“Agentic AI来了，中国AI数据基础设施厂商如何应对？

2026年，Agent正在以超出所有人预期的速度涌入企业。

IDC预测，全球活跃Agent数量将从2025年的约2860万个增至2030年的22亿个。2026年，被业界称为“智能体商业化元年”。市场上不断涌现现象级Agent产品，比如Claude code、OpenClaw、Codex、Workbuddy等等。

与此同时，国家数据局披露了一组数据：中国日均Token调用量已从2024年初的约1000亿飙升至2026年3月底的140万亿，两年增长超千倍。

2026年8月，在贵阳数博会的展馆里，Agent是绝对的主角。同时，2026年贵阳数博会的主题则，定位为：“词元，数据要素价值释放新路径”

那么，Agent越来越普及，Token消耗越来越多，但企业的业务价值和数据要素价值也也同比例释放了么?

市场的热闹是一回事，企业端的真实感受，却是另一回事。

实际上，不少企业反应，在真实的业务场景中，Agent的规模化商用还面临各种各样的问题。其中，数据地基不够牢靠，成为反应最集中的问题之一.

Token要“烧”出价值

还缺一个好用的数据底座

让我们先看一组数据。

Anthropic做过一次对照实验：同一个Claude模型，裸跑企业数据分析任务，准确率只有21%；接入完整的数据工程体系后，准确率飙升至95%以上。

这个实验揭示了一个被大多数企业忽略的真相：模型的“智商”是通用的，但Agent的“智商”取决于它能调用什么样的数据。

Agent的思维模式，与传统的单次问答完全不同。

单次问答是一次性输入输出，Agent则需要多步推理：规划任务→调用工具→获取数据→验证结果→修正路径→继续执行。一个复杂任务可能需要十几甚至几十步推理，每一步都要消耗Token。

Agent还需要跨系统协同：调用CRM、ERP、MES、知识库等多个系统，每个系统之间的数据格式、接口标准、权限体系各不相同。

再加上工具调用：Agent不仅要“想”，还要“做”，写SQL查数据、调API执行操作、发邮件通知相关人员。每一次工具调用，都是额外的Token消耗。

一个Agent完成一次真实业务任务，Token消耗量是传统对话的数十倍甚至上百倍。

Token价格确实在下降，尤其是DeepSeek等中国开源模型的发展，让企业AI入门门槛变低。但Agent的消耗量级暴涨，正在悄悄吃掉成本下降带来的红利。

但我们想说，更关键的问题，不是“Token贵不贵”，而是“Token用得好不好”。

大量企业反馈，Agent部署后Token消耗暴涨，但业务效果并不成正比。模型幻觉导致答非所问，Token白烧了；Agent无法访问企业内部数据，在“信息真空”中推理，输出结果不具备业务价值；多步推理中一旦某一步出错，整个链路Token全部浪费。

根本问题不在Agent本身，在数据底座。

Agent要调用企业数据完成推理和行动，产线的实时状态、设备的历史维修记录、供应链的库存与物流信息、客户的全渠道行为轨迹。但如果这些数据散落在数十个孤岛中，格式不统一、标准不一致、质量参差不齐，情况会怎么样呢？

可以说，没有高质量的数据供给，Agent的每一次推理都是在“盲人摸象”。

国家数据局推动“数据要素价值释放”，核心是让数据真正用起来、产生价值。Agent是数据价值释放的重要载体，但前提是Agent“吃到的”是高质量、可治理、可溯源的数据。

科杰科技董事长于洋的判断一针见血：“AI的上半场卷通用能力，下半场，必须解决数据的问题。”

面向Agentic AI的新一代数据底座

让每一个Token都更有价值

释放数据要素价值，不能只靠Agent的数量，更要看每一笔Token消耗背后的数据厚度。

那么，市场上有没有企业在夯实这个“数据地基”呢？在此次数博会期间，我们关注到科杰科技这个公司，他们给出的方案，可以给我们带来启示。

在这次的贵阳数博会上，科杰科技没有发布一个新的Agent应用，而是发布了一个更底层的答案，KeenData Agentic Lakehouse Platform，面向Agentic AI时代的企业完整AI数据底座。

这个平台由KeenData Lakehouse多模态湖仓平台和Keen Agentic OS深度协同、能力互通，共同打造而成。前者让数据真正具备智能化处理和服务能力，从“存储”走向“供给智能”；后者让Agent在企业内真正能落地、能运行、能规模化，从“开发一个Agent”走向“构建整个Agent体系”。

两者合力，构成了集数据底座与智能体操作系统于一体的完整AI数据基础设施。

这个平台回答了三个问题：

Agent需要什么样的数据？高质量、可治理、可溯源、实时可用。

Agent如何“消化”这些数据？多模态对齐、训推加速、异构算力调度。

Agent如何被管理、被信任、被规模化？全生命周期治理、Multi-Agent协同、企业级安全与可观测。

从“存储数据”到“供给智能”

传统数据平台的逻辑是“存好数据”，把数据收进来、存起来、管起来，任务就结束了。但在Agentic AI时代，这个逻辑不够用了。Agent需要的不是“能被查询的数据”，而是“能被理解、能直接调用、能参与推理的数据”。数据平台的任务，从“存储数据”变成了“供给智能”。

正是基于这一判断，KeenData Lakehouse面向Agentic AI进行了升级，聚焦三个核心能力

一是多模态数据实时对齐。企业的数据以各种形态存在：结构化数据在数据库里，非结构化文档在共享文件夹里，图像在质检系统里，音视频在会议记录里。传统数据平台让这些数据“各自为政”，Agent调用时需要跨多个系统、做多次转换。

科杰科技的做法是实现统一语义空间对齐：无论原始数据是文本、图像还是音视频，经过平台处理后，都以Agent可理解的语义方式呈现。Agent不再关心“数据在哪、什么格式”，只需要问“我要什么信息”，平台负责“翻译”和“送达”。

二是训练推理全流程加速。Agent的“智商”需要持续迭代，模型需要持续训练、微调、优化，推理需要低延迟、高并发。科杰科技打通了从数据加载、特征工程、模型训练、模型部署，到推理服务的全链路。

具体来说，在数据加载环节优化了大规模多模态数据从存储到GPU的读取效率，在训练环节集成了分布式训练框架和自动超参数调优，在推理环节实现了动态批处理、模型量化与预热机制。简言之，Agent“取数据”的路径更短、模型迭代更快、推理响应更及时。

三是全面兼容CPU/GPU异构算力。Agent的负载是不均匀的，某些时段高并发推理，某些时段大规模训练，还有大量时间处于闲置状态。如果按峰值配置算力，成本高得离谱；如果按均值配置，高峰期又扛不住。

科杰科技的解决方案是异构算力统一调度：CPU处理轻量级任务和控制逻辑，GPU处理重计算任务。系统根据实时负载自动弹性扩缩容，按需分配算力、按实际使用计费。不浪费、不闲置，让每一分算力成本都“烧有所值”。

从“开发一个Agent”，到“构建整个Agent体系”

如果说KeenData Lakehouse解决的是“Agent吃什么”的问题，那科杰科技的另一款产品Keen Agentic OS，解决的就是“Agent怎么被管、怎么协同、怎么规模化”的问题。

这是本次发布的另一个重头戏。

AgentOS是什么？可以类比为智能手机时代的操作系统。

手机的硬件能力（CPU、GPU、传感器）是底层，但真正让App生态繁荣起来的是操作系统，它管理硬件资源、提供开发框架、保障安全和隐私、实现应用间的协同。

AgentOS做的是同一件事：管理Agent的完整生命周期，让企业像管理软件系统一样管理Agent群。

Keen Agentic OS围绕六个核心维度构建：Agent Runtime提供稳定的生产执行环境；Data+Agent深度融合打通数据、知识与业务系统；Multi-Agent协同实现多智能体分工协作；企业级治理与安全覆盖权限、审计与全生命周期管理；训推极致性能SOTA保障多模型统一调度与弹性推理；本体语义知识库则将分散的企业数据沉淀为Agent可理解、可调用的智能认知资产。

六层能力环环相扣，共同构成从开发、运行到治理、进化的完整Agent基础设施。

需要指出的是，Keen Agentic OS不是从零开始的产品，它依托科杰科技数百个智能体项目落地实战经验与海量真实业务场景打磨而成。可以说，这是经过实战检验的“工业品”，而不是实验室里的“概念品”。

目前来看，科杰科技的这些能力，在工业智造、智慧能源、智慧政务三大核心场景已经跑通，并已经在中石化、国网、一汽等客户中实现了应用落地。

AI数据基础设施

是“Token经济”大厦的地基

从整个行业来看，Agent的爆发正在引发一个更深层的变化：Token正在重新定义AI产业的商业逻辑。

上一代云服务卖的是“算力资源”，CPU小时、存储GB、带宽Mbps。商业模式的核心是“资源利用率”，闲置算力就是浪费，卖出去了就是收入。客户按资源用量付费，至于资源用得怎么样、产生了多少业务价值，那是客户自己的事。

下一代AI基础设施，卖的是“Token价值”。不是简单地卖Token数量，而是让每一个Token背后都有高质量数据支撑、有治理保障、有业务闭环。商业模式的核心从“资源利用率”变成了“价值转化率”，Token烧掉了，业务价值有没有出来？Agent推理了，决策质量有没有提升？

这是两种完全不同的商业逻辑。

前者是“卖水”的逻辑，不管用户用得好不好，水卖出去了就行。后者是“卖解决方案”的逻辑，用户买的不只是Token，是“用Token解决业务问题的能力”。

2026年是分水岭。

大量企业开始意识到：Agent部署不是终点，Token消耗不是目的，真实的业务产出才是。科杰科技推出的基于Token的弹性计费模式，是对这种新逻辑的直接回应。

可以预见，未来3-5年，AI数据基础设施将从“IT投资”升级为“战略投资”。

每一家计划用Agent改造业务的组织，都需要先建一套“AI就绪”的数据底座。从央国企总部延伸至二级、三级公司，从金融、能源延伸到医疗、交通、城市治理，市场规模可放大数十倍。

而且，AI数据基础设施不是ERP或数据库那样的存量红海，而是AI催生的全新蓝海。

结语

回顾历史，每一次重大技术的升，本质上都是一次“价值衡量标准”的重置。

农业时代，土地是财富的尺度。工业时代，蒸汽机的马力、生产线的效率定义了价值。互联网时代，流量和用户时长成为商业的通用货币。

AI时代，Token正在扮演这个角色，它成为连接技术供给与商业需求的“结算单位”，成为衡量智能投入与产业产出的“价值标尺”。

但Token有一个根本特性：它只计量“数量”，不衡量“质量”。它知道自己被消耗了多少，却不知道消耗之后产出了什么。它记录“用了多少”，却无法回答“用得好不好”。

这个特性放在过去两年不是大问题，模型在进化，企业在探索，大家愿意为“可能性”买单。但当Agent从技术风口变成产业工具，当Token消耗从日均千亿级跃升至百万亿级，“数量-质量”的脱钩就从一个技术细节，变成了一个商业命题：每一笔Token消耗，都应该对应真实的业务价值。

这不是对Token的否定，恰恰是对它作为“通用等价物”地位的确认。任何一种货币，最终都需要回答“购买力”的问题。

科杰科技这类企业做的事，本质上就是为Token建立一套“价值锚定系统”。

回到数博会。

Agent是热点，Token是焦点，数据底座则是原点。Agent规模化商用的下半场，拼的不仅是Agent的数量，更是Token的“含金量”。

谁能让每一个Token都“烧有所值”，谁就掌握了这场竞赛的主动权。

当Agent从“技术风口”变成“产业工具”，AI数据基础设施的价值才刚刚开始显现。

文：月满西楼 / 数据猿
责编：凝视深空 / 数据猿