AI規模化落地的關鍵：數據的“質”與“治”

隨著通用AI技術到智能體技術飛速發展，各行各業都在追尋數智化轉型，大量的AI應用被部署在企業流程當中，然而這些AI應用落地后的實際效果，遠遠沒有達到預期。

在企業部署AI應用時，通常將AI看做一項技術創新，總在某些單項應用上做基于AI的突破，而從整個企業流程的維度上看，這種提升其實微乎其微。因此，要讓AI在企業業務中發揮價值就需要讓AI實現規模化部署。

我們知道，AI規模化部署的前提，是高質量的數據能否就緒。在大模型領域也一直存在“垃圾進、垃圾出 (garbage in，garbage out)”的說法，如果沒有高質量的數據輸入，則無論多么先進的算法、多么龐大的算力都無法為大模型帶來高質量的結果。

因此，大模型的上限不取決于算法，而取決于數據能否被煉化。AI在企業中規模化落地，也與數據是否就緒息息相關。

01

AI 就緒到數據就緒

智能落地的關鍵躍遷

從數據應用的廣度來看，全國數據資源統計調查的結果顯示，2024年我國數據生產量達到41.06ZB，已占到全球數據總量的26.67%。而從數據應用的深度來看，IDC有一份研究表明：企業數據量占據我國數據總量的70%，政府、媒體、專業服務、零售、醫療、金融等行業都成為了數據應用的重點行業。

數字化的基礎是數據化，企業數字化轉型發展至今，其實可以看作是對數據價值挖掘由淺及深的過程。隨著數據應用的深度與廣度同步提升，數據之于經濟建設和企業數字化轉型的價值已不言而喻。

在AI時代，數據是AI的“燃料”，“沒有高質量的數據，就沒有高價值的AI”也已成為行業共識。

從Gartner成熟度曲線看，AI就緒數據（AI-Ready Data）攀升到炒作周期的最高點，是當前最受追捧、期望最高、討論最火熱的技術概念之一；IDC的分析報告也認為，企業正從以模型為中心轉向以數據為中心，進一步強調了數據在大模型時代的重要性；在剛剛結束的以“數據×人工智能”為主題的2025全球數據管理峰會上，郵儲銀行相關負責人也談到，郵儲銀行大模型驅動的全新數據治理范式加速成型，以數據與安全兩大底座為支撐，從模型、技術、形態、產品等方面構建起數據治理智能化服務矩陣。這些主流思想的交融，呈現出一種AI與數據雙向奔赴、相輔相成的關系。

而將數據與AI的辯證邏輯，延伸到行業，那就是唯有抓住數據所發生的變化，才能把握行業智能化發展的脈絡。因此在金融行業，我們相信“數據能力只有進入金融場景，才能真正轉化為生產力。”

有別于通用云廠商單純強調“AI Ready”，中電金信更強調高價值數據與金融場景的結合，用30年金融行業經驗構建場景化高質量金融數據集，直擊金融業務運營風控、營銷、合規的核心痛點。

02

高質量數據集的運營與治理

釋放數據價值的必由之路

去年發布的《“數據要素×”三年行動計劃》提出，“到2026年底，數據產業年均增速超過20%，數據交易規模倍增”，這意味著作為數據產業要匹配《計劃》的目標，無論從數據治理、數據挖掘還是數據運營的水平都要有所突破。

在此進程中，數據產業將經歷一場深刻的變革，其核心邏輯圍繞數據價值的釋放逐步展開，而專業高質量數據集與大模型的結合，正成為重構數據治理技術體系的關鍵驅動力。

圍繞行業場景，構建高質量的數據集將成為核心競爭力。2025年5月，國務院國資委發布首批中央企業人工智能行業高質量數據集優秀建設成果名單，中電金信金融大模型數據集成功入選“首批央企人工智能行業高質量數據集”。 中電金信已經構建了AI數據原生工廠，通過自動標注、場景數據萃取、合成數據等，讓海量數據變為高質量AI燃料。

當然，擁有了高質量的數據集，也不意味著就擁有了數據價值。數據的價值本質在于流動與應用，數據不是倉庫里的存貨，而是需要持續運營的資產，所以必須通過持續、主動的運營才是能煥發活力的寶貴資產。

客觀地說，數據運營的視角，是將數據的焦點從“管好”轉向了“用好”。數據資產運營也在通過打破數據孤島，促進多元異構數據的整合、共享與深度利用，使其真正服務于業務決策與創新。

好的數據運營平臺會讓數據價值的挖掘事半功倍。中電金信在2025全球數據管理峰會上從技術趨勢、客戶需求及產品實踐等維度展開分享。其中，中電金信源啟·多模態管理（知數）平臺，一舉打破“單一模型解決單一問題”的舊模式，實現以統一的技術架構和相近的數據處理流程，對非結構化數據進行加工，具備將所有數據納入容易管理的條件，能夠快速接入非結構化資產，建立統一的數據體系，幫助企業快速構建全域數據資產知識庫。

而要實現從數據到數據資產的躍遷，堅實的數據治理體系是不可或缺的前提。沒有數據治理體系作為保障，數據不但不能轉變為企業資產，還很容易讓企業陷入“數據沼澤”的陷阱。

金融行業的監管和合規極其嚴格，對數據治理的要求本就很高。但仍要清晰的認識到，金融數據治理的終極目標，絕非僅僅為了滿足監管要求，更深層次的價值是在于驅動業務經營。

在數據治理方面，中電金信新升級的源啟·數據資產平臺，可以幫助企業全面提升智能化能力，協助企業重構數據治理體系。通過對數據標準、質量、安全的全方位管控，為數據的可信、可用奠定基石，從而讓數據能夠精準地賦能風險管理、客戶洞察、產品創新等核心業務環節。

不難總結，當高質量數據集成為大模型價值釋放的引擎，數據資產運營就是實現數據價值的必然路徑，而數據治理則是這一切得以實現的堅實基礎。

03

數據工程的全局進化

支撐數據要素化戰略落地

事實上，智能時代所面臨的數據課題，早已不是某個環節或局部的優化，而是一場貫穿數據全鏈條的變革。也不僅僅是數據運營視角的轉換，更是整個運營模式的重塑，覆蓋了技術研發、數據治理、業務運營、場景應用乃至產業生態構建的每一個層面，是一場全局性的進化。

這場進化對數據工程的各個環節提出了全新的要求。AI時代正在重塑數據工程的全鏈條。金融機構應構建治理與AI的雙向賦能機制，通過場景測試、模型效果評估、事后運營與安全審計等手段，降低大模型的不確定性，實現在無人工干預下的數據系統自我驅動與可信自治。這一觀點清晰地表明，未來的數據體系必須是智能、閉環且可信的。

在這一背景下，傳統的“工具賦能”模式已難以滿足 AI時代的開發需求，“智能體驅動”正成為新的發展方向。源啟·Gien-DBrain正是順應這一趨勢，打破了以往數據開發的固有范式，通過智能體的深度參與，通過“智能體執行，人類審核”的方式：內置了行業專家經驗的AI智能體（Agent）自主完成需求澄清、模型設計、代碼開發與測試驗證，人類角色轉變為審核者、決策者和賦能者。同時，數據平臺從“功能集合”演進為“專家網絡”，從根本上提升了數據開發的效率與質量，為后續的數據應用奠定了堅實基礎。

智能應用作為數據價值釋放的關鍵環節，其準確性直接決定了智能能否真正落地可用。源啟·ChatBI在這一領域實現了重要突破，將問數準確提升到95%以上，讓用戶在與系統交互獲取數據信息時，能夠得到更可靠、更精準的結果，這不僅降低了智能應用的使用門檻，更讓數據智能真正融入到實際業務場景中，為決策提供有力支撐。

最后，數據的價值釋放從來不是一家企業能夠獨立完成的，它需要整個產業的共同參與和協同發展。中電金信深刻認識到這一點，不僅自身積極構建數據集，還聯合13家企業共同簽署“央國企金融數據產業共同體倡議書”，推動行業建立可信共享機制，讓數據要素釋放更大合力，為金融行業乃至整個數據產業的發展注入新的動力。

從宏觀的視角來看，數據要素化已成為國家層面的重要戰略方向，它不僅是推動數字經濟發展的核心引擎，更是實現經濟高質量發展的關鍵支撐。在此意義上，無論是源啟數據系列產品在技術層面的持續突破，還是中電金信在產業協同方面的積極探索，都是對數據要素化戰略的有力回應與實踐！