一个 Agent（智能体）跑通 Demo（样本）不难，难的是 " 多少人在用、用得多频繁、用出了什么结果 " 三件事。9 月 19 日，快手技术沙龙上，快手平台产品技术中心负责人张蕤在开场时给出判断：过去两年，行业热衷于比拼模型参数、演示效果、Demo 惊艳度；而现在，竞赛的标尺正在被替换为上述三个更残酷的指标。

《每日经济新闻》记者现场注意到，快手给出的数据显示，其 Data Agent（数据智能体）整体 WAU（周活跃用户数）超过 10600，周人均对话 55 次，单次任务提效中位数 13 倍。

而在 " 兑现期 " 到来前，快手高层已经定调。快手 2025 年报电话会上，快手创始人兼首席执行官程一笑明确将 "Agent 能力 " 列为 2026 年重点投入方向之一。这意味着，Agent 在快手内部不是一项试验性技术，而是与大模型战略并线推进的核心战略。

图片来源：阿里云官网

就在前不久，阿里云拿下 IDC（国际数据公司）中国 Data Agent 头名。此次评估有 18 家厂商入选，最终仅 4 家进入领导者象限，竞争门槛明显较 2025 年提高。字节跳动旗下火山引擎 Data Agent 在抖音集团内部取得初步 PMF（产品市场契合），并在销售场景中落地。

Data Agent 的竞争逻辑已经发生根本性切换。参数竞赛结束了，" 兑现期 " 要开始了。

一年即迭代   快手要做统一的 Data Agent

事实上，Data Agent 是借助 AI（人工智能）智能体技术将数据集成、治理、分析和业务决策串联为自动化闭环的新一代数据智能范式。换言之，就是让一个懂数据的 AI 员工跑通 " 找数—洗数—算数—看数—拍板 " 整条链路，人类只需要定目标、把关关键节点。

IDC 预测，到 2028 年，60% 的中国 500 强企业将部署企业级 Data Agent。张蕤在演讲中反复强调一个判断，Data Agent 的核心目标不是 " 能做多少事 "，而是 " 泛化能力和准确性同时提升 "。

但这条路并不平坦。

每经记者了解到，快手 Data Agent 的演进节奏很紧凑：2025 年主要以 Workflow（固定工作流）方式探索，沉淀第一版知识体系；2025 年底转向 "Agentic+Skill"（自主智能体模式 + 技能包）架构，解决 Workflow" 能力分散、流程固化 " 的痼疾；2026 年第一季度完成生产和分析两个场景的 Agentic 应用落地。从 Workflow 到 Agentic，耗时一年左右。

图片来源：每经记者 王郁彪 摄

不过，真正构成壁垒的不是架构选择，而是质量基础设施的厚度。据张蕤介绍，快手在上线前设置了评测准入卡口，累计评测 60 万条数据，评测任务超过 1 万个，上线准入门槛设定为 80%。这意味着每一个功能迭代，都要在数万条真实业务问题的回归测试中存活下来。

在诊断环节，快手提供了三层能力。其中，Trace（全链路追踪）平台做全链路请求还原，浏览器插件支持问题复现，内置智能诊断 Agent 实现一键排查，形成 " 发现—复现—诊断—修复—经验沉淀 " 的闭环。

张蕤在接受现场采访时透露，跨 Agent 的访问需求 " 非常普遍 "，电商、商业化、生活服务的数据经常交织，" 这也是为什么要做统一的 Data Agent"。快手最终采用父子 Agent 架构，即子 Agent 保持业务专注，父 Agent 统一入口做路由，当前路由准确率达到 95%。

更深层的变化则发生在组织层面。张蕤提到，数据平台内部的 DE（数据工程师）和 BPM（业务产品经理）边界正在模糊，两者融合为 " 数据 FDE"，单人即可完成需求对接、数据建模和全链路交付。

研发团队则从产品、设计、前后端 QA（测试质量保障工程师）向 PDE（产品设计工程师）和全栈工程师方向转型。当 Agent 接管了标准化的取数和分析动作，剩余人力向端到端复合角色集中的趋势，比任何效率数字都更具长期含义。

Data Agent 路径分野：交付效率定座次、交付能力定终局

快手不是孤例，Data Agent 的竞赛正在以不同的路径同时展开。字节、阿里、腾讯等大厂都在用各自的方式，探寻这场竞赛的胜负手。

阿里云的答案是全栈能力和规模化交付。每经记者了解到，阿里云的战略部署并非单一产品突进，而是将 AI Agent 能力嵌入数据库、数据中台等核心产品线，形成端到端的全栈覆盖。其自 2025 年初起即为汽车、互联网金融、零售等客户搭建 Agent 数据流程。

字节的路径是内部跑通再外化。火山引擎 Data Agent 从 2023 年立项，现已落地销售场景。据公开信息，其能力已覆盖 10 类岗位角色、36 类工作任务。

腾讯则选择了从知识工程的更底层切入。腾讯 PCG 大数据平台部 Agent 工程负责人王思懿在快手技术沙龙上介绍，腾讯 " 灯塔 AI" 的核心判断是，Data Agent 的瓶颈不在于 " 答不出 "，而在于 " 准不准、可不可溯源 "。怎么理解？以查询 " 华东上个月净销售额扣减了哪些退款 " 为例，缺乏知识底座的 Agent 会直接给出数字，但数据来源、口径无从核验。腾讯要解决的就是这个问题——做法是搭建一张 " 语义图谱 "，每个答案都能追溯到 " 这个指标定义在哪个表、这个口径来自哪个图卡 "。

王思懿坦言，" 记忆不宜过重，否则会混淆昨天和今天 "。这句话也点出了一个容易被忽视的问题，Agent 不是记得越多越好。腾讯选择让记忆 " 有选择地记住 "，而不是 " 什么都记住 "。

从多家大厂的布局思路来看，Data Agent 的竞争重心已经生变。以前比谁的模型更强，现在比的是谁的知识层更准、交付链路更短、组织适配更快。技术本身不再是门槛，能不能把技术变成日常可用的东西，可能才是真正的分水岭。