“在AI時(shí)代，國(guó)產(chǎn)數(shù)據(jù)服務(wù)商迎來(lái)全球化的新機(jī)遇。

近期，由中國(guó)計(jì)算機(jī)學(xué)會(huì)指導(dǎo)、北電數(shù)智主辦的第二屆“酒仙橋論壇”召開(kāi)，主題“國(guó)芯AI馭未來(lái)”背后，是“十五五”開(kāi)局之年國(guó)家“人工智能+”行動(dòng)的戰(zhàn)略語(yǔ)境。

在“酒仙橋論壇”上，北電數(shù)智首席技術(shù)官謝東有一個(gè)判斷：“AI的產(chǎn)業(yè)落地不是單點(diǎn)技術(shù)的堆疊，而是一項(xiàng)需要全棧協(xié)同的復(fù)雜系統(tǒng)工程。”算力、模型、數(shù)據(jù)、應(yīng)用——任何一個(gè)環(huán)節(jié)掉鏈子，整個(gè)系統(tǒng)都跑不起來(lái)。而數(shù)據(jù)，恰恰是當(dāng)前最容易被忽視、也最難打通的那一環(huán)。

那怎么解決這個(gè)問(wèn)題呢？

北電數(shù)智是北京電控旗下的人工智能科技企業(yè)，也是酒仙橋論壇的主辦方。這家成立于2023年的“AI新國(guó)企”，是國(guó)內(nèi)最早布局并落地可信數(shù)據(jù)空間的企業(yè)之一，同時(shí)深度參與國(guó)家數(shù)據(jù)要素綜合試驗(yàn)區(qū)試驗(yàn)任務(wù)。在本次論壇上，北電數(shù)智聯(lián)合北京清華長(zhǎng)庚醫(yī)院發(fā)布“清智·藥學(xué)可信數(shù)據(jù)空間”，它正在用一套“AI原生的數(shù)據(jù)操作系統(tǒng)”，試圖打通AI產(chǎn)業(yè)化的“最后一公里”。

那么，北電數(shù)智是怎么想的，怎么做的？為了搞清楚這個(gè)問(wèn)題，數(shù)據(jù)猿專訪了北電數(shù)智AI可信負(fù)責(zé)人邵兵，探討可信數(shù)據(jù)如何成為AI從“技術(shù)熱”走向“產(chǎn)業(yè)實(shí)”的關(guān)鍵一躍。

“可信數(shù)據(jù)”

AI產(chǎn)業(yè)化的“阿喀琉斯之踵”？

AI產(chǎn)業(yè)正在經(jīng)歷一個(gè)關(guān)鍵轉(zhuǎn)折。過(guò)去兩年，大模型的能力飛速進(jìn)化，參數(shù)規(guī)模從千億邁向萬(wàn)億，多模態(tài)能力持續(xù)突破。但隨著各家模型能力趨于同質(zhì)化，一個(gè)事實(shí)越來(lái)越清晰：決定AI性能的核心變量，除了模型、算力以外，還有數(shù)據(jù)。

你有再?gòu)?qiáng)的算力，再先進(jìn)的模型，沒(méi)有高質(zhì)量的數(shù)據(jù)，一切都是空轉(zhuǎn)。這就像買了一輛頂級(jí)跑車，卻發(fā)現(xiàn)油箱里一滴油都沒(méi)有。邵兵把企業(yè)在數(shù)據(jù)使用上面臨的困境概括為“三座大山”：

第一座：不敢用。

醫(yī)療數(shù)據(jù)涉及患者隱私，工業(yè)數(shù)據(jù)涉及商業(yè)機(jī)密，金融數(shù)據(jù)涉及合規(guī)紅線。數(shù)據(jù)一旦泄露，后果不堪設(shè)想。很多企業(yè)手握海量數(shù)據(jù)，卻因?yàn)楹ε嘛L(fēng)險(xiǎn)而不敢共享、不敢流通。

第二座：不能用。

數(shù)據(jù)格式不統(tǒng)一、質(zhì)量參差不齊、缺乏有效治理。醫(yī)院里，影像數(shù)據(jù)、病歷數(shù)據(jù)、檢驗(yàn)數(shù)據(jù)分散在不同科室、不同系統(tǒng)中，無(wú)法直接用于AI訓(xùn)練。工廠里，設(shè)備手冊(cè)、維修記錄散落在各個(gè)角落，缺乏統(tǒng)一的標(biāo)準(zhǔn)和關(guān)聯(lián)。

第三座：用不好。

即使數(shù)據(jù)有了、質(zhì)量也還行，但缺乏從數(shù)據(jù)到模型到應(yīng)用的完整工具鏈。數(shù)據(jù)價(jià)值難以釋放，AI項(xiàng)目從試點(diǎn)到規(guī)模化部署之間，橫亙著一條難以跨越的鴻溝。

邵兵透露，目前約60%-70%的企業(yè)數(shù)據(jù)處理仍處于“手工作坊”階段——數(shù)據(jù)清洗、標(biāo)注、治理主要依賴人工，效率低、成本高、難以規(guī)模化。

"今天企業(yè)用的數(shù)據(jù)平臺(tái)，大多還是十年前為BI報(bào)表時(shí)代設(shè)計(jì)的——批量ETL、T+1更新、面向人的圖表展示。"邵兵說(shuō)，"但AI原生場(chǎng)景完全不同：Agent需要毫秒級(jí)響應(yīng)、語(yǔ)義級(jí)理解、上下文級(jí)記憶。用BI時(shí)代的底座去跑AI原生的應(yīng)用，就像拿馬車的底盤(pán)去裝火箭引擎——底盤(pán)會(huì)散架。”

這意味著，不是在舊系統(tǒng)上打補(bǔ)丁就能解決問(wèn)題，而是必須以零基思維，從頭構(gòu)建一套AI原生的數(shù)據(jù)基礎(chǔ)設(shè)施。

今年，AI應(yīng)用正在從“模型對(duì)話”走向“Agent執(zhí)行”。

根據(jù)2025年8月Gartner發(fā)布的預(yù)測(cè)報(bào)告："到2026年底，40%的企業(yè)應(yīng)用將集成任務(wù)特定的AI Agent，相比2025年的不足5%實(shí)現(xiàn)8倍增長(zhǎng)。"但Agent的普及，也帶來(lái)了新的數(shù)據(jù)風(fēng)險(xiǎn)，和新的數(shù)據(jù)要求。Forrester的調(diào)研顯示，62%停滯的Agent試點(diǎn)項(xiàng)目，首要原因就是數(shù)據(jù)集成失敗；47%的企業(yè)承認(rèn)自身數(shù)據(jù)基礎(chǔ)設(shè)施根本不足以支撐智能體部署。

在數(shù)據(jù)風(fēng)險(xiǎn)方面，邵兵分享了自己的親身經(jīng)歷：他用個(gè)人電腦使用某款A(yù)I Agent操作數(shù)據(jù)時(shí)，由于指令解析出現(xiàn)bug，加之權(quán)限控制不到位，Agent誤讀了命令路徑，導(dǎo)致磁盤(pán)數(shù)據(jù)全部被刪除。“這只是個(gè)人使用場(chǎng)景，”邵兵說(shuō)，“如果Agent進(jìn)入企業(yè)生產(chǎn)系統(tǒng)，操作的是核心業(yè)務(wù)數(shù)據(jù)，后果不堪設(shè)想。權(quán)限失控、指令理解偏差、數(shù)據(jù)泄露——這些都是企業(yè)必須面對(duì)的現(xiàn)實(shí)風(fēng)險(xiǎn)。”

此外，Agent要執(zhí)行任務(wù)，就必須訪問(wèn)數(shù)據(jù)，而且不是一次性的數(shù)據(jù)調(diào)用，是實(shí)時(shí)、多源、跨系統(tǒng)的數(shù)據(jù)調(diào)用。這對(duì)數(shù)據(jù)提出了全新的要求：

第一，實(shí)時(shí)調(diào)用。Agent需要?jiǎng)討B(tài)獲取企業(yè)內(nèi)部數(shù)據(jù)、外部知識(shí)庫(kù)、實(shí)時(shí)業(yè)務(wù)數(shù)據(jù)。數(shù)據(jù)必須在毫秒級(jí)響應(yīng)，不能有延遲。

第二，深度語(yǔ)義化。邵兵舉了一個(gè)例子：在生物醫(yī)學(xué)領(lǐng)域，口語(yǔ)表達(dá)和醫(yī)學(xué)術(shù)語(yǔ)之間有一道鴻溝。“老百姓說(shuō)‘心臟不舒服’，醫(yī)生寫(xiě)病歷可能寫(xiě)‘胸悶、心悸’。如果數(shù)據(jù)沒(méi)有做好語(yǔ)義化處理，Agent根本理解不了。”

第三，Token成本優(yōu)化。調(diào)用大模型的Token費(fèi)用不便宜。邵兵透露，目前Agent調(diào)用大模型時(shí)，90%的Token費(fèi)用都浪費(fèi)在傳輸無(wú)效上下文上。“你傳了一堆無(wú)關(guān)數(shù)據(jù)給模型，模型處理了，你也付費(fèi)了，但什么都沒(méi)得到。”通過(guò)精準(zhǔn)的數(shù)據(jù)檢索和過(guò)濾，可以大幅降低Token消耗。

慢慢的，行業(yè)共識(shí)在逐漸形成：沒(méi)有可信數(shù)據(jù)，算力、模型、Agent都面臨“空轉(zhuǎn)”風(fēng)險(xiǎn)。數(shù)據(jù)，已經(jīng)成為AI產(chǎn)業(yè)化的“阿喀琉斯之踵”。

跨越“三座大山”

北電數(shù)智的“可信數(shù)據(jù)”新解法

為了解決上面提到的那些問(wèn)題，北電數(shù)智做了大量的探索，并成為最早實(shí)踐落地可信數(shù)據(jù)空間的企業(yè)之一。紅湖·可信數(shù)據(jù)空間2.0是北電數(shù)智在2025年底發(fā)布的可信數(shù)據(jù)底座產(chǎn)品，已通過(guò)中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院（電子四院）、賽西實(shí)驗(yàn)室的權(quán)威檢測(cè)。同時(shí)，北電數(shù)智也深度參與了全國(guó)數(shù)標(biāo)委《可信數(shù)據(jù)空間技術(shù)架構(gòu)》標(biāo)準(zhǔn)的制定。

但在本次酒仙橋論壇上，真正的重頭戲不是紅湖2.0本身——而是基于這一底座能力，在醫(yī)療垂類深度落地的產(chǎn)物——清智·藥學(xué)可信數(shù)據(jù)空間（TDS）。這是北電數(shù)智與北京清華長(zhǎng)庚醫(yī)院聯(lián)合發(fā)布的戰(zhàn)略級(jí)產(chǎn)品。

接下來(lái)，我們就以“清智·藥學(xué)可信數(shù)據(jù)空間”為例，來(lái)分析可信數(shù)據(jù)空間，在推動(dòng)數(shù)據(jù)要素流轉(zhuǎn)、賦能AI應(yīng)用落地方面，如何發(fā)揮作用。

醫(yī)療數(shù)據(jù)有多敏感，不言而喻。患者隱私、醫(yī)療合規(guī)、數(shù)據(jù)安全——每一道都是紅線。

但與此同時(shí)，藥學(xué)數(shù)據(jù)的價(jià)值又極其巨大。從合理用藥到新藥研發(fā)，從醫(yī)保控費(fèi)到個(gè)性化治療，數(shù)據(jù)是驅(qū)動(dòng)這一切的核心“燃料”。

傳統(tǒng)的做法是：數(shù)據(jù)脫敏后點(diǎn)對(duì)點(diǎn)傳輸，或者干脆不共享。藥企想要獲取醫(yī)院數(shù)據(jù)做研發(fā)，層層審批走下來(lái)，周期以年計(jì)。大量高價(jià)值藥學(xué)數(shù)據(jù)被“鎖”在醫(yī)院內(nèi)部，無(wú)法釋放其應(yīng)有價(jià)值。

清智·藥學(xué)可信數(shù)據(jù)空間（TDS）要解決的，正是這個(gè)矛盾。“清智·藥學(xué)可信數(shù)據(jù)空間”并非簡(jiǎn)單的數(shù)據(jù)庫(kù)集成，而是一套分布式合規(guī)流轉(zhuǎn)基礎(chǔ)設(shè)施。其核心技術(shù)能力包括：

全鏈路隱私計(jì)算沙箱：集成TEE（可信執(zhí)行環(huán)境）與多方安全計(jì)算技術(shù)，確保原始藥學(xué)數(shù)據(jù)始終保留在醫(yī)院內(nèi)部服務(wù)器，外部算法僅能獲取計(jì)算結(jié)果。數(shù)據(jù)不出域，但價(jià)值可流通。

智能合規(guī)審查引擎：系統(tǒng)內(nèi)置藥學(xué)行業(yè)合規(guī)知識(shí)庫(kù)，對(duì)每一筆存證交易進(jìn)行自動(dòng)化合規(guī)審計(jì)，確保數(shù)據(jù)用途不偏離科研與合規(guī)邊界。

可溯源存證體系：基于區(qū)塊鏈技術(shù)，實(shí)現(xiàn)數(shù)據(jù)流轉(zhuǎn)全過(guò)程的“用途可控、用量可計(jì)、收益可分”，為院方數(shù)據(jù)資產(chǎn)提供堅(jiān)實(shí)的數(shù)字化憑證。

相比傳統(tǒng)方案，“清智”實(shí)現(xiàn)了多個(gè)維度的顯著提升：

值得指出的是，“清智·藥學(xué)可信數(shù)據(jù)空間”不是停留在概念層面，它已經(jīng)產(chǎn)出了實(shí)實(shí)在在的應(yīng)用成果。例如，北電數(shù)智與清華長(zhǎng)庚醫(yī)院聯(lián)合發(fā)布了“清智·AI合理用藥大模型”，率先在院內(nèi)投入臨床應(yīng)用。這套模型的技術(shù)架構(gòu)是“1底座+2引擎”——以藥學(xué)可信數(shù)據(jù)空間為數(shù)據(jù)底座，以大模型技術(shù)和智能體為雙引擎驅(qū)動(dòng)。

它的核心能力在于，突破傳統(tǒng)規(guī)則審方系統(tǒng)的“機(jī)械比對(duì)”局限。傳統(tǒng)審方系統(tǒng)依賴固定規(guī)則——如果A藥和B藥同時(shí)出現(xiàn)，系統(tǒng)就報(bào)警。這種方式無(wú)法應(yīng)對(duì)復(fù)雜臨床場(chǎng)景，更無(wú)法理解患者的個(gè)體差異。而“清智”模型能夠準(zhǔn)確理解病歷、病程記錄等自由文本，進(jìn)行深度推理，精準(zhǔn)識(shí)別多藥聯(lián)用的配伍禁忌，評(píng)估給藥合理性，最終生成可解釋的循證推薦和個(gè)體化方案。

在應(yīng)用中，它實(shí)現(xiàn)了三個(gè)“高”：

高適配：破解多藥聯(lián)用、特殊人群等“臨床盲區(qū)”。針對(duì)重度子癇產(chǎn)婦、高齡慢病患者、腎移植術(shù)后等高風(fēng)險(xiǎn)人群，模型能夠精準(zhǔn)識(shí)別用藥風(fēng)險(xiǎn)，制定安全方案。

高安全：多因素綜合評(píng)估，整合患者診斷、生理指標(biāo)、藥物特性等多維信息，自動(dòng)規(guī)避禁忌并精準(zhǔn)調(diào)量。

高合規(guī)：前置篩查醫(yī)保違規(guī)及用藥隱患，將事后監(jiān)管轉(zhuǎn)化為事前風(fēng)險(xiǎn)防御。

這標(biāo)志著藥學(xué)審方從機(jī)械的“規(guī)則判斷”邁向了深度的“認(rèn)知推理”，用藥模式從“千人一藥”走向“千人千方”。

從另一個(gè)角度看，“清智”的發(fā)布，其價(jià)值不止是一個(gè)產(chǎn)品的落地。對(duì)藥學(xué)產(chǎn)業(yè)而言，它是醫(yī)藥研發(fā)效能的“加速器”。通過(guò)解決藥企用數(shù)的“不敢、不能、不愿”，大幅降低創(chuàng)新藥的研發(fā)成本與臨床轉(zhuǎn)化風(fēng)險(xiǎn)。從整個(gè)醫(yī)學(xué)生態(tài)來(lái)看，它是數(shù)據(jù)要素流轉(zhuǎn)的“中國(guó)范式”，為構(gòu)建全國(guó)一體化醫(yī)療數(shù)據(jù)要素市場(chǎng)貢獻(xiàn)了“北京方案”。

“清智·藥學(xué)可信數(shù)據(jù)空間”的發(fā)布，對(duì)北電數(shù)智也意義重大： 它證明了北電數(shù)智不僅具備頂級(jí)的智算底座能力，更擁有深度解析垂直行業(yè)合規(guī)邏輯、驅(qū)動(dòng)數(shù)據(jù)要素價(jià)值轉(zhuǎn)化的產(chǎn)品力。從藥學(xué)產(chǎn)業(yè)來(lái)看，它是醫(yī)藥研發(fā)效能的"加速器"；從整個(gè)醫(yī)學(xué)生態(tài)來(lái)看，它是數(shù)據(jù)要素流轉(zhuǎn)的"中國(guó)范式"，為構(gòu)建全國(guó)一體化醫(yī)療數(shù)據(jù)要素市場(chǎng)貢獻(xiàn)了"北京方案"。

從醫(yī)療到工業(yè)

可信數(shù)據(jù)空間走向千行百業(yè)

需要指出的是，醫(yī)療是北電數(shù)智可信數(shù)據(jù)空間落地的標(biāo)桿行業(yè)，但不是唯一行業(yè)。在工業(yè)領(lǐng)域，北電數(shù)智與申菱環(huán)境合作打造“菱小智”設(shè)備運(yùn)維智能體，將老師傅的維修經(jīng)驗(yàn)轉(zhuǎn)化為結(jié)構(gòu)化知識(shí)，故障查詢從小時(shí)級(jí)縮短至秒級(jí)，自主維修率提升70%以上；在AI for Science領(lǐng)域，北電數(shù)智與相關(guān)機(jī)構(gòu)合作，通過(guò)可信數(shù)據(jù)空間支撐靶向藥研發(fā)中的跨機(jī)構(gòu)數(shù)據(jù)協(xié)作。醫(yī)療、工業(yè)、科研——可信數(shù)據(jù)空間正在多個(gè)行業(yè)驗(yàn)證其通用價(jià)值，也踐行著北電數(shù)智作為“AI新國(guó)企”的擔(dān)當(dāng)。

這恰好呼應(yīng)了北電數(shù)智可信數(shù)據(jù)產(chǎn)品的品牌——“紅湖”。邵兵在采訪中解釋了這個(gè)名字的寓意：“如果數(shù)據(jù)有顏色，一定是紅色的。”“紅”代表國(guó)企身份帶來(lái)的可信、安全、可控，“湖”則取自“上善若水”，寓意用智能、流動(dòng)的方式柔性處理數(shù)據(jù)。在數(shù)據(jù)流通這個(gè)高度敏感的領(lǐng)域，安全合規(guī)底線更高、政策對(duì)接更緊密、客戶信任度更強(qiáng)——這正是北電數(shù)智的獨(dú)特優(yōu)勢(shì)。

從醫(yī)療到工業(yè)，從數(shù)據(jù)治理到場(chǎng)景落地，可信數(shù)據(jù)空間已經(jīng)證明了自己的價(jià)值。但一個(gè)更深層的問(wèn)題隨之浮現(xiàn)：數(shù)據(jù)和Agent，如何才能實(shí)現(xiàn)更好的融合？

北電數(shù)智給出的答案是——紅湖+新天，讓Agent既“聰明”又“可信”。紅湖·可信數(shù)據(jù)空間是智能體的“數(shù)據(jù)底座”——提供高質(zhì)量、可信的數(shù)據(jù)，確保數(shù)據(jù)“可用不可見(jiàn)”。新天·智能體平臺(tái)是智能體的“開(kāi)發(fā)與運(yùn)行平臺(tái)”——提供低代碼開(kāi)發(fā)、RAG檢索、工具調(diào)用等能力。兩者結(jié)合，讓Agent既能調(diào)用到豐富、準(zhǔn)確的數(shù)據(jù)（聰明），又能確保數(shù)據(jù)在調(diào)用過(guò)程中的安全和合規(guī)（可信）。

另一方面，邵兵提到，他們正在用Agent的能力來(lái)做數(shù)據(jù)治理本身——“通過(guò)流程加對(duì)話的方式，讓數(shù)據(jù)治理的成本降到最低。你告訴系統(tǒng)你的規(guī)則，它自動(dòng)執(zhí)行，實(shí)時(shí)根據(jù)結(jié)果調(diào)整。”這形成了一個(gè)正循環(huán)：可信數(shù)據(jù)支撐Agent，Agent反過(guò)來(lái)降低數(shù)據(jù)治理門檻。

可以說(shuō)，這種“算力+數(shù)據(jù)+模型”的閉環(huán)協(xié)同，正是北電數(shù)智“數(shù)算模用”一體化系統(tǒng)工程方法論的集中體現(xiàn)——不把算力、數(shù)據(jù)、模型當(dāng)作孤立產(chǎn)品來(lái)賣，而是用系統(tǒng)工程之力，把它們擰成一個(gè)面向產(chǎn)業(yè)落地的生產(chǎn)力系統(tǒng)。

每一次技術(shù)革命，都有一個(gè)被忽視的轉(zhuǎn)折點(diǎn)。

蒸汽機(jī)發(fā)明近一個(gè)世紀(jì)后，工業(yè)革命才真正點(diǎn)燃——瓶頸不是機(jī)器，而是人們對(duì)新動(dòng)力的“信任”。電力也是如此，電燈亮了三十年，電網(wǎng)才鋪進(jìn)工廠和家庭。技術(shù)突破只是預(yù)告，基礎(chǔ)設(shè)施的建成才是拐點(diǎn)——能量安全、穩(wěn)定、按需地流動(dòng)。AI正在經(jīng)歷同樣的時(shí)刻。大模型和AI算力足夠驚艷，但AI要真正進(jìn)入工廠、醫(yī)院、銀行，還需要一張“電網(wǎng)”——讓數(shù)據(jù)安全、合規(guī)、高效流動(dòng)的基礎(chǔ)設(shè)施。

這張“電網(wǎng)”的構(gòu)建，是一項(xiàng)系統(tǒng)工程：算力調(diào)度、數(shù)據(jù)治理、模型適配、應(yīng)用落地的全棧協(xié)同。北電數(shù)智踐行的“數(shù)算模用”一體化架構(gòu)，正是這套方法論的核心。北電數(shù)智與清華長(zhǎng)庚醫(yī)院聯(lián)合發(fā)布的“清智·藥學(xué)可信數(shù)據(jù)空間”，就是這張“電網(wǎng)”上的一個(gè)節(jié)點(diǎn)。

采訪最后，我們問(wèn)邵兵：如果用一句話總結(jié)紅湖·可信數(shù)據(jù)空間的終極價(jià)值，你會(huì)說(shuō)什么？他想了想：“讓數(shù)據(jù)從‘沉睡的資源’變?yōu)椤鲃?dòng)的資產(chǎn)’。”

從能量的流動(dòng)，到電力的流動(dòng)，再到數(shù)據(jù)的流動(dòng)——每一次“流動(dòng)”的突破，都開(kāi)啟了一個(gè)新的時(shí)代。這一次，也不例外。