AI下半场竞逐万亿数据基础设施

AI落地正在进入一个反直觉的新阶段：模型性能越来越强，但企业推进实际业务时却发现，真正的瓶颈已不再是基座模型本身。

在2026 Inclusion·外滩大会上，IDC发布了一份关于AI数据基础设施的研究报告。报告指出，在越来越多的企业级应用中，大语言模型本身的能力已不再是主要限制，阻碍AI从概念验证走向规模化落地的，正在演变为底层的数据工程能力。

两年前，整个行业的注意力几乎全部集中在参数规模与算力卡位上。如今，痛点开始发生转移。邓白氏针对全球32个国家1万家企业的调查显示，97%的企业正在推进AI项目，但仅有5%认为自身数据做好了充分准备。Forrester的研究也表明，大部分检索增强生成（RAG）项目的失败主要归因于数据质量缺陷，而非检索算法或模型自身。

模型够用了，数据卡住了

「模型买回来、算力租好了，项目却卡在投产前夕」已成为行业普遍现象。Databricks调研显示，仅有37%的高管认为其生成式AI应用具备了生产可用性。

IDC的数据进一步揭示了深层原因：46%的企业将AI数据准备列为首要任务。当前企业新生成的数据资产约90%是非结构化形态，涵盖文档、图片、音视频及向量数据。传统的数据库架构主要针对事务处理与统计报表设计，无法高效支撑这些多模态资产。

同时，跨部门数据孤岛、统计口径偏差引发的AI回答失真，以及高延迟导致无法支撑AI智能体（Agent）实时决策，都构成了落地阻力。传统数据架构不仅面临数据量激增的压力——IDC预计中国数据生成量将从2025年的76.05ZB增长至2030年的146.65ZB——更面临使用方式的重构：过去数据主要供人和业务系统查询，现在Agent正在成为核心的数据消费者，AI需要的是实时、统一且具备语义上下文的高质量数据底座。

这也改变了AI落地的成本结构。上半场重心在于GPU算力投入，下半场的重心正转向数据治理、清洗与管线构建等数据工程环节。

被重构的数据底座

在Agent时代，AI需要实时核对库存、处理订单并完成决策闭环，静态的知识库检索已无法满足需求。系统需要的是一个能够实时、统一管理多模态数据并支持快速调用的底座。

IDC将AI数据基础设施划分为三大板块：负责统一管理多模态数据的AI数据平台；利用AI提升治理与分析效率的AI数据智能（2025-2030年复合增长率达48.2%）；以及向评测集构建、合成数据和知识库运维升级的AI数据服务。

业内主流玩家已经开始重构技术栈。今年6月，Databricks在Data+AI Summit上推出LTAP架构，试图将事务、分析、流处理统一至湖仓存储中，消除繁琐的ETL流程，并配套推出了Lakebase与Agent Bricks。

国内技术厂商也保持了同步节奏。OceanBase此前发布了面向AI时代的湖库一体数据库，并推出Lakebase、DataStudio及DataPilot等套件。其设计逻辑分为三层：底层Lakebase融合开放存储、分析与多模态数据处理；中层DataStudio覆盖数据清洗编排与语义建模；上层DataPilot则降低使用门槛，支持业务人员通过自然语言调取指标与归因分析。

过去四十年，数据库行业长期维持事务处理（OLTP）与分析处理（OLAP）分离的双轨架构，依赖ETL进行周期性搬运。而在Agent实时调用的场景下，结构化数据、多模态资产与向量检索的割裂会导致严重的延迟与状态不一致。推动湖库一体化，核心目的就在于减少数据冗余流动，让AI更直接地获取业务上下文。

一个万亿市场正在打开

IDC测算显示，2025年中国AI数据基础设施市场规模约为149亿美元，预计至2030年增至738亿美元，到2035年有望突破1548亿美元（约合1万亿元人民币），年均复合增长率达37.7%。

作为参照，沙利文预计2030年中国分布式事务型数据库市场规模约为129.3亿元人民币。两者规模的差异表明，传统数据库厂商的竞争边界正在从单一核心业务承载，拓展至全栈数据基础设施层面。

当前市场主要包含三类玩家：

1. 云厂商：如阿里云、火山引擎，优势在于全栈协同与开发者生态，主要挑战在于跨云适配与数据合规；
2. 数据库与湖仓厂商：如Databricks、OceanBase，依靠核心数据处理能力向多模态与智能体场景延伸；
3. 独立AI数据软件商：如Zilliz等，以向量检索与原生AI架构切入，迭代迅速但需持续完善综合平台能力。

沙利文数据显示，OceanBase在2025下半年至2026上半年以20.2%的份额位列中国分布式事务型数据库市场首位。据彭博报道，其2026年年化收入已突破14亿元，同比增长约70%，目前正在推进新一轮外部融资，对标Databricks等全球基础设施企业。

全球范围内，Databricks从湖仓分析向交易数据渗透，OceanBase则从核心事务处理向多模态与Agent集成延伸。两条演进路径最终在智能体时代汇合，竞逐万亿规模的AI数据基础设施核心底座。