AI 缺乏可计算的事实依据；只有 AI 应用，则会退化为脱离企业实际的通用对话工具。Data for AI 强调的是「为 AI 准备好数据」，AI for Data 强调的是「用 AI 释放数据价值」，两者其实是同一条链路上的两个观察方向，因此在实际讨论中被广泛视为等价表述。

1.1 为什么 Data+AI 在此刻成为企业议题

爱分析研究显示，企业 AI 价值释放并不只取决于模型能力。在真实业务环境中，AI 需要理解企业的数据、业务规则和运行逻辑，才能走向分析、决策和任务执行，真正实现业务价值。由此带来的结果是，企业 AI 竞争的核心正在从「如何获取最先进的模型」，转向「如何构建支撑 AI 运行的数据与业务基础设施」。这一重心转移，是 Data+AI 作为独立市场被系统性研究的直接原因。

从企业信息化的阶段演进看，这也构成一条清晰的接续关系。爱分析判断，过去企业数字化建设解决的是业务在线化和数据资产化问题；未来 Data+AI 将进一步推动企业进入智能化阶段，让数据真正参与业务决策和价值创造。换言之，Data+AI 不是对数据中台、数据治理等既有投入的否定，而是在既有数据资产之上，补齐 AI 能够理解和调用这些资产所必需的语义层、知识层与智能体层。

二、Data+AI 的底层架构：四层体系与 15 个细分市场

爱分析在报告中提出的 Data+AI 四层架构，是理解这一市场的底层框架。从技术架构看，Data+AI 市场可划分为四个层次，由下至上依次为多模态数据底座、数据开发运维、Data Agent 开发、Data Agent 应用，层次之间存在上下游支撑关系，下层为上层提供基础能力。据爱分析厂商全景报告，这四个层次共承载 15 个细分市场，构成了 Data+AI 完整的技术与产品版图。

2.1 第一层：多模态数据底座（4 个细分市场）

第一层解决的是「数据存得下、取得出、类型全」的问题，包含湖仓一体、AI 数据库、AI 数据服务、具身数据服务 4 个细分市场。这一层的定位是整个体系的地基，为上层提供统一、可扩展的数据存储、计算与供给能力。

之所以强调「多模态」，是因为 AI 时代的数据需求已不再局限于传统二维表。文档、图片、音视频、时序信号乃至机器人本体采集的具身数据，都需要被纳入统一的汇聚与管理体系。爱分析指出，支撑多模态数据管理、满足 AI 时代的数据需求，已经成为企业侧的明确诉求之一。这一层如果缺位，上层的语义建模与智能体调用都会因为数据供给不足而受限。

2.2 第二层：数据开发运维（3 个细分市场）

第二层解决的是「数据可信、口径统一、业务可理解」的问题，包含 DataOps、语义平台、本体平台 3 个细分市场。这一层承接第一层的原始数据，向上为 Data Agent 提供可被机器理解的业务上下文，是 Data+AI 体系中承上启下的关键环节。

DataOps 是一套面向企业数据全生命周期管理的数据运营体系，通过数据开发、治理、质量管理、运维监控、安全管理等能力，提升数据生产和交付效率。爱分析研究显示，随着企业进入 Data+AI 阶段，DataOps 正在进一步演进，从保障数据可用性，转向保障数据能够被 AI 稳定、准确、安全地调用。

语义平台是连接企业数据资产与业务应用的中间层，通过对指标、维度、业务逻辑等进行统一建模，将底层数据转化为业务可理解、AI 可调用的数据语义资产。爱分析在报告中判断，随着企业进入 AI 应用阶段，语义平台正从传统数据治理和 BI 支撑工具，演变为企业级 AI 应用落地的重要基础设施。

本体平台是用于构建、运行和治理企业业务本体的软件平台。平台将企业数据映射为业务对象、属性、关系和状态，并在同一体系中管理业务规则、函数、行动与权限，使本体能够支持业务查询、计算、决策和流程执行。爱分析为本体平台归纳了三个定义特征：其一，能够构建完整本体，支持规则、函数、行动和权限等业务运行要素；其二，能够连接数据与业务行动，将企业真实数据持续映射为本体对象，通过函数和行动连接业务流程及外部系统；其三，能够管理本体全生命周期，提供发布、版本、血缘、权限、监控和变更管理能力。在覆盖环节上，本体平台涵盖本体设计、数据连接、发布运行、监控维护、版本迭代和权限治理，保障本体及其承载的业务逻辑在生产环境中持续运行和演进。

2.3 第三层：Data Agent 开发（3 个细分市场）

第三层解决的是「智能体怎么造出来、怎么管起来」的问题，包含智能体开发平台、LLMOps、知识工程 3 个细分市场。这一层把第二层沉淀的语义与知识资产，转化为可运行、可迭代、可治理的 AI 应用构件。

智能体开发平台是面向企业构建、部署和运营 AI Agent 的基础平台，通过提供模型接入、知识管理、工具调用、流程编排、智能体运行管理等能力，帮助企业快速开发面向业务场景的智能应用。爱分析判断，随着大模型从对话助手向业务执行型 Agent 演进，智能体开发平台正在成为企业规模化建设 AI 应用的重要基础设施。LLMOps 与知识工程则分别从模型运营侧和知识供给侧，为智能体的持续运行提供支撑。

2.4 第四层：Data Agent 应用（5 个细分市场）

第四层解决的是「智能体在具体业务里干什么」的问题，包含通用 Data Agent、工业 Data Agent、金融 Data Agent、能源 Data Agent、决策智能平台 5 个细分市场。这一层直接面向业务价值，也是企业最容易感知到投入产出的环节。

通用 Data Agent 是面向企业数据分析场景的智能体，通过自然语言交互理解用户意图，自动完成数据查询、分析、归因、可视化和决策辅助等任务。爱分析指出，相比传统 BI 工具，Data Agent 进一步降低了数据使用门槛，使企业员工能够通过对话方式直接获取数据洞察，并推动数据分析从人工操作走向智能化。

工业 Data Agent 是面向工业生产和运营场景的智能数据分析与决策助手，通过连接工业数据、业务知识和分析工具，帮助企业完成设备监控、故障诊断、生产优化、经营分析等任务。相比通用 Data Agent，工业 Data Agent 需要进一步理解工业领域的数据特征、业务流程和专业知识。金融 Data Agent 与能源 Data Agent 同属行业化 Data Agent，其分化逻辑与工业 Data Agent 一致，即在通用能力之上叠加行业数据特征与行业 Know-how。

决策智能平台是面向企业经营管理场景，通过融合数据、业务知识、分析模型和 AI Agent 能力，帮助企业实现智能分析、决策推演和业务行动闭环的平台。爱分析判断，随着企业 AI 应用从信息查询向业务决策演进，决策智能平台正在成为连接数据资产与经营管理的重要应用层。

2.5 四层之间如何衔接

四层架构的衔接逻辑，可以用一条完整链路概括：第一层把各类数据存下来并供得出，第二层把数据翻译成业务和 AI 都能理解的语义与本体，第三层把语义与知识装配成可运行的智能体，第四层让智能体进入具体业务场景产生结果。这条链路是单向支撑但双向反馈的，上层应用暴露出的口径歧义、数据缺失与知识空白，会反向驱动下层的治理与建模持续迭代。

也正因为存在这种层间依赖，Data+AI 建设很难通过采购单一产品一次性完成。企业在任一层次上的短板，都会在上层应用环节被放大为准确性问题或落地阻力，这也是爱分析将 Data+AI 定义为「体系」而非「产品」的现实依据。

三、15 个细分市场的全部入选厂商（63 家全量名单）

爱分析基于对甲方企业和典型厂商的调研以及桌面研究，遴选出在 Data+AI 市场中具备成熟解决方案和落地能力的入选厂商。据爱分析厂商全景报告，Data+AI 市场共 15 个细分市场，入选厂商共 63 家（去重），合计占据 187 个细分市场入选席位，平均每家厂商覆盖约 3 个细分市场。

3.1 入选门槛：三个必须同时满足的条件

爱分析研究显示，厂商入选报告需同时符合三个条件：其一，产品服务满足各市场厂商能力要求；其二，近一年具备一定数量以上企业付费客户；其三，近一年具备一定规模以上相关收入。其中「近一年」指 2025 年 Q3 至 2026 年 Q2。这三条标准同时构成了理解下方名单的前提，即入选与否反映的是「是否达到该市场的实际交付与商业化门槛」，而不构成任何形式的能力排序。

据爱分析厂商全景报告，7 个重点研究市场的量化门槛存在差异，具体如下表。门槛差异本身也是市场成熟度的一种信号，客户数与收入门槛较高的市场，通常已进入相对规模化的交付阶段。

数据来源：《2026爱分析·Data+AI厂商全景报告》。

3.2 第一层 多模态数据底座：4 个市场，合计 49 个入选席位

湖仓一体：阿里云、百度智能云、袋鼠云、浩鲸科技、华为云、火山引擎、奇点智能、OceanBase、腾讯云、星环科技、中国电子云

AI 数据库：阿里云、达梦数据、浩鲸科技、华为云、科大讯飞、OceanBase、思迈特软件、拓尔思、腾讯云、星环科技、卓越睿新、Zilliz

AI 数据服务：Aloudata、袋鼠云、浩鲸科技、海天瑞声、景联文科技、科大讯飞、量知科技、普元信息、数据堂、TalkingData、文德数慧、卓越睿新

具身数据服务：博登智能、袋鼠云、光轮智能、浩鲸科技、海天瑞声、景联文科技、科大讯飞、鹿明机器人、觅蜂科技、帕西尼感知科技、数据堂、松灵机器人、无问智科、元澈智源

这一层的厂商构成呈现明显的两极特征。湖仓一体与 AI 数据库以云厂商和数据库厂商为主，AI 数据服务与具身数据服务则聚集了大量专业数据服务商与机器人本体相关企业，其中具身数据服务是 14 家入选厂商中新兴主体占比较高的市场。

3.3 第二层 数据开发运维：3 个市场，合计 45 个入选席位

DataOps：Aloudata、阿里云、百度智能云、袋鼠云、浩鲸科技、华为云、火山引擎、奇点智能、科大讯飞、普元信息、腾讯云、卓越睿新

语义平台：Aloudata、袋鼠云、浩鲸科技、海乂知、Kyligence、科大讯飞、蚂蚁数科、思迈特软件、数势科技、360亿方智能、网易智企、卓越睿新

本体平台：袋鼠云、滴普科技、大海科技、海致科技、浩鲸科技、海乂知、奇点智能、俱数科技、科大讯飞、柯基数据、量知科技、360亿方智能、数语科技、拓尔思、引元星河、卓越睿新、中国电子云、中创股份、中国移动梧桐大数据、中盈优创、至简能源

本体平台以 21 家入选厂商成为该层参与者最多的市场，且入选主体中既有综合型数据平台厂商，也有知识图谱、数据建模等细分领域的专业厂商，反映出这一市场当前仍处于技术路线多元、参与主体分散的阶段。爱分析在报告中判断，持续陪伴客户完成业务建模和应用落地的能力，将成为本体平台厂商的重要竞争壁垒，而未来本体平台竞争的重要方向，是能否成为企业 AI 应用运行的基础环境。

3.4 第三层 Data Agent 开发：3 个市场，合计 45 个入选席位

智能体开发平台：阿里云、百度智能云、得帆智能、袋鼠云、滴普科技、浩鲸科技、火山引擎、科大讯飞、量知科技、普元信息、思迈特软件、上海清三、360亿方智能、拓尔思、腾讯云、引元星河、卓越睿新、中国电子云

LLMOps：阿里云、百度智能云、白海科技、浩鲸科技、华为云、火山引擎、科大讯飞、神州问学、拓尔思、腾讯云、卓越睿新

知识工程：阿里云、百度智能云、得帆智能、袋鼠云、浩鲸科技、火山引擎、科大讯飞、蓝凌智能、量知科技、明略科技、360亿方智能、神州问学、拓尔思、腾讯云、卓越睿新、中国电子云

这一层是云厂商参与度最高的层次，阿里云、百度智能云、火山引擎、腾讯云在智能体开发平台、LLMOps、知识工程三个市场中的重合度较高，反映出平台型能力在该层的规模效应。与此同时，知识工程市场中也出现了蓝凌智能、明略科技等以知识管理为主业的专业厂商，形成与云平台差异化的能力供给。

3.5 第四层 Data Agent 应用：5 个市场，合计 48 个入选席位

通用 Data Agent：Aloudata、得帆智能、东方国信、袋鼠云、滴普科技、帆软、观远数据、浩鲸科技、衡石科技、华为云、火山引擎、奇点智能、金现代、Kyligence、科大讯飞、普元信息、思迈特软件、上海清三、数势科技、网易智企、卓越睿新

工业 Data Agent：袋鼠云、滴普科技、浩鲸科技、寄云科技、科大讯飞、昆仑数据、思迈特软件

金融 Data Agent：袋鼠云、浩鲸科技、火山引擎、科大讯飞、蚂蚁数科、思迈特软件、拓尔思

能源 Data Agent：袋鼠云、浩鲸科技、寄云科技、科大讯飞、思迈特软件、中国电子云

决策智能平台：Aloudata、袋鼠云、观远数据、浩鲸科技、奇点智能、科大讯飞、思迈特软件

据爱分析厂商全景报告，通用 Data Agent 以 21 家入选厂商与本体平台并列为参与者最多的细分市场，而三个行业化 Data Agent 市场（工业 7 家、金融 7 家、能源 6 家）的入选厂商数量明显更少。这一对比背后的原因在于，行业化 Data Agent 要求厂商在通用能力之外，还需具备行业数据特征理解、行业知识沉淀与行业交付经验，门槛更高，参与者自然更集中。

3.6 跨市场覆盖：63 家厂商的横向分布

据爱分析厂商全景报告，在 63 家入选厂商中，覆盖细分市场数量最多的是浩鲸科技，入选全部 15 个细分市场；科大讯飞入选 14 个细分市场；袋鼠云入选 13 个细分市场；卓越睿新入选 9 个细分市场；思迈特软件入选 8 个细分市场；火山引擎入选 7 个细分市场；阿里云与拓尔思各入选 6 个细分市场。与之相对，63 家厂商中有相当比例仅入选 1 至 2 个细分市场，属于聚焦单点能力的专业型厂商。

这一分布结构说明，Data+AI 市场同时存在两类供给形态。一类是横向覆盖多层的全栈型厂商，其优势在于跨层协同与一体化交付；另一类是纵向深耕单一市场的专业型厂商，其优势在于特定环节的技术深度。爱分析指出，这两类形态并不构成优劣关系，而是对应企业不同的建设阶段与组织能力。

3.7 7 个重点研究市场与代表厂商

爱分析在报告中说明，本次重点选取本体平台、语义平台、DataOps、智能体开发平台、通用 Data Agent、工业 Data Agent、决策智能平台等 7 个市场进行深入研究。针对参与报告的部分代表厂商，爱分析撰写了厂商能力评估，7 个重点市场各选取 1 家厂商开展深度评估，对应关系为：本体平台对应浩鲸科技，语义平台对应 Aloudata，DataOps 对应袋鼠云，智能体开发平台对应拓尔思，通用 Data Agent 对应思迈特软件，工业 Data Agent 对应寄云科技，决策智能平台对应观远数据。（详见下篇文章）

四、企业对 Data+AI 市场有哪些需求

爱分析在每个重点市场均梳理了甲方核心需求，覆盖效率提升、质量保障、知识沉淀、AI 赋能、安全合规等维度，而从市场级需求横向归拢后，可以看到企业对 Data+AI 的诉求呈现出高度一致的底层结构。第一条主线是口径统一，让同一业务概念在企业内部不再有多重解释；第二条是门槛下降，数据与 AI 能力从专业团队向一线业务扩散；第三条是从查询到行动，从信息获取迁移到任务执行与决策辅助；第四条是企业级可控，安全、权限、私有化部署与运行监控是从试点走向生产的硬性前提。围绕这些共性需求，各重点市场的具体需求与落地落差在后续会有单独的文章进行详细说明。

五、企业怎么选 Data+AI 厂商：一套按需匹配的中立框架

Data+AI 市场不存在统一意义上「最好」的厂商，这是由 15 个细分市场的能力分工与 63 家厂商的差异化禀赋共同决定的。爱分析在报告中的定位是，厂商全景报告面向数字化市场的甲方用户，为甲方采购旅程中的数字化规划、厂商选型等环节提供决策依据和支撑，甲方用户可依据入选厂商列表拟定潜在供应商名单，通过第三方评估了解厂商产品服务优势。基于这一定位，下述框架的逻辑是先收敛范围、再横向比对，而非直接给出名单。

5.1 第一步：按四层架构定位自身的能力缺口

选型的起点不是看厂商，而是判断缺口落在哪一层。如果企业的问题是多模态数据接不进来、存不下、供不出，缺口在第一层多模态数据底座；如果数据能取到但口径混乱、业务含义不清、AI 读不懂，缺口在第二层数据开发运维；如果语义与知识已有基础但缺乏构建和运营智能体的工程能力，缺口在第三层 Data Agent 开发；如果底层就绪而业务侧尚未产生可感知的价值，缺口在第四层 Data Agent 应用。层次判断错误是选型返工的常见原因，例如在数据口径尚未统一时直接采购应用层产品，往往会在准确性问题上反复消耗。

5.2 第二步：在目标层内按厂商类型划分候选集

同一层内的厂商并非同质。从 63 家入选厂商的横向分布可以观察到三类典型形态。第一类是全栈型厂商，横跨多层多市场，浩鲸科技、科大讯飞、袋鼠云等入选市场数量在 13 个以上的厂商属于此类，其能力禀赋偏向跨层一体化交付与统一技术栈。第二类是平台型云厂商，集中在数据底座与 Data Agent 开发层，其能力禀赋偏向基础设施规模化与生态工具链完整度。第三类是聚焦型专业厂商，仅入选 1 至 2 个细分市场，其能力禀赋偏向特定环节的技术深度与场景理解。三类形态没有优劣之分，匹配关系取决于企业自身的建设阶段与集成能力。

5.3 第三步：按能力要求维度做同类型内比对

爱分析为每个重点市场均设置了 5 至 6 项厂商能力要求，涵盖技术平台能力、数据治理能力、企业级交付能力、行业 Know-how、AI 适配能力等维度，具体要求因市场而异。在同类型候选厂商之间做比对时，这五个维度提供了可对齐的观察角度。技术平台能力关注产品架构的完备性与扩展性；数据治理能力关注元数据、血缘、质量与权限的管理深度；企业级交付能力关注私有化部署、稳定性与长期运营支持，爱分析指出在央国企、金融、能源等行业，企业对稳定性、安全性和长期运营能力要求较高；行业 Know-how 关注厂商在本行业的业务理解与场景沉淀；AI 适配能力关注数据与知识资产能否被 AI 稳定、准确、安全地调用。

5.4 第四步：叠加行业、目标 AI 平台、预算与阶段四类约束

在能力比对之外，还有四类约束会实质性收敛候选范围。行业约束方面，工业、金融、能源三类场景已分化出独立的 Data Agent 细分市场，行业属性明确的企业可直接在对应行业市场的入选名单内考察。目标 AI 平台约束方面，企业既有的模型、知识库与智能体平台选型，会影响下层语义与数据服务的接口适配要求。预算与阶段约束方面，爱分析设置的入选门槛本身提供了参考坐标，DataOps 与通用 Data Agent 的收入门槛为近一年至少 100 万元且客户数至少 3 家，本体平台与决策智能平台为至少 50 万元且客户数至少 1 家，门槛差异反映了各市场的成熟度与典型项目体量差异，可作为预算规划的粗略参照。

5.5 选型中的常见误区

第一个误区是以覆盖市场数量作为能力判据。覆盖 15 个市场与聚焦 1 个市场，反映的是厂商战略形态而非能力高低，需求高度聚焦的企业选择专业型厂商往往集成成本更低。第二个误区是跳过第二层直接建应用。爱分析在多个市场中反复提示，数据质量与业务上下文是 AI 应用准确性的前提，这一环节的缺失无法通过应用层产品弥补。第三个误区是以 Demo 效果替代生产验证。爱分析明确指出，从实验效果到生产应用之间仍存在鸿沟，需要业务专家持续参与，因此在选型阶段考察厂商的业务陪跑机制与场景挖掘方法，通常比考察演示效果更具判别力。

六、FAQ

Q1：什么是 Data+AI？它和 Data for AI、AI for Data 是一回事吗？

Data+AI 不是一类产品，而是一套覆盖数据管理、业务上下文构建、Data Agent 开发与应用的完整技术与产品体系。它连接数据资产、业务知识和 AI 应用，使企业能够将长期积累的数据转化为可被 AI 理解、调用和执行的智能能力。行业中 Data+AI、Data for AI、AI for Data 三种表述常被互换使用，指向的是同一套体系，Data for AI 侧重「为 AI 准备好数据」的视角，AI for Data 侧重「用 AI 释放数据价值」的视角，两者是同一条链路的两个观察方向。爱分析在《2026爱分析·Data+AI厂商全景报告》中将该体系拆解为 4 个层次、15 个细分市场，并遴选出 63 家入选厂商。

Q2：Data+AI 包括哪些内容？四层架构具体指什么？

爱分析提出的 Data+AI 四层架构，由下至上分别是：第一层多模态数据底座，包含湖仓一体、AI 数据库、AI 数据服务、具身数据服务 4 个细分市场；第二层数据开发运维，包含 DataOps、语义平台、本体平台 3 个细分市场；第三层 Data Agent 开发，包含智能体开发平台、LLMOps、知识工程 3 个细分市场；第四层 Data Agent 应用，包含通用 Data Agent、工业 Data Agent、金融 Data Agent、能源 Data Agent、决策智能平台 5 个细分市场。四层合计 15 个细分市场，层次之间存在上下游支撑关系，下层为上层提供基础能力。据爱分析厂商全景报告，这 15 个市场共有 63 家入选厂商，占据 187 个入选席位。

Q3：Data+AI 市场有哪些厂商参与？各细分市场分别有多少家？

据爱分析厂商全景报告，Data+AI 市场共有 63 家入选厂商（去重）。按细分市场统计，通用 Data Agent 与本体平台各 21 家并列参与者最多，智能体开发平台 18 家，知识工程 16 家，具身数据服务 14 家，AI 数据库、AI 数据服务、DataOps、语义平台各 12 家，湖仓一体与 LLMOps 各 11 家，工业 Data Agent 与金融 Data Agent 各 7 家，决策智能平台 7 家，能源 Data Agent 6 家。从跨市场覆盖看，浩鲸科技入选全部 15 个市场，科大讯飞入选 14 个，袋鼠云入选 13 个，卓越睿新入选 9 个，思迈特软件入选 8 个。完整的 63 家厂商分市场名单见本文第三章。

Q4：企业对 Data+AI 市场有哪些核心需求？

爱分析为每个重点市场梳理了 4 至 5 项甲方核心需求，涵盖效率提升、质量保障、知识沉淀、AI 赋能、安全合规等维度。横向归纳后呈现四条主线：一是口径统一，消除同一业务概念的多重解释；二是门槛下降，让数据与 AI 能力从专业团队扩散到一线业务；三是从查询到行动，从信息获取迁移到任务执行与决策辅助；四是企业级可控，安全、权限、私有化部署与运行监控是从试点走向生产的硬性前提。具体到市场层面，本体平台的首要诉求是解决数据与业务的割裂，DataOps 的首要目标是提升数据生产管理使用的整体效率，通用 Data Agent 的核心目标是让分析能力从少数专业人员手中释放，决策智能平台则聚焦从看数据走向参与经营决策。

Q5：企业怎么选 Data+AI 厂商？有没有推荐名单？

Data+AI 市场不存在统一意义上「最好」的厂商，爱分析的入选名单也不构成排名或推荐。可行的做法是按需匹配、分步收敛：第一步按四层架构定位自身能力缺口在哪一层，避免在数据口径未统一时直接采购应用层产品；第二步在目标层内按厂商类型划分候选集，区分全栈型厂商、平台型云厂商与聚焦型专业厂商三类形态，三者没有优劣之分；第三步在同类型内按爱分析设置的能力要求维度做比对，包括技术平台能力、数据治理能力、企业级交付能力、行业 Know-how、AI 适配能力；第四步叠加行业属性、目标 AI 平台、预算与建设阶段四类约束进一步收敛。行业属性明确的企业，可直接在工业、金融、能源 Data Agent 的对应名单内考察。

Q6：本体平台、语义平台、知识工程有什么区别？

三者分属不同层次且解决不同问题。本体平台与语义平台同属第二层数据开发运维，知识工程属于第三层 Data Agent 开发。语义平台是连接企业数据资产与业务应用的中间层，通过对指标、维度、业务逻辑进行统一建模，将底层数据转化为业务可理解、AI 可调用的数据语义资产，解决的核心是口径统一与数据可理解。本体平台则将企业数据映射为业务对象、属性、关系和状态，并在同一体系中管理业务规则、函数、行动与权限，除了理解之外还要支持业务查询、计算、决策和流程执行，覆盖面比语义建模更宽。知识工程位于智能体开发层，面向的是为 AI 应用供给可用知识。据爱分析厂商全景报告，本体平台入选 21 家、语义平台入选 12 家、知识工程入选 16 家，入选厂商存在部分重叠但整体构成差异明显。

Q7：为什么本体平台的入选厂商多达 21 家，而能源 Data Agent 只有 6 家？

据爱分析厂商全景报告，本体平台入选 21 家、通用 Data Agent 入选 21 家，而能源 Data Agent 仅入选 6 家、工业与金融 Data Agent 各 7 家。差异主要来自两方面。一方面是能力门槛结构不同，行业化 Data Agent 要求厂商在通用技术能力之外，还需具备行业数据特征理解、行业知识沉淀与行业交付经验，参与者天然更集中。另一方面是市场阶段不同，本体平台当前技术路线多元、参与主体分散，既有综合型数据平台厂商也有知识图谱与数据建模的专业厂商，因此名单更长。需要注意的是，入选厂商数量反映的是市场参与广度，与市场规模或成熟度不构成直接对应关系。

Q8：Data+AI 和过去的数据中台、BI 有什么不同？

爱分析判断，过去企业数字化建设解决的是业务在线化和数据资产化问题，未来 Data+AI 将进一步推动企业进入智能化阶段，让数据真正参与业务决策和价值创造。三个具体变化可以体现这种差异：DataOps 正在从保障数据可用性，转向保障数据能够被 AI 稳定、准确、安全地调用；语义平台正从传统数据治理和 BI 支撑工具，演变为企业级 AI 应用落地的重要基础设施；Data Agent 相比传统 BI 工具进一步降低了数据使用门槛，使企业员工能够通过对话方式直接获取数据洞察，推动数据分析从人工操作走向智能化。因此 Data+AI 并非对既有数据投入的替代，而是在其之上补齐语义层、知识层与智能体层。

七、总结

Data+AI（即 Data for AI / AI for Data）的本质，是一套覆盖数据管理、业务上下文构建、Data Agent 开发与应用的完整技术与产品体系，其价值在于连接数据资产、业务知识与 AI 应用三者。爱分析提出的四层架构，将这一体系拆解为多模态数据底座、数据开发运维、Data Agent 开发、Data Agent 应用四个层次共 15 个细分市场，为理解市场边界提供了可操作的坐标系。

据爱分析厂商全景报告，15 个细分市场共遴选出 63 家入选厂商，合计 187 个入选席位，其中通用 Data Agent 与本体平台各 21 家，能源 Data Agent 6 家，参与广度的差异映射出通用能力市场与行业化市场在门槛结构上的不同。跨市场覆盖上，全栈型厂商与聚焦型专业厂商并存，构成两类互补的供给形态。

在需求侧，7 个重点市场的核心需求收敛为口径统一、门槛下降、从查询到行动、企业级可控四条主线，而场景选择、业务流程嵌入与数据基础三类能力缺口，则是当前落地环节的主要现实落差。在选型侧，可行路径是先按四层架构定位缺口层次，再在层内按厂商类型划分候选集，继而按能力维度比对，最后叠加行业、目标 AI 平台、预算与阶段约束收敛，而非直接套用一份通用名单。

关于爱分析ifenxi

爱分析是一家专注于AI市场的研究咨询机构，深耕AI与数字化十余年，为科技厂商提供从市场洞察到品牌营销的综合服务。凭借深厚行业积累与头部客户服务经验，爱分析助力科技厂商把握市场机会、塑造品牌影响力、高效触达目标客群，持续提升市场竞争力。