AI热榜 当 Agent 开始“吃数据”，传统湖仓不够用了：华为云重做 AI 时代数据基础设施 过去数据平台主要服务人、BI 系统和传统应用，如今，模型与 Agent 正在成为新的数据消费者。
而数据消费主体的变化，也在反向推动企业数据基础设施从传统湖仓向多模态湖仓、AI 数据湖和数据智能体演进。
华为混合云总裁顾雪军在 2026 中国国际大数据产业博览会上表示，Agentic 智能体时代，数据不仅用于传统分析，还将直接参与模型训练、推理和 Agent 执行。
企业原本分散在云、数据中心、生产线和办公系统中的数据，如果无法统一接入和使用，Agent 就很难真正进入核心业务流程。
为此，华为云提出基于“混合云+Data+AI”和华为云 Stack 构建 AI-Ready 数据平台，并将整个数据链路划分为可靠管数、高效供数、智能用数和可信流通四个环节。
AI 能不能持续、稳定地“吃到数据”？
相比传统数据平台，AI 场景对数据供给提出了更高要求。
一方面，模型训练需要持续获取大规模数据；另一方面，Agent 推理过程中又需要低延迟访问企业内部数据、知识和业务状态。
因此，传统以结构化数据和离线分析为中心的数据湖仓，在数据类型、供给速度和实时性上都面临新的压力。
华为云 AI DataLake 多模智能数据湖针对模型训练和 Agent 推理两类场景，对数据供给链路进行调整，重点解决传统方案中供数速度慢、数据规模受限、精度不足以及不同 AI 任务适配能力不足等问题。
与此同时，数据的类型也开始从传统 IT 数据扩展到更多企业生产数据。
华为云 DataArts 目前可以统一接入 IT 系统数据、OT 生产数据、ET 工程数据和 KT 企业知识，并内置 40 多种数据处理算子，同时支持自演进本体构建和高性能计算。
其核心思路是减少数据搬移，让企业不同系统中的数据能够直接参与数据处理和智能决策。
从技术路径上看，企业数据的用途正在从传统“Data”进一步向“Logic”和“Action”延伸：数据不再只用于生成报表和分析结果，而是成为模型理解业务、形成判断并驱动 Agent 执行动作的输入。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接