“企業(yè)AI落地的真相，和你想的不一樣。

AI很火，這誰都知道。

2026年剛過去不到半年，Agentic AI、OpenClaw、Harness……新概念一個(gè)接一個(gè)往外冒。企業(yè)紛紛試水，各種Demo和PoC項(xiàng)目遍地開花。資本市場更是熱情高漲，只要和AI沾邊，估值就能翻幾番。

但熱鬧背后，另一組數(shù)據(jù)卻不太好看。

瑞銀2026年5月發(fā)布的一份調(diào)查報(bào)告揭示了一個(gè)尷尬的現(xiàn)實(shí)：截至今年3月，只有19%的企業(yè)實(shí)現(xiàn)了AI的“規(guī)模化生產(chǎn)部署”，兩年前這個(gè)數(shù)字是10%。更值得注意的是，一年前有84%的企業(yè)預(yù)期自己能在12個(gè)月內(nèi)完成規(guī)模化部署，但實(shí)際上只有5%做到了。這種系統(tǒng)性樂觀偏差在每輪調(diào)查中都在出現(xiàn)，而且差距還在持續(xù)擴(kuò)大。

Gartner的數(shù)據(jù)同樣觸目驚心：相當(dāng)比例的生成式AI項(xiàng)目在PoC后被放棄，原因集中在數(shù)據(jù)質(zhì)量、風(fēng)險(xiǎn)控制、成本和業(yè)務(wù)價(jià)值不清。Gartner還預(yù)測，到2026年，60%沒有AI-Ready數(shù)據(jù)支撐的AI項(xiàng)目將被放棄。

技術(shù)的進(jìn)化是指數(shù)級(jí)的，但企業(yè)落地的速度是線性的。落差正在擴(kuò)大。

就在這樣的背景下，2026年5月14日，袋鼠云以“數(shù)序重構(gòu)·智啟新生”為主題，舉辦了十周年春季數(shù)智發(fā)布會(huì)。會(huì)上，袋鼠云正式發(fā)布了“Data+AI智能飛輪”戰(zhàn)略，同時(shí)宣布核心產(chǎn)品“數(shù)棧”升級(jí)到V7.0，定位為“多模態(tài)數(shù)據(jù)智能平臺(tái)”。

那么，袋鼠云是如何看待市場發(fā)展，又是如何做的？為了回答這個(gè)問題，數(shù)據(jù)猿專訪了袋鼠云董事長陳吉平（花名“拖雷”）。他既是阿里系數(shù)據(jù)老兵——曾參與阿里第一代大數(shù)據(jù)平臺(tái)建設(shè)，也是中國最早一批大數(shù)據(jù)創(chuàng)業(yè)者的代表。從2015年創(chuàng)辦袋鼠云至今，他親歷了數(shù)據(jù)產(chǎn)業(yè)從“建數(shù)倉”到“做中臺(tái)”再到“+AI”的全過程。

接下來，我們將從這個(gè)行業(yè)老兵的視角，來試圖理解市場真實(shí)的走向。

企業(yè)AI，為什么遲遲落不了地？

要理解袋鼠云的戰(zhàn)略，首先要理解一個(gè)問題：為什么AI概念這么熱，企業(yè)級(jí)應(yīng)用滿意度卻沒有同步提升？

拖雷給出的判斷，和多數(shù)人的直覺不太一樣。

拖雷認(rèn)為，2026年之前，行業(yè)都在“搞模型”。“大家基本上都在做模型相關(guān)的事情，企業(yè)也在做一些通用模型能做的事，比如會(huì)議紀(jì)要、寫文檔、整理材料等通用技能。”

但2026年發(fā)生了一個(gè)轉(zhuǎn)折，標(biāo)志性事件是小龍蝦的崛起與Anthropic的爆發(fā)——Q1的收入與使用量增長達(dá)到80倍，標(biāo)志著從2026年起，AI從模型走入到行業(yè)場景，變成了企業(yè)AI場景落地的元年。

“Anthropic的應(yīng)用場景發(fā)展很快，Open AI跟不上了。”拖雷說。這句話聽起來有些激進(jìn)，但他的邏輯很清楚：模型的能力已經(jīng)很強(qiáng)了，誰能結(jié)合模型、私域數(shù)據(jù)、深入行業(yè)場景，創(chuàng)造最終價(jià)值，誰才是贏家。

這個(gè)判斷，直接決定了袋鼠云的戰(zhàn)略方向——基于數(shù)據(jù)、模型、智能體企業(yè)AI場景三要素，打造“Data+AI”的智能閉環(huán)。

最大的卡點(diǎn)：私域數(shù)據(jù)與模型脫節(jié)

那么，企業(yè)AI落地具體卡在哪里？

拖雷的答案很直接：私域數(shù)據(jù)與模型脫節(jié)，導(dǎo)致數(shù)據(jù)價(jià)值無法發(fā)揮。

大模型訓(xùn)練的是公開數(shù)據(jù)，而企業(yè)的核心數(shù)據(jù)——業(yè)務(wù)數(shù)據(jù)、行業(yè)知識(shí)、決策邏輯——都在私域。模型不理解企業(yè)，企業(yè)的數(shù)據(jù)也沒準(zhǔn)備好給模型。

OpenText報(bào)告也指出，超過90%的全球數(shù)據(jù)位于企業(yè)和政府私域。

“數(shù)據(jù)一套、模型一套，這是最大的問題。”拖雷說。

更棘手的是，私域數(shù)據(jù)中大量是非結(jié)構(gòu)化的。Gartner指出，企業(yè)新生成的數(shù)據(jù)中有80%-90%是非結(jié)構(gòu)化的，涵蓋文本文檔、PDF、郵件、音視頻等，且其增長速度是結(jié)構(gòu)化數(shù)據(jù)的三倍。這些數(shù)據(jù)里有經(jīng)營、生產(chǎn)、供應(yīng)鏈等業(yè)務(wù)事實(shí)，也有指標(biāo)口徑、權(quán)限邊界等業(yè)務(wù)語義，還有郵件、會(huì)議紀(jì)要、合同等歷史沉淀。

傳統(tǒng)數(shù)據(jù)平臺(tái)處理不了這些，AI自然也用不上。

拖雷舉了一個(gè)例子：有些企業(yè)部署了DeepSeek或其他大模型，但模型根本不理解他們的數(shù)據(jù)——因?yàn)閿?shù)據(jù)沒有準(zhǔn)備好給模型用。這就形成了一個(gè)悖論：模型越來越強(qiáng)，但企業(yè)用不起來。

從Demo到規(guī)模化：最容易被低估的挑戰(zhàn)

如果私域數(shù)據(jù)問題是“能不能做”的基礎(chǔ)門檻，那么從Demo到規(guī)模化，考驗(yàn)的就是“能不能做好”的執(zhí)行力。

拖雷把企業(yè)AI應(yīng)用分成兩類。一類是通用性應(yīng)用——會(huì)議紀(jì)要、文檔生成、材料整理。這些已經(jīng)在用了，門檻低、見效快。另一類是結(jié)合企業(yè)數(shù)據(jù)的深度應(yīng)用——經(jīng)營決策、降本提效等場景，這些還在初期。

“關(guān)鍵在于第一個(gè)場景能不能走通。”拖雷說。

他講了一個(gè)親身經(jīng)歷：當(dāng)年在阿里，第一個(gè)數(shù)據(jù)應(yīng)用場景走通之后，給了整個(gè)公司巨大的信心，逐漸發(fā)展為一家數(shù)字化驅(qū)動(dòng)的公司。“星星之火可以燎原，第一步走出來就很關(guān)鍵。”

這個(gè)觀點(diǎn)很重要——企業(yè)AI落地不是技術(shù)問題，是“數(shù)據(jù)+AI場景+組織”的系統(tǒng)工程。找到一個(gè)好的切入點(diǎn)，比什么都重要。

數(shù)據(jù)閉環(huán)：還沒轉(zhuǎn)起來，但一定會(huì)轉(zhuǎn)

到這里，問題已經(jīng)清晰了：私域數(shù)據(jù)是卡點(diǎn)，場景切入是關(guān)鍵，但還差最后一環(huán)——數(shù)據(jù)閉環(huán)。

理想模式是“智能飛輪”——數(shù)據(jù)驅(qū)動(dòng)智能，智能反哺數(shù)據(jù)，形成正向循環(huán)。AI應(yīng)用在使用過程中產(chǎn)生反饋和新數(shù)據(jù)，這些數(shù)據(jù)再回到系統(tǒng)里，讓模型更懂業(yè)務(wù)、更準(zhǔn)、更聰明。

但拖雷很坦誠：行業(yè)目前還在“把應(yīng)用用起來”的第一階段，真正的數(shù)據(jù)閉環(huán)還在建立過程中。

“大家都理解這個(gè)模式，但還在嘗試場景和應(yīng)用的階段。”拖雷說。

他用廣告系統(tǒng)做了個(gè)類比。淘寶、Google的廣告系統(tǒng)，本質(zhì)上是自動(dòng)進(jìn)化的——用戶行為數(shù)據(jù)反饋給算法，算法持續(xù)迭代。AI應(yīng)用其實(shí)也一樣：先用起來，產(chǎn)生新的數(shù)據(jù)，再反哺，再進(jìn)化。

“閉環(huán)一定會(huì)來，現(xiàn)階段先用起來產(chǎn)生價(jià)值更重要。”拖雷說。

這個(gè)判斷很關(guān)鍵，它意味著整個(gè)行業(yè)的AI場景落地還處在早期階段，這也是袋鼠云巨大的機(jī)會(huì)所在。

袋鼠云要怎么破局？

講完行業(yè)痛點(diǎn)，話題自然轉(zhuǎn)向袋鼠云——這家公司打算怎么解這些問題？

拖雷的回答圍繞著“Data+AI智能飛輪”戰(zhàn)略展開——讓數(shù)據(jù)驅(qū)動(dòng)智能，讓智能反哺數(shù)據(jù)，形成持續(xù)進(jìn)化的正向循環(huán)。這個(gè)戰(zhàn)略不是憑空提出的，而是對(duì)前面所有痛點(diǎn)的系統(tǒng)性回應(yīng)。

袋鼠云“Data+AI智能飛輪”戰(zhàn)略示意圖

總戰(zhàn)略：“Data+AI智能飛輪”

這個(gè)飛輪的邏輯是：企業(yè)每天產(chǎn)生大量數(shù)據(jù)——經(jīng)營數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)、客戶數(shù)據(jù)，也包括文檔、圖片、視頻、空間、流程、經(jīng)驗(yàn)這些多模態(tài)數(shù)據(jù)。這些數(shù)據(jù)先要被持續(xù)接入、持續(xù)治理、持續(xù)組織，形成可以被智能理解和調(diào)用的數(shù)據(jù)底座。然后，通過各種智能體，比如智能指標(biāo)、輔助決策、各種數(shù)據(jù)智能場景、空間智能場景等這些應(yīng)用才能真正進(jìn)入業(yè)務(wù)。

更重要的是，當(dāng)這些應(yīng)用跑起來以后，會(huì)不斷產(chǎn)生新的反饋——用戶怎么問、系統(tǒng)怎么答、人工怎么修正、結(jié)果怎么樣——這些都會(huì)成為新的高價(jià)值數(shù)據(jù)，再回到平臺(tái)里，沉淀成新的指標(biāo)口徑、知識(shí)規(guī)則、業(yè)務(wù)語義、場景模板。

支撐這個(gè)飛輪的，是“一體兩翼”的能力體系。

“一體是多模態(tài)數(shù)據(jù)智能平臺(tái)，負(fù)責(zé)把企業(yè)的結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、時(shí)空數(shù)據(jù)統(tǒng)一接進(jìn)來，完成治理、開發(fā)、語義組織和服務(wù)供給。兩翼是數(shù)據(jù)智能和空間智能。數(shù)據(jù)智能解決企業(yè)怎么更好地利用數(shù)據(jù)輔助決策，降本增效；空間智能解決企業(yè)怎么更好地感知現(xiàn)場、理解空間、連接物理世界。”拖雷說。

“一體是底座，兩翼是價(jià)值出口，也就是袋鼠云正在做的AI場景。”

這個(gè)框架把袋鼠云的產(chǎn)品矩陣說清楚了：底座是數(shù)據(jù)能力，兩翼是場景價(jià)值。

袋鼠云技術(shù)產(chǎn)品體系

產(chǎn)品升級(jí)：數(shù)棧V7.0多模態(tài)數(shù)據(jù)中臺(tái)

底座具體是什么？是數(shù)棧V7.0，定位為“多模態(tài)數(shù)據(jù)智能中臺(tái)”，最大的變化是從“只處理結(jié)構(gòu)化數(shù)據(jù)”擴(kuò)展到“結(jié)構(gòu)化+非結(jié)構(gòu)化統(tǒng)一管理”。該平臺(tái)能實(shí)現(xiàn)多模態(tài)計(jì)算存儲(chǔ)底座對(duì)接，4步20分鐘完成集群配置，支持CPU+GPU混合調(diào)度，適配Hadoop、Doris、MinIO等主流存儲(chǔ)引擎。

拖雷說，“以前客戶只能解決結(jié)構(gòu)化的問題，現(xiàn)在想解決合同、郵件、文檔、音視頻的問題，發(fā)現(xiàn)結(jié)構(gòu)化數(shù)據(jù)平臺(tái)已經(jīng)不滿足了。我們就是把這個(gè)能力補(bǔ)上來。”

技術(shù)上，袋鼠云有一個(gè)很務(wù)實(shí)的策略：關(guān)注增量價(jià)值，不重復(fù)造輪子。

拖雷解釋說：“多模態(tài)處理涉及很多單點(diǎn)技術(shù)——OCR、向量庫、知識(shí)圖譜、視頻解析等等。這些技術(shù)在各個(gè)單點(diǎn)上已經(jīng)存在了。我們的核心不是去攻克這些技術(shù)單點(diǎn)，而是構(gòu)建統(tǒng)一的管理框架——統(tǒng)一采集、統(tǒng)一存儲(chǔ)、統(tǒng)一加工、統(tǒng)一計(jì)算、統(tǒng)一元數(shù)據(jù)、統(tǒng)一語義檢索。”

他把這個(gè)平臺(tái)比作一個(gè)“更大的倉庫”：“你可以調(diào)用各種工具，但所有數(shù)據(jù)都在一個(gè)體系里管理。AI應(yīng)用只要通過這個(gè)平臺(tái)去調(diào)度數(shù)據(jù)就行了，不需要到處去找。”

兩翼之一：數(shù)據(jù)智能——智能指標(biāo)，要“取代報(bào)表”

底座之上，是場景應(yīng)用。比如目前拖雷最看重的場景之一，是智能指標(biāo)——袋鼠云的對(duì)應(yīng)產(chǎn)品是AIMetrics 智能指標(biāo)平臺(tái)。

為什么這個(gè)場景重要？因?yàn)閭鹘y(tǒng)報(bào)表太落后了。

傳統(tǒng)報(bào)表是被動(dòng)的、滯后的，老板看報(bào)表時(shí)，問題已經(jīng)發(fā)生了。而且報(bào)表不能歸因分析，不能主動(dòng)預(yù)警，更不能給出建議。

“智能指標(biāo)可以取代報(bào)表，取代分析師。”拖雷說。

AI驅(qū)動(dòng)的智能指標(biāo)平臺(tái)能做到什么？主動(dòng)歸因——“為什么上個(gè)月銷售額下降了15%”；預(yù)警預(yù)測——“下個(gè)月情況會(huì)如何？”；給出建議——“建議加大華東區(qū)某渠道的投放”。

這個(gè)愿景一旦實(shí)現(xiàn)，企業(yè)決策方式將被重構(gòu)。

當(dāng)然，拖雷也承認(rèn)“路很長”——要結(jié)合行業(yè)know-how、企業(yè)決策習(xí)慣、私有數(shù)據(jù)。但方向是明確的。

兩翼之二：空間智能——從“看見”空間到“預(yù)演”未來

如果說數(shù)據(jù)智能解決的是“理解經(jīng)營”的問題，那么空間智能解決的就是“感知現(xiàn)場”的問題。

拖雷說，空間智能主要讓企業(yè)更好地感知現(xiàn)場、理解空間、連接物理世界，典型能力包括數(shù)字孿生、仿真推演、AI數(shù)字人、空間智能體。

底座和場景之間，還有一個(gè)關(guān)鍵角色——交互入口。

袋鼠云的“靈瞳智能體”承擔(dān)了這個(gè)功能，它不是孤立的聊天機(jī)器人，而是連接用戶與整個(gè)產(chǎn)品體系的橋梁。用戶通過自然語言對(duì)話，靈瞳將需求分發(fā)到數(shù)據(jù)智能、空間智能等各個(gè)產(chǎn)品線去執(zhí)行。

拖雷把它比作“一個(gè)聰明的小助手”：“你可以跟它對(duì)話，它把你的需求分配給各個(gè)產(chǎn)品去執(zhí)行。”

目前，靈瞳智能體已覆蓋數(shù)據(jù)開發(fā)、數(shù)據(jù)治理、數(shù)據(jù)分析和產(chǎn)品操作四個(gè)場景。據(jù)介紹，它能幫助用戶顯著提升業(yè)務(wù)效率。

戰(zhàn)略和產(chǎn)品之外，商業(yè)化是另一個(gè)關(guān)鍵問題。

不同行業(yè)，袋鼠云的打法不一樣。

“金融行業(yè)我提供標(biāo)準(zhǔn)化產(chǎn)品就行。在水利行業(yè)，客戶關(guān)注的是大壩安全、防洪防災(zāi)等場景，大部分行業(yè)都跟水利行業(yè)一樣，更多關(guān)注的是業(yè)務(wù)場景，做價(jià)值驅(qū)動(dòng)。”拖雷說。

淹沒范圍仿真推演

定制化方面，袋鼠云的原則很清晰。

“我一定希望做可復(fù)用的東西。如果你定制化特別多，我們也會(huì)拒掉一些。”拖雷說。這個(gè)原則在ToB領(lǐng)域很難堅(jiān)持，但袋鼠云選擇了一條更可持續(xù)的路——不做“單個(gè)項(xiàng)目公司”，做“通用場景公司”。

出海方面，袋鼠云去年開始布局。目前規(guī)劃了三步走的策略：服務(wù)中國出海企業(yè)（東南亞、中東）→服務(wù)海外華人/跨境企業(yè)→服務(wù)本地海外企業(yè)。

“海外市場更健康——沒那么內(nèi)卷，定制化需求少，付款意愿強(qiáng)。”拖雷說。這或許是袋鼠云尋找增量的一個(gè)重要方向。

Data+AI——全球同行的共識(shí)

很多人會(huì)把袋鼠云視為“中國版的Databricks”。這個(gè)類比并非毫無道理。

拖雷自己也承認(rèn)這一點(diǎn)：“早期技術(shù)路徑很相似，都是做大數(shù)據(jù)的底座出身。”事實(shí)上，兩家公司在核心邏輯上是高度一致的——都在構(gòu)建從數(shù)據(jù)治理到AI應(yīng)用的一體化平臺(tái)，都在解決“讓企業(yè)數(shù)據(jù)更好地為AI服務(wù)”這個(gè)核心命題。袋鼠云的“智能飛輪”與Databricks的“Data Intelligence Platform”，本質(zhì)上是同一個(gè)方向的兩種表達(dá)。

差異當(dāng)然存在——Databricks偏公共云標(biāo)準(zhǔn)化，袋鼠云偏私有化部署和行業(yè)場景。但這更多是中美市場環(huán)境的不同，而非技術(shù)路線的分野。正如拖雷所說：“在Data+AI這個(gè)大方向上，大家的判斷是趨同的。”

當(dāng)然，袋鼠云不是簡單的“中國版”，而是這條全球共識(shí)賽道上的一個(gè)中國樣本。

接下來，往哪里走？

對(duì)話的最后，話題轉(zhuǎn)向未來。拖雷分享了袋鼠云接下來的重點(diǎn)方向，以及對(duì)行業(yè)趨勢的判斷。

拖雷說，袋鼠云接下來會(huì)重兵投入三個(gè)方向。

第一，多模態(tài)數(shù)據(jù)智能平臺(tái)持續(xù)迭代，包括高質(zhì)量數(shù)據(jù)集、語義理解、AI智能體的高效搭建等——讓AI能夠快速生成、準(zhǔn)確地“讀懂”企業(yè)各類數(shù)據(jù)。這不僅僅是技術(shù)問題，這是未來智能體的底座。

第二，數(shù)據(jù)智能深化。繼續(xù)深耕“智能指標(biāo)”場景與其它業(yè)務(wù)場景，比如智能指標(biāo)，結(jié)合行業(yè)know-how和企業(yè)決策習(xí)慣，真正取代傳統(tǒng)報(bào)表與分析師。拖雷認(rèn)為這是“非常好的未來場景”，但“路也很長”，類似醫(yī)生助手，目前起碼可以做到很好的輔助決策效果。

第三，空間智能突破。深化仿真推演能力——從“看見”空間，到“預(yù)演”未來。比如在亞運(yùn)會(huì)項(xiàng)目中，袋鼠就支持了賽前模擬推演，賽中安防安保，賽后絲滑散場的實(shí)戰(zhàn)指揮場景。目前，類似這樣的空間智能場景已經(jīng)擴(kuò)展到工業(yè)，港口，能源礦山等不同的行業(yè)中。

我問了拖雷最后一個(gè)問題：袋鼠云最想做的事情是什么？他的回答很干脆：以智能飛輪推動(dòng)AI在企業(yè)的價(jià)值釋放。

這個(gè)答案不算意外。從“數(shù)據(jù)中臺(tái)”到“智能基礎(chǔ)設(shè)施”，袋鼠云十年的演進(jìn)軌跡，恰恰映射了中國企業(yè)數(shù)據(jù)服務(wù)產(chǎn)業(yè)的變遷——從“把數(shù)據(jù)管好”到“讓數(shù)據(jù)產(chǎn)生智能”，從支撐決策到驅(qū)動(dòng)業(yè)務(wù)。

而這個(gè)變遷背后的驅(qū)動(dòng)力，是Data+AI正在釋放的巨大價(jià)值。

試想一下：當(dāng)企業(yè)所有的數(shù)據(jù)——經(jīng)營數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、客戶數(shù)據(jù)、設(shè)備數(shù)據(jù)，連同那些沉睡在合同、郵件、圖紙、會(huì)議紀(jì)要里的非結(jié)構(gòu)化數(shù)據(jù)——被真正組織起來、被AI理解、被智能應(yīng)用調(diào)用，會(huì)發(fā)生什么？

決策不再是經(jīng)驗(yàn)主義的。CEO不再需要等分析師花三天拉一份滯后的報(bào)表，AI可以在幾秒內(nèi)告訴他“為什么下降、會(huì)跌多少、該怎么辦”。生產(chǎn)不再是“出了問題再修”。設(shè)備運(yùn)行的微小異常可以被提前捕捉，在釀成故障之前就完成預(yù)測性維護(hù)。營銷不再是廣撒網(wǎng)，AI可以基于全域數(shù)據(jù)理解每一個(gè)客戶，在正確的時(shí)機(jī)、用正確的方式觸達(dá)。

這正是袋鼠云這樣的數(shù)據(jù)智能廠商的機(jī)會(huì)，也是它選擇的方向。

“讓數(shù)據(jù)與智能持續(xù)共生。”拖雷在發(fā)布會(huì)上用這句話總結(jié)了袋鼠云的十年，也定義了下一個(gè)十年的方向。

閉環(huán)還在蓄力，飛輪還在加速。但當(dāng)數(shù)據(jù)和智能真正開始相互滋養(yǎng)，企業(yè)數(shù)智化的下一個(gè)時(shí)代，才剛剛開始。

歷史的車輪將走向哪里，未來又會(huì)發(fā)生哪些精彩的故事，就讓我們拭目以待吧。