从中国版 Databricks 到企业级 AI 智能体

哈喽！伙伴们，我是小智，你们的AI向导。欢迎来到每日的AI学习时间。今天，我们将一起深入AI的奇妙世界，探索“从中国版 Databricks 到企业级 AI 智能体”，并学会本篇文章中所讲的全部知识点。还是那句话“不必远征未知，只需唤醒你的潜能！”跟着小智的步伐，我们终将学有所成，学以致用，并发现自身的更多可能性。话不多说，现在就让我们开始这场激发潜能的AI学习之旅吧。

从中国版 Databricks 到企业级 AI 智能体：

算场，一家位于北京海淀的低调的创业公司，打造了对标 Databricks 的 Data+AI 基础设施（平台服务），并进一步围绕企业数据构建安全可信的企业级AI智能体。公司近日开源两款企业级模型 – NL2SQL 大模型和通用时序预测大模型（https://github.com/suan-chang）。前者基于自然语言查询生成高准确率 SQL 并驱动智能体与统一企业数据的交互，后者覆盖工业、金融等任意领域时序预测场景可以用于加强企业级智能体的通用预测能力，均达到行业领先水平。通过开源社区和生态协同，算场希望推动企业级 AI 智能体的普惠化落地。

1.为什么要企业级 AI 智能体

随着大模型技术的发展以及逻辑推理能力的提高，智能体正在重塑企业的软件体系，成为企业智能化的创新活力与竞争优势，引发新一轮的产业变革。企业的智能体可以作为 AI 员工或智慧大脑，提升企业的运营效率和决策能力。但是相较于面向消费者的智能体，企业端的智能体落地当前面临一系列挑战:

(1) 企业端的智能体需要能洞察企业业务，自主分析企业数据并结合市场变化驱动企业智能化运营，这就需要企业智能体有能力整合、管理、治理或访问企业繁杂的各环节各系统的数据。因此企业智能体需要一个统一的数据管理和治理的底座，并支持通过对话的方式对各种数据查询和交互。

(2) 企业的智能体需要严格的安全访问控制机制，保证不同的员工的问答只能检索或调用其权限范围内的数据、工具或系统，避免企业信息泄露或系统安全风险。同时大模型的幻觉导致智能体的决策错误或业务风险也给智能体落地带来挑战。

(3) 目前的生成式 AI 大模型更像勤劳的普通员工，大多数场景下不能取代特定领域的专家 AI 或通过企业自身数据训练的专属 AI , 比如需求预测、供应链优化等，这就需要企业智能体能根据任务自动调用更高效的针对特定领域的 AI ，进而具备全面预测和大规模优化的能力，成为企业运营的专家。

我们定义企业级 AI 智能体是将智能体同企业数据、安全控制以及专家 AI 复合体结合起来，驱动企业全面的业务增长。借助于自研底座平台的数据+ AI 全面能力，并结合智能体的通用任务规划，算场打造安全的、业务驱动的企业级 AI 智能体，开启企业的新质生产力。

2.从中国版 Databricks 到企业级 AI 智能体

算场的第一个阶段，打造中国版 Databricks, 研发了国内领先的安全的 Data+AI 基础设施，通过简单的订阅式平台服务，提供企业从数据到分析和 AI 的一站式能力，赋能从数据工程到人工智能和大模型全生命周期的智能化转型。通过 SaaS 平台服务，算场能够支撑任意数量企业快速整合数据，让数据和 AI 开发变得简单，大幅降低技术门槛和资金投入，推动 Data+AI 的普惠化。目前算场的 Data+AI 平台服务功能可以全面对标 Databricks ，开放申请使用，已经建立多家种子客户，并与多行业领军企业展开合作。（Databricks 是 Data+AI 领域的全球领先企业，于2024年12月完成了 AI 领域最大的百亿美元单笔融资）。

算场的第二个阶段，是结合底层的 Data+AI 平台，构建安全可信的企业级 AI 智能体。Data+AI 平台底座支持企业全面数据的统一和治理，以便智能体可以快速检索需要的高质量数据并驱动精准决策；内置的安全访问控制机制允许智能体仅能访问权限范围之内的数据、系统或工具,保障智能体的安全可控。企业也可以通过 Data+AI 平台的端到端的 AI 开发和服务能力来快速构建自己的专家AI模型服务并拓展智能体的预测和决策能力，使得智能体既能成为企业勤勤恳恳的普通 AI 员工，也能作为精通特定领域的专家。

算场近日开源两个行业领先的 AI 模型 （https://github.com/suan-chang），共同推动企业级智能体行业快速发展。第一个模型是基于收集的高质量SQL数据和底座大模型微调的 NL2SQL 大模型，可以让智能体快速基于上千张数据表格精准地生成数据查询和修改的 SQL 指令，在这个特定任务上准确率比 DeepSeek-V3 和 DeepSeek-R1 高出20个百分点。第二个模型是算场自研的通用预测大模型，该模型使用来自工业、金融、交通等十多个领域的260亿个多尺度时间点训练，可以用于任何的多时序预测场景，在多个场景达到 SOTA 水平，企业智能体可以调用这个模型来具备通用的预测能力，如需求预测、价格预测、流量预测等。

3.算场是谁？
算场，从2023年成立之初一直专注于研发，目标是构建一个基础设施化的计算场所（平台）将企业数据和企业AI结合起来，同时像“场”一样无所不在的驱动 AI 和智能体的普惠化。我们注意到越来越多的企业需要构建自己的 AI 能力来服务于自己的业务和产品升级，而 AI 跟数据密不可分，比如要开发准确的 AI 模型就需要有很强的数据清洗和分析能力。而企业自己搭建和运维复杂的数据到 AI 的软硬件环境需要较高的技术门槛和巨大的早期投入，如同建设自己的电厂；而算场的 Data+AI 基础设施服务就像构建了一个电网体系，支撑任意数量企业，企业通过按用付费的方式购电即可，大幅度降低企业的成本并提供更加强大的 Data+AI 能力。

通过简单的一体化平台服务，算场可以全面支持企业的数据工程师、数据科学家、 AI 工程师和业务人员的使用和协同，提升数据和 AI 开发的效率和质量。同时，算场在数据安全管理的基础之上支持跨企业、跨云的数据实时交换，并通过数据和模型市场驱动企业数据要素的可控流通；对于数据隐私要求比较高的场景，也可以通过算场的多方可信计算实现多方数据的“可用不可见”，真正推动数据“供得出、流得动、用得好、保安全”。

算场的创始人周洪超是一个典型工程师和科学家的结合，四年完成清华大学本硕、获得加州理工学院电子工程最佳博士奖，山东大学曾经最年轻教授，国家重点研发计划首席科学家同团队解决了我国的某卡脖子问题。主要研究领域有人工智能、数据系统和信息理论等，曾提出神经网络的激活学习范式、网络信息论安全等多个开创性工作，解决了诺奖得主萨缪尔森提出的随机数领域40年开放问题。同时他也是一个日常写代码的工程师和深入企业的创业者。他有幸这一代的科技工作者可以将自己的成长同产业和技术的发展相融合，参与到人工智能的这场变革中。

2023年周洪超创立算场科技，并引入产业方奥瑞德的投资，当时没有选择最火热的底座大模型赛道， 而是选择了一个工程难度高、资本不看好的 Data+AI 基础设施赛道。一方面因为相信 AI 的落地离不开数据，所以算场选择从数据到 AI、从平台到模型再到智能体的研发路线；另外一方面， 国内缺乏类似 Databricks 的好用的平台服务，使得很多企业不得不投入巨大的财力和精力来搭建和运维自己的数据和AI的平台，这在一定程度上限制了大量企业的 AI 化进程。算场研发的 Data+AI 基础设施目标是让数以十万计的中国企业围绕数据可以低成本的快速的简单的构建 AI 和大模型能力，推动 AI 普惠化，而这个一体化 Data+AI 平台也可作为企业 AI 智能体的关键底座。

4.算场 Data+AI 平台服务

算场研发的 Data+AI 平台服务全面对标 Databricks , 它可以作为企业的统一平台支持从数据收集、治理、分析到 AI 开发和服务的端到端工作流，也可以作为企业可信数据空间支持数据可控、可信、实时的安全互通。算场上所有数据加密，具有严格安全和权限管理，数据仅对企业自身可见。同时算场采用多云策略，避免企业被单一的云厂商绑定。算场核心功能和核心技术都是自主研发，实现了国产自主可控，填补了国内类似 Databricks 的基础设施的空缺，在保障企业数据安全的前提下提供全面的 Data+AI 服务。

算场采用了云原生的湖仓一体架构，结合了数据仓库和数据湖的优势，可以有效的管理和整合各种规模的结构化数据和非结构数据，实现数据的一致性访问并支持各种灵活的数据分析处理，存储效率相较于 Databricks 约提升30%;

算场支持各类数据源的数据集成，通过灵活的处理逻辑产生商务智能和人工智能应用需要的高可用的、干净的、统一管理的数据。除了支持标准化 SQL , 也支持使用 python 进行交互式数据分析，并通过工作流计算实现复杂任务的编排和调度。算场采用了批流一体的架构，支持大规模流式数据上传，用户也可以轻松构建流式处理管道。

算场支持机器学习和 AI 开发的全生命周期管理。算场的模型市场提供了各种嵌入的人工智能模型和大模型，用户可以通过简单操作使用自身数据进行自动模型训练或大模型微调，并将训练好的模型进行注册管理和快速部署服务。

算场将经济的无限空间的云存储、弹性云算力以及友好的 UI 交互结合，提供了统一的功能强大的数据查询分析能力，可以支撑企业数据和用户的任意增长。借助于大模型，用户可以通过简单的对话实现数据查询分析，也可以在几分钟内完成报表看板的开发，提升企业决策效率。

算场支持跨组织、跨数据中心的数据同步共享，并构建了数据交换网络，企业可以通过数据市场一键获取数据或者将处理或脱敏的数据安全地发布，加快数据要素流通。对于隐私保护的场景，可以通过算场的可信数据交换空间进行多方可信计算，实现多方数据的“可用不可见”。

嘿，伙伴们，今天我们的AI探索之旅已经圆满结束。关于“从中国版 Databricks 到企业级 AI 智能体”的内容已经分享给大家了。感谢你们的陪伴，希望这次旅程让你对AI能够更了解、更喜欢。谨记，精准提问是解锁AI潜能的钥匙哦！如果有小伙伴想要了解学习更多的AI知识，请关注我们的官网“AI智研社”，保证让你收获满满呦！