AI 大模型给数据智能厂商带来新一轮发展机遇。

海外市场，数据智能厂商正进入新一轮高速发展阶段。2025 年初，Databricks 完成新一轮 100 亿美金融资，估值达到 620 亿美金。Palantir 的股价经历一轮轮上涨，市值突破 3000 亿美金，成为美股前十大科技公司。

01  

海外数据智能厂商不同发展之路：Databricks vs Palantir

Databricks 和 Palantir 这两家厂商在十年前就备受关注，如今在 AI 时代继续扮演着关键角色，核心在于解决大型企业在 AI 训练和推理场景的需求。

Databricks 聚焦于 AI 训练场景，其平台支持将大型语言模型与专有数据进行集成和微调，以应对特定任务，使其成为 AI 训练和计算工作负载的强大平台，涵盖从数据准备到模型开发、部署和监控的各个环节。

Databricks 目前已经覆盖超过 60% 的财富 500 强企业，在流媒体、金融、制造、航空等领域都有 AI 应用。

Palantir 则聚焦于 AI 推理场景，基于专有本体论能力优势，使得企业能够将复杂的现实世界资产与数字资产进行映射，可视化复杂数据集，并将其与实际业务流程相结合。通过 AI 平台 AIP 能够从组织内部汇集数据，并利用大型语言模型（LLMs）和这些本体论来解决特定的业务问题。

除了美国政府和国防部门，Palantir 在商业领域业务拓展很快，2025 年第一季度商业领域营收增长 71%。

Databricks 和 Palantir 在核心商业模式和技术路线上存在显著差异。Databricks 擅长数据仓库 / 湖和模型训练等计算任务，而 Palantir 则专注于数据本体论和 AI 推理的上下文模拟，尤其是在处理复杂私有数据集方面。

Databricks 通常服务于更广泛的商业市场，主要提供平台级产品，由企业客户和合作伙伴来解决业务问题。而 Palantir 则侧重于政府和大型复杂企业的挑战，通过端到端的平台工具和交付服务能力，帮助大型企业解决高价值场景问题。

Databricks 和 Palantir 各自凭借其独特的技术路径和市场定位在全球数据智能领域取得了显著成就。回到中国市场，有一家厂商基于二十年数据技术沉淀，正沿着 Palantir 的产品研发和商业化路径，帮助中国大型企业挖掘私域数据价值。

02  

爱数缘何选择 Palantir 这条道路

爱分析认为，中国市场面向 AI 推理场景的市场机会是要大于 AI 训练场景。

受限于芯片供应、人才储备等因素，目前国内做 AI 训练的主要以大型互联网公司为代表的基础厂商和金融、运营等行业头部企业为主。

这两类企业虽然 IT 预算充足，但数据平台及相关组件多数以自研为主。因此，Databricks 这条路径在中国市场发展相对受限。

大部分中国企业更加关注于 AI 应用，也就是 AI 推理场景。

2025 年初 DeepSeek 爆火，让所有中国企业都认识到 AI 大模型的能力和潜在价值，加速 AI 推理场景在企业业务场景的渗透速度。以 Palantir 为代表的，面向 AI 推理场景的数据智能市场是中国更有发展前景的方向。

成立于 2006 年的爱数，定位是智能数据基础设施厂商，核心是数据超可用和数据智能两条业务线，其中数据智能是当前发展势头最猛的业务线。

爱数选择 Palantir 这条发展道路主要是基于中国市场现状和爱数自身优势两方面因素。

2025 年，所有中大型企业都在积极拥抱 AI 技术，AI 大模型在企业应用场景落地加速。但大模型在企业场景落地必须要结合企业自身的私域数据，才能解决大模型本身幻觉问题，保证应用落地效果。

在实际落地时，大量中国企业发现私域数据存在数据孤岛、数据平台碎片化、数据质量低、集成难等问题，严重限制了 AI 大模型在应用场景的落地进展和实际效果。

这些难点恰恰是爱数这家厂商擅长解决的，能够凸显出产品服务的独特优势。

首先，爱数的数据平台产品聚焦于企业私域数据价值挖掘。爱数的全域数据平台能力，能够有效解决数据孤岛问题，帮助大型企业挖掘私域数据（包括结构化和非结构化数据）的价值。

其次，爱数的数据平台是非侵入式架构。爱数的数据平台能够与客户现有数据架构无缝融合，而无需颠覆性改造，解决了平台绑定和高昂的集成成本。

第三，爱数具备业务知识网络抽象能力。基于过往搭建知识图谱的经验，爱数擅长将客户的多模态数据抽象为一个 " 全域数据的业务知识网络 " ，帮助大型企业构建可信、准确和上下文相关的 AI 应用。

在爱分析看来，企业 AI 应用落地依然是以数据为核心。AI 大模型作为新的生产力工具具备远超过往机器学习等小模型的能力，但面向企业业务场景，搭建满足企业用户需求的 AI 应用，其实现方式没有发生根本性变化，还是 " 数据平台 +AI 模型 + 业务知识 " 为核心。

这意味着过往数据智能厂商在技术产品上的积累还持续发挥作用。爱数过往在数据平台上的技术积累和产品积累在 AI 时代依然是企业核心竞争力。

03  

定位 "Data+AI"，打造决策智能平台解决 AI 应用 " 最后一公里 " 落地问题

2025 年，爱数将 "Data+AI" 定位成公司 " 智能数据基础设施 " 战略的核心，全面拥抱 AI 原生理念，将 AI 定位成与数据同等重要的核心基础能力主要是以下两点原因。

第一，每个组织都将成为 "Data+AI" 组织。爱数认为，组织只有充分利用自身更多的私域数据，赋能大模型，实现可信的 AI，才能将生成式 AI 技术在知识传承、辅助决策等领域取得最佳投资回报率。

第二，AI 将重塑软件实现范式。AI 将从根本上颠覆传统软件的实现范式，未来软件将不再仅仅提供服务，而是直接交付智能化的 " 结果 "。这种转变要求产品设计从一开始就以 AI 为中心，将数据、知识、大模型和智能体深度融合。

基于以上两点判断，爱数在 2025 年推出决策智能平台这一产品。决策智能平台旨在成为 AI 与业务之间的桥梁。其最终目标是实现 "AI 即结果 "，通过有效利用组织的私域数据来提供智能化的产出。

  平台是端到端具备完整功能架构，涵盖了模型层、多模态数据、本体引擎、智能体工厂、超级助手等功能，支持多源数据接入、管理多模态数据湖的能力、全局业务知识表达能力、配置和部署智能体，重点服务于经营分析、决策优化、事件感知、风险管理等企业决策场景。

04  

统一架构、全域数据能力、智能体交付能力是爱数核心优势

2025 年，"Data+AI" 是 AI 领域重点市场，众多厂商推出了自己的 Data Agent 产品。除了决策智能平台本身，基于过往二十年数据领域沉淀和实践，爱数在三个层面已经建立一定竞争优势。

第一，"Data+AI+Security" 统一架构。

不同于某些厂商只是简单接入 AI 大模型能力，将 AI 大模型与现有知识图谱产品做集成，爱数选择构建一套 "Data+AI+Security" 统一架构平台。

之前爱数在数据保护和数据智能两个方向产品本身就是一套平台架构，现在是将 AI 智能体能力融入到这套架构。

统一架构增强了 AI 应用的可信度和合规性，其信息安全编织架构（ISF），为 AI 应用提供了端到端的安全保障。

通过精细化的身份管理与访问控制、数据分类分级、脱敏、防泄漏以及全面的审计与监测能力，爱数构建了一个 " 可信 AI" 的基础，有效解决了 AI 结果可信度低的问题，降低了 AI 落地过程中的风险。

同时，统一架构提升数据资产利用效率。通过整合多模态数据湖、AI 能力和数据流通机制，将数据从采集、汇聚、加工到 AI 赋能和最终的价值流通，形成一个无缝的闭环。

这种一体化的能力显著提升了数据资产的使用效能和安全性，从全局视角分析运营效率并进行优化。

第二，全域数据能力。

从 2019 年推出数据智能产品至今，爱数在数据基础设施产品上打磨和沉淀了 6 年，具备全域数据能力，已形成多个核心产品体系，覆盖底层数据保护到上层决策应用。

包括基于副本数据湖的统一数据管理系统 AnyBackup Family、基于内容数据湖和知识助手的智能内容管理系统 AnyShare Family、基于 Data Fabric 架构的智能数据运营系统 AnyFabric Family、基于机器数据湖和 AI 助手的可观测性平台 AnyRobot Eyes、基于多模态数据湖和超级助手的决策智能平台 DIP 等。

AI 时代，企业对于数据管理需求不再停留在数据仓库中的结构化数据，而是希望将大量非结构化数据和机器数据统一管理起来。因为大量高价值知识都保存在文档、视频等非结构化数据中，能够显著提升大模型召回效果。

全域数据能力能够简化企业用户复杂 IT 和数据管理工作，使得所有数据组件能够无缝协同工作，减少了兼容性问题和运维负担。

同时，全栈数据产品能够显著提升企业用户搭建 AI 应用的效率。企业可以在一个集成平台上快速构建和部署各类数据驱动的 AI 应用，无需在不同技术栈之间进行繁琐的切换和适配。

第三，基于本体引擎构建业务知识网络，面向大型企业的智能体交付能力。

基于本体引擎的业务知识网络是爱数构建智能体应用的核心部分。为 AI 构建全局业务知识网络，能够增强智能体的准确性和场景适应性。

  业务知识网络的应用在于赋能 Data Agent，使其能够应用在金融、教育、企业、政府等各类行业并在知识问答、智能问数、智能运维等场景中发挥价值。同时，还支持行业引擎、行业知识网络和行业决策模型，将行业过往专家经验集成到智能体中。

除了业务知识网络产品本身，交付能力同样是爱数的核心优势。爱数有一套沉淀了五年时间 TPA 交付方法论，从需求理解、蓝图设计、技术架构、系统交互等一整套方法论。

面向大型企业，项目交付能力同样重要，特别是在早期企业自身不具备 AI 落地能力时，帮助企业快速构建智能体应用，满足企业个性化需求至关重要。

05  

AI 大模型加速数据要素市场发展

整个数据要素产业分成数据资源型、数据运营型和数据技术型等三类企业，爱数是属于数据技术型企业。

" 供给过剩、需求不足 " 一直是数据要素市场发展面临的核心挑战。AI 大模型时代，企业私域数据价值正在被 AI 大模型技术放大，企业数据资产不再仅仅停留在数据报表或分析看板，而是有机会通过 AI 技术转化成高价值的数据应用和可量化的业务成果。

AI 大模型一方面丰富了数据应用场景，另一方面增强了各类数据资源的商业价值。考虑到企业私域数据的敏感性，通过数据可信空间等方式实现数据要素流通变得越来越重要。

这意味着 AI 大模型技术的发展正在重塑数据产业的价值链，将重心从单纯的数据存储、治理和分析，转向以 "AI 即结果 " 为核心的智能应用。

目前，爱数投资的北方大数据交易中心，正基于产业数据链和决策智能平台开发数据创新产品，已经在绿色双碳和海洋时空领域有落地成果。

其中绿色双碳领域，基于生态环境部的全量数据为核心底座，提供面向金融客户的贷前审查、贷中监控、贷后监管等数据产品。

当 AI 大模型打开数据要素市场的发展空间后，技术成为限制市场发展的核心挑战和瓶颈。

爱数这类数据技术型企业变得越来越重要，凭借其全栈数据平台产品能力和智能体应用落地经验，结合各场景产业数据链资源，开发各类数据创新产品，会在数据要素市场占据一席之地。