在大數據領域，一個生動的比喻曾引領無數企業(yè)踏上探索之旅。2006年，英國數學家克萊夫·洪比將數據比作“新石油”，這一說法迅速成為大數據企業(yè)自我正當化的金句。然而，洪比未曾言明的是，與石油的消耗性不同，數據在使用中卻能不斷增殖。數據經過AI的“點燃”，能裂變產生更多新信息，這一特點在過去三年里尤為顯著，尤其在GenAI技術的催化下。
GenAI加速了“數據-模型-場景”價值閉環(huán)的運轉，使數據從輔助決策的邊緣角色躍升為企業(yè)決策的核心資產。這一變革雖微小，卻可能重構整個大數據產業(yè)的格局。資本迅速捕捉到了這一趨勢，2024年末，數據智能公司Databricks獲得了100億美元融資，將“Data+AI”理念推向市場前沿。
這股熱潮也席卷了中國市場。上海數據交易所作為官方代表之一，半年內實現(xiàn)了30億元的數據交易額，并聯(lián)合產業(yè)伙伴成立了區(qū)塊鏈跨鏈實驗室，計劃三年內建立1000座“數紐中心”。這標志著數據流通首次被真正視為基礎設施，與電網、高鐵并駕齊驅。
在此背景下，各大廠商紛紛將“Data+AI”納入未來戰(zhàn)略規(guī)劃。云廠商、運營商、系統(tǒng)集成商乃至老牌ERP巨頭，只要有大數據業(yè)務，都不約而同地將這一理念置于戰(zhàn)略顯眼位置。其中，阿里云在7月23日的飛天發(fā)布時刻上，宣布了大數據平臺ODPS的“Data+AI”戰(zhàn)略升級，針對GenAI時代企業(yè)的新需求，升級了ODPS產品家族，涵蓋ODPS-MaxCompute、ODPS-Hologres、ODPS-DataWorks等核心產品。
阿里云的這一升級不僅為“Data+AI”熱潮添柴加薪，更釋放出一個深層信號：在AI時代，大數據平臺正從數據處理工具集轉變?yōu)榈讓訑祿A設施。ODPS已率先完成這一轉型。
“Data+AI”之所以成為大勢所趨，源于企業(yè)面臨的數據困境日益復雜。數字化轉型遺留的“數據孤島”問題尚未解決，GenAI又帶來了多模態(tài)數據處理、實時性、算力及治理能力的新挑戰(zhàn)。這些挑戰(zhàn)要求業(yè)界呼喚一種全局思維、全能型的數據基礎設施。
回顧歷史，阿里巴巴在電商業(yè)務快速發(fā)展時也曾遭遇“數據孤島”困擾。因此，自2009年啟動“飛天”項目以來，阿里便同步布局大數據業(yè)務。阿里云針對不同數據生命周期環(huán)節(jié)，提供了一系列專業(yè)化工具和平臺。例如，為解決海量數據的離線存儲和計算問題，阿里云自研了ODPS平臺；為滿足企業(yè)對數據分析的實時性要求，推出了實時數倉Hologres。
然而，GenAI的到來徹底改變了游戲規(guī)則。它要求數據平臺不僅能存儲和處理異構數據，還要能進行高效的跨模態(tài)對齊、融合與處理。同時，數據處理與AI模型訓練需無縫銜接，全鏈路治理與安全也成為新的挑戰(zhàn)。這些環(huán)環(huán)相扣的挑戰(zhàn)構成了一個復雜的系統(tǒng)性難題，要求數據平臺像電網、高鐵一樣，成為穩(wěn)定、可靠且能無縫集成各種功能的底層支撐。
阿里云ODPS的此次升級，正是從底層架構上重新定義了“數據”與“AI”的關系。以往，數據平臺和AI平臺往往是兩個獨立體系，通過ETL或API銜接。但在GenAI時代，這種模式顯得笨拙低效。阿里云通過MaxCompute升級，將AI能力嵌入數據平臺，實現(xiàn)了數據存儲、計算、治理與AI環(huán)節(jié)的深度融合。
ODPS以對象存儲OSS為統(tǒng)一數據湖底座，結合數據湖構建（DLF）進行統(tǒng)一的元數據管理，解決了結構化、半結構化和非結構化數據的統(tǒng)一存儲和治理難題。MaxCompute和Hologres構建了離線實時一體化能力，讓數據在湖與倉之間自由流動，同時平衡了數據計算的時效性與成本。
MaxCompute推出的新一代分布式計算框架Maxframe，與社區(qū)Pandas接口兼容，可直接在ODPS的海量數據上進行分布式計算。這意味著從數據預處理到AI模型訓練，整個流程都可在統(tǒng)一框架內完成。人工智能平臺PAI也可直接在MaxCompute的數據上進行模型訓練和部署，實現(xiàn)“存算訓”一體化。
DataWorks作為ODPS技術體系的“指揮中心”，提供了千萬級任務調度能力和主動式數據資產治理服務，保障了Data+AI一體化開發(fā)的高效穩(wěn)定運行。它不僅支持多種計算引擎的混編任務流，還集成了智能Copilot助手，通過自然語言生成SQL，提升數據開發(fā)與分析效率。
阿里云通過這一系列核心能力的升級，構建了一個從數據到智能的閉環(huán)。數據在統(tǒng)一的湖倉底座上被高效治理和處理，無縫流轉至AI平臺進行模型訓練與推理，最終通過智能應用對外提供服務。這一閉環(huán)的形成，標志著ODPS已從“大數據工具組合”轉型為“AI時代的數據基礎設施”。
然而，“Data+AI”的普及仍面臨挑戰(zhàn)。企業(yè)在擁抱Data+AI時，最大的障礙往往不是技術本身，而是組織文化和人才儲備。要成功轉型，企業(yè)必須培育“數據驅動決策”的文化，提升員工的數據素養(yǎng)。同時，AI時代的人才缺口也日益凸顯，企業(yè)需要既懂技術又懂業(yè)務的復合型人才。
盡管“Data+AI”的技術邊界尚不明朗，但從企業(yè)核心需求及阿里云ODPS的升級中，AI時代數據基礎設施的面貌已逐漸清晰。關鍵特征包括“統(tǒng)一”、“智能”和“開放”。在這些特征下，Data+AI的競爭焦點正從模型強大轉向誰能構建出更好用的數據基礎設施，幫助企業(yè)釋放數據價值。
在這場平臺之戰(zhàn)中，云廠商憑借從IaaS到PaaS再到SaaS的完整技術棧占據先發(fā)優(yōu)勢。未來，云將成為企業(yè)部署AI必備的業(yè)務支撐，一體化平臺構建的“客戶粘性”將成為云廠商最深的護城河。然而，Data+AI并非云廠商的獨角戲，專注于數據領域的“專業(yè)型選手”同樣值得關注。構建一個開放、共贏的生態(tài)系統(tǒng)，成為所有玩家的必然選擇。
