金蝶王禹程：数据即智能，构建AI时代的新基础设施

在日前举行的2026金蝶AI峰会——AI技术论坛上，金蝶中国AI Suite产品部联席总经理王禹程在《数据即智能：构建AI时代的新基础设施》主题演讲中，为大家分享了企业在AI时代面临的数据基础设施挑战，以及如何通过数据飞轮2.0、语义层、本体工程等技术构建面向智能体的新数据底座。

金蝶中国AI Suite产品部联席总经理王禹程

AI时代企业数据基础设施的挑战

各位朋友、各位嘉宾，下午好！今天主要围绕数据技术，分享我们在灵基的一些技术成果与方法。

现在很多企业面临AI落地困境，数据基建、数据集成仍停留在比较基础的阶段。我们发现，AI应用成功的企业，在数据质量与治理上的技术投入非常高。具体来看，挑战集中在几个方面

第一，缺乏上下文与语义：无通用语义层，多智能体系统无法有效协作，AI仅知数据不知意义。

第二，数据安全与合规风险：无法摸清数据从源头到AI输出的来龙去脉，暴露管理违规与隐私泄露漏洞。

第三，数据质量与治理缺陷：数据缺陷被AI迅速放大，传统静态治理无法满足AI实时需求。

第四，AI工程化复用效率较低：各AI用例的数据资产与管道无法跨场景复用。

第五，数据碎片化孤岛：数据分散在数十个独立系统中，AI只能访问不完整子集；存在大量的非结构化数据未能充分利用。

面对上述挑战，破局的关键在于战略性加大对底层数据基础的投入，打造统一、受治理且具备业务语义的新基础设施，用确定性的数据基建去支撑并放大AI的能力上限。

AI时代的数据飞轮

在明确了挑战之后，如何让数据更好地赋能AI，同时让AI帮助数据实现更深厚的积累？这要求我们的数据飞轮从1.0时代正式迈向2.0时代。2.0时代的核心是：数据要从结构化、非结构化变成语义化和知识化的数据，最后变成服务，让AI可感知，甚至让AI可以去记住它、沉淀为知识。

系统通过“规划-预测-执行”等一系列动作，最后产生的成果成为记忆，以及对数据本身的反馈、对Harness的反馈，再回到数据工程里形成真正的数据飞轮。让AI沉淀新的数据，同时这些新数据与治理后的旧数据一起，进一步让AI更加聪明。

AI时代的数据类新基础设施

下面介绍我们如何构建新基础设施。

底层连接连接不同的ERP系统，包括外部系统、半结构化数据、结构化数据、流式数据和第三方的API。中间层做好数据存储，包括湖仓一体、对象存储、向量存储和图数据库。基于这些存储和开发，形成动态的语义层——这是让AI理解业务、并不断进化的关键。同时提供数据服务赋能上层的智能体，当智能体产生行动后，产生的新数据又会回到数据源，完成新数据飞轮的循环。

在底层技术实现上，我们采用了Zero-Copy技术，不需要把所有数据都拉到数据湖仓，而是通过动态按需的方式构建有联邦数据的湖仓，实现近实时的缓存加速、联邦查询和数据处理。非结构化数据湖仓提供多模混合检索引擎；向量化存储主要应用于大模型；图存储则应用于本体构建。

在存储层引入了Iceberg、Parquet等技术，将大批量非结构化数据转化为大模型能够理解的结构化数据。在接入效率上，我们已适配30种异构数据源，可达到每分钟一千万行的批同步处理，以及每秒一千条的向量化速度，能够支撑千亿级别的实体图谱规模。

为了让AI准确理解业务，我们主要通过三个方面来构建动态语义层：一是元数据治理，我们本身就是元数据驱动的产品；二是语义治理，包括实际解析、业务规则、访问控制和语义校准；三是标准构建，通过数据目录、OSI语义模型、MCP协议等，根据业务复杂度与治理目标构建不同标准。

我们将结构化数据、非结构化数据以及人脑中的交互数据全面汇总，形成AI原生操作系统里的记忆、知识和产物。我们为此构建了5层认知记忆系统：出厂记忆、企业记忆、岗位记忆、个人记忆以及会话记忆。通过Nebula图存储和Redis等技术，系统能够深刻理解企业规则和用户偏好，让智能体越用越聪明。

AI时代下本体工程

在AI时代，开发模式正在发生演进。过去我们认为做好传统的ETL数据工程就足够了，但现在，我们需要慢慢转化为真正的AI辅助开发，以低代码和敏捷开发的方式做好基础数据治理，并在此之上构建金蝶AI本体工程。

真正的企业级本体工程需要实现自创建、自实现、自验证和自进化。这是一个巨量的工程，我们通过本体智能体进行意图路由与分发，并与多个子智能体（SubAgent）并行协作。具体而言：业务设计SubAgent进行业务规划，技术设计SubAgent进行签名级规划，设计评审SubAgent对业务和技术进行双阶段评审；随后，IO实现、SQL查询、nGQL（图查询）以及Python SubAgent会去验证并计算业务规则，最后通过单元测试来保证本体切实符合企业级业务规范。

在底层支持上，本体自动化的构建支持图查询、K跳查询、最短路径和全文检索等技术。每一个点代表实体，每条线代表规则和行动，这种形象化的图构建能帮助智能体更好地进行预测分析、洞察和归因分析。同时，我们会将本体能力与技能进行资产化封装，让智能体通过Skill获取本体知识，这背后依托的是金蝶三十多年的财务与供应链业务积淀。

此外，给AI的数据必须是安全的、合规的。我们在数据云中将保密体系分为四类，建立标签驱动的安全体系，帮助AI更好地理解安全规则。从智能体发出请求到结果返回，我们在认证、鉴权、限流、脱敏、加密和审计等每一个环节都做了严格管控，通过AI体系去监测数据使用的正确性。

大家今天看到的灵基是一个非常聪明的、智慧的智能体，它其实只是冰山上的一个小凸出物，在冰山之下，是我们正在建设的大量数据基础设施。只有扎实做好这些底层的数据工作，构建起AI时代的新数据类基础设施，才能真正让AI有效地赋能企业，支撑大家在各个业务领域构建专属的智能体。

谢谢大家。