“領(lǐng)域大模型+AI原生平臺(tái)，開啟AI治理新時(shí)代。

在AI技術(shù)重塑各行各業(yè)的當(dāng)下，高質(zhì)量數(shù)據(jù)已成為企業(yè)挖掘業(yè)務(wù)價(jià)值的核心引擎，不僅能驅(qū)動(dòng)精準(zhǔn)決策，激活創(chuàng)新場(chǎng)景，而且能為業(yè)務(wù)增長(zhǎng)注入持續(xù)動(dòng)力，成為政企在競(jìng)爭(zhēng)中突圍的關(guān)鍵。

然而，AI時(shí)代對(duì)數(shù)據(jù)質(zhì)量、效率的高要求，也讓傳統(tǒng)數(shù)據(jù)治理模式陷入瓶頸：依賴專家經(jīng)驗(yàn)的流程效率低、成本高，流程繁瑣，難以適配快速變化的業(yè)務(wù)需求，數(shù)據(jù)治理如何更好交付成為行業(yè)亟待破解的難題。

作為深耕數(shù)據(jù)治理領(lǐng)域十年的先行者，百分點(diǎn)科技有底氣重塑數(shù)據(jù)治理這一流程：自2015年推出首款大數(shù)據(jù)治理平臺(tái)以來，服務(wù)了30個(gè)行業(yè)近千個(gè)項(xiàng)目，產(chǎn)品不斷迭代升級(jí)，更沉淀出專業(yè)服務(wù)團(tuán)隊(duì)，在行業(yè)覆蓋、業(yè)務(wù)深度、產(chǎn)品完善度上均樹立行業(yè)標(biāo)桿。

11月16日，在“2025第四屆數(shù)據(jù)治理年會(huì)”上，百分點(diǎn)科技正式發(fā)布百思數(shù)據(jù)治理大模型（BS-LM）與百思數(shù)據(jù)治理平臺(tái)（AI-DG）。作為業(yè)內(nèi)首個(gè)數(shù)據(jù)治理垂直大模型，百分點(diǎn)以“智能決策+高效執(zhí)行”雙引擎，實(shí)現(xiàn)了數(shù)據(jù)治理從頂層設(shè)計(jì)到數(shù)據(jù)應(yīng)用的全鏈路自動(dòng)化，標(biāo)志著數(shù)據(jù)治理從“專家驅(qū)動(dòng)”邁入大模型引領(lǐng)的“智能自治”新紀(jì)元，為政企打造可信數(shù)據(jù)資產(chǎn)提供新范式。

數(shù)據(jù)治理的三次進(jìn)化：

從人工輔助到AI原生

百分點(diǎn)科技政企事業(yè)部總經(jīng)理馬偉凱在主題演講中回顧數(shù)據(jù)治理生態(tài)的發(fā)展歷程，其核心模式隨技術(shù)迭代與需求升級(jí)不斷進(jìn)化，可清晰劃分為三個(gè)關(guān)鍵階段，每個(gè)階段均對(duì)應(yīng)著不同的治理邏輯與實(shí)踐形態(tài)。

1.0時(shí)代：人工+平臺(tái)，以流程制度為核心。

數(shù)據(jù)治理1.0時(shí)代的核心是“標(biāo)準(zhǔn)化平臺(tái)+專家經(jīng)驗(yàn)+全流程服務(wù)團(tuán)隊(duì)”的組合，聚焦通過工具與人力協(xié)作完成基礎(chǔ)數(shù)據(jù)治理任務(wù)。

這一階段，行業(yè)競(jìng)爭(zhēng)與甲方客戶關(guān)注的重點(diǎn)集中在兩方面：一是平臺(tái)功能是否完備，能否高效實(shí)現(xiàn)數(shù)據(jù)匯聚、加工處理與BI報(bào)表生成；二是服務(wù)團(tuán)隊(duì)是否具備深厚行業(yè)知識(shí)，能否依托經(jīng)驗(yàn)落地治理流程。

而該模式的局限性也十分突出：實(shí)施周期長(zhǎng)，對(duì)團(tuán)隊(duì)配置要求高（需涵蓋業(yè)務(wù)專家、技術(shù)人員等多角色），且治理價(jià)值難以感知——領(lǐng)導(dǎo)層與業(yè)務(wù)層往往無法清晰看到治理前后的實(shí)際差異，數(shù)據(jù)治理更多停留在“流程合規(guī)”層面，未能充分轉(zhuǎn)化為業(yè)務(wù)價(jià)值。

2.0時(shí)代：平臺(tái)+AI，以AI能力嵌入為手段。

隨著算法模型技術(shù)發(fā)展，數(shù)據(jù)治理邁入2.0時(shí)代，核心特征是“AI能力嵌入平臺(tái)”，通過點(diǎn)狀智能突破實(shí)現(xiàn)效率提升與成本降低。這一階段，平臺(tái)功能的智能化成為核心方向：AI技術(shù)的融入顯著降低了實(shí)施研發(fā)門檻，減少了重復(fù)人工操作，讓數(shù)據(jù)治理的整體效率得到明顯改善。

然而，2.0時(shí)代仍未突破核心瓶頸：一方面，平臺(tái)運(yùn)轉(zhuǎn)高度依賴行業(yè)專家的強(qiáng)支持，缺乏專家參與則難以持續(xù)推進(jìn)；另一方面，AI優(yōu)化多集中于單點(diǎn)功能如數(shù)據(jù)清洗、規(guī)則匹配等，未形成覆蓋治理全流程的體系化方案，無法從根本上重塑治理工作模式。

3.0時(shí)代：AI原生治理，以大模型為內(nèi)核、多智能體為載體。

為解決前兩個(gè)階段的痛點(diǎn)，數(shù)據(jù)治理進(jìn)入3.0AI原生治理時(shí)代，其核心是“大模型+多智能體”的深度協(xié)同——以大模型為內(nèi)核提供專家級(jí)知識(shí)賦能，以多智能體為載體實(shí)現(xiàn)全流程自動(dòng)化運(yùn)轉(zhuǎn)。

這一階段徹底重構(gòu)了數(shù)據(jù)治理邏輯：首先，大模型替代傳統(tǒng)全流程服務(wù)團(tuán)隊(duì)，整合業(yè)務(wù)專家、咨詢顧問、數(shù)據(jù)架構(gòu)師等角色的專業(yè)知識(shí)，為治理工作提供統(tǒng)一支撐。

其次，多智能體協(xié)同覆蓋治理全鏈路，從業(yè)務(wù)需求分析、數(shù)據(jù)接入，到數(shù)據(jù)加工、治理落地，實(shí)現(xiàn)“從0到1”構(gòu)建數(shù)據(jù)治理平臺(tái)的全流程自動(dòng)化。

最后，治理模式從“人工主導(dǎo)”轉(zhuǎn)向“AI自主決策與執(zhí)行”，不僅大幅降低人力依賴，而且更能讓治理價(jià)值快速傳遞至業(yè)務(wù)端，真正實(shí)現(xiàn)數(shù)據(jù)治理與業(yè)務(wù)需求的深度融合。

百思大模型：

雙引擎開啟數(shù)據(jù)治理智能自治新范式

為破解傳統(tǒng)數(shù)據(jù)治理依賴專家、效率低、價(jià)值難感知等痛點(diǎn)，百分點(diǎn)科技推出了百思數(shù)據(jù)治理大模型（BS-LM），作為數(shù)據(jù)治理的“智能決策引擎”，其以“知識(shí)+推理”模式重塑數(shù)據(jù)治理全流程。其中，知識(shí)層面依托深度行業(yè)積淀提供專家級(jí)知識(shí)賦能，推理層面通過自然語言驅(qū)動(dòng)與多智能體協(xié)同，將治理工作快速落地，二者結(jié)合讓數(shù)據(jù)治理從“人力密集”轉(zhuǎn)向“智能自治”，更高效地為業(yè)務(wù)方呈現(xiàn)數(shù)據(jù)報(bào)表與價(jià)值，帶領(lǐng)行業(yè)進(jìn)入數(shù)據(jù)治理3.0時(shí)代。

馬偉凱介紹說，百思大模型的核心能力集中在4大方向，精準(zhǔn)匹配數(shù)據(jù)治理全場(chǎng)景需求。

其一，具備深度語義解析與多步驟邏輯推理能力，可實(shí)時(shí)響應(yīng)復(fù)雜治理問題，提供規(guī)則解讀、標(biāo)準(zhǔn)對(duì)照與最佳實(shí)踐推薦，實(shí)現(xiàn)專家知識(shí)的系統(tǒng)化傳承與普惠化應(yīng)用。例如專家級(jí)業(yè)務(wù)知識(shí)理解，可精準(zhǔn)區(qū)分不同行業(yè)術(shù)語內(nèi)涵，如“三防”在消費(fèi)電子領(lǐng)域指“防塵、防水、防摔”，在應(yīng)急領(lǐng)域則是“防汛、防旱、防臺(tái)”，避免通用模型的知識(shí)偏差，確保治理貼合真實(shí)業(yè)務(wù)場(chǎng)景。

其二，全流程規(guī)劃與智能編排，覆蓋從數(shù)據(jù)集成、資產(chǎn)分類到指標(biāo)體系搭建的開發(fā)全鏈路，無需人工拆分環(huán)節(jié)，實(shí)現(xiàn)端到端治理支撐。

其三，數(shù)據(jù)治理資產(chǎn)自動(dòng)生成與標(biāo)準(zhǔn)化管理，實(shí)現(xiàn)數(shù)據(jù)模型設(shè)計(jì)、質(zhì)量規(guī)則配置、資產(chǎn)目錄構(gòu)建等關(guān)鍵工作的自動(dòng)化，推動(dòng)治理模式從“項(xiàng)目交付”向“資產(chǎn)運(yùn)營(yíng)”轉(zhuǎn)型升級(jí)，既能響應(yīng)國(guó)家政策要求，識(shí)別并加工高質(zhì)量數(shù)據(jù)集，又能自動(dòng)生成標(biāo)準(zhǔn)化數(shù)據(jù)治理資產(chǎn)，降低人工標(biāo)準(zhǔn)化成本。

其四，治理成效與價(jià)值度量，可基于治理內(nèi)容自主評(píng)估效果，還能測(cè)算高質(zhì)量數(shù)據(jù)集的業(yè)務(wù)價(jià)值，動(dòng)態(tài)追蹤關(guān)鍵價(jià)值指標(biāo)，精準(zhǔn)回答“治理是否有效”的核心問題，讓治理成果與價(jià)值可視化，助力企業(yè)實(shí)現(xiàn)從數(shù)據(jù)資產(chǎn)沉淀到業(yè)務(wù)價(jià)值提升的跨越。

百思大模型的獨(dú)特優(yōu)勢(shì)，源于百分點(diǎn)科技10年數(shù)據(jù)治理服務(wù)的沉淀與創(chuàng)新訓(xùn)練方式。

在語料層面，百分點(diǎn)科技將10年項(xiàng)目經(jīng)驗(yàn)中的核心知識(shí)系統(tǒng)化沉淀。項(xiàng)目結(jié)項(xiàng)時(shí)，業(yè)務(wù)系統(tǒng)、數(shù)據(jù)主題庫、數(shù)據(jù)源標(biāo)準(zhǔn)、行業(yè)政策文件、企業(yè)指標(biāo)體系等元數(shù)據(jù)與公開信息，需按流程回流至公司，且不涉及客戶隱私，為大模型提供了行業(yè)適配性極強(qiáng)的語料基礎(chǔ)。

在訓(xùn)練方式上，針對(duì)數(shù)據(jù)治理不同流程的能力需求差異，先為各領(lǐng)域訓(xùn)練專屬模型，再通過知識(shí)融合對(duì)齊語義、整合能力，有效規(guī)避了單一模型易出現(xiàn)的知識(shí)遺忘、交叉干擾問題，讓大模型在各治理場(chǎng)景中均能精準(zhǔn)發(fā)力。

從實(shí)際應(yīng)用場(chǎng)景看，百思大模型的價(jià)值更具象：數(shù)據(jù)標(biāo)準(zhǔn)場(chǎng)景中，可從多模態(tài)文件快速提取國(guó)標(biāo)、行標(biāo)知識(shí)并按格式沉淀，還能自動(dòng)完成“邏輯模型轉(zhuǎn)物理模型”“數(shù)據(jù)標(biāo)準(zhǔn)落地校驗(yàn)”。

數(shù)據(jù)倉庫模型規(guī)劃場(chǎng)景中，以應(yīng)急領(lǐng)域?yàn)槔?，可自主輸出分層架?gòu)、主題專題及核心實(shí)體，還能診斷現(xiàn)有模型的實(shí)體缺失、屬性不足等問題，并給出優(yōu)化建議，真正讓數(shù)據(jù)治理實(shí)現(xiàn)“少專家依賴、高效率落地、高價(jià)值呈現(xiàn)”。

百思數(shù)據(jù)治理平臺(tái)：數(shù)據(jù)治理的高效執(zhí)行引擎，讓落地更簡(jiǎn)單

在百思數(shù)據(jù)治理大模型提供專家級(jí)知識(shí)賦能后，數(shù)據(jù)治理的落地執(zhí)行仍需高效載體。百分點(diǎn)科技推出的百思數(shù)據(jù)治理平臺(tái)（AI-DG），正是以“高效執(zhí)行引擎”的定位，承接大模型的指導(dǎo)成果，解決數(shù)據(jù)治理開發(fā)落地中的核心痛點(diǎn)，實(shí)現(xiàn)從“知識(shí)指導(dǎo)”到“實(shí)際落地”的閉環(huán)。

AI-DG平臺(tái)是以大模型為內(nèi)核、以多智能體協(xié)作為載體、以AI自主工程化交付為目標(biāo)的下一代數(shù)據(jù)治理平臺(tái)。其核心聚焦三大問題，打破傳統(tǒng)數(shù)據(jù)治理開發(fā)的低效困境。

其一，需求拆解與自動(dòng)執(zhí)行難題。平臺(tái)可自主拆解業(yè)務(wù)需求，明確需開展的工作項(xiàng)，再通過多智能體協(xié)同自動(dòng)推進(jìn)，無需人工逐環(huán)節(jié)規(guī)劃。

其二，操作界面復(fù)雜問題。摒棄傳統(tǒng)平臺(tái)“頂部一級(jí)功能+左側(cè)二級(jí)功能”的繁瑣設(shè)計(jì)（成熟平臺(tái)常含數(shù)十上百個(gè)功能，用戶難以快速上手），采用自然語言對(duì)話引導(dǎo)式界面，降低操作門檻。

其三，全流程覆蓋不足問題。從業(yè)務(wù)需求分析，到數(shù)據(jù)接入、加工、治理，再到最終成果呈現(xiàn)，平臺(tái)實(shí)現(xiàn)全鏈路支撐，無需依賴多工具切換。

跟據(jù)客戶現(xiàn)場(chǎng)實(shí)踐數(shù)據(jù)，AI-DG平臺(tái)可將實(shí)施周期縮短70%以上，運(yùn)營(yíng)成本降低超50%。

從實(shí)際應(yīng)用場(chǎng)景來看，AI-DG平臺(tái)適配不同客戶基礎(chǔ)，展現(xiàn)出極強(qiáng)的落地能力。針對(duì)“未建數(shù)據(jù)中臺(tái)/治理平臺(tái)”的客戶，平臺(tái)以交互式方式引導(dǎo)項(xiàng)目規(guī)劃落地：先基于調(diào)研模板梳理需求，自動(dòng)生成數(shù)據(jù)接入任務(wù)；數(shù)據(jù)接入后，聯(lián)動(dòng)大模型能力沉淀數(shù)據(jù)標(biāo)準(zhǔn)、設(shè)計(jì)數(shù)據(jù)倉庫方案（明確庫表結(jié)構(gòu)），用戶可修正推薦規(guī)則，修正內(nèi)容回傳平臺(tái)后，自動(dòng)生成數(shù)據(jù)處理邏輯；后續(xù)還能按行業(yè)特性推薦企業(yè)指標(biāo)運(yùn)營(yíng)體系，確認(rèn)后自動(dòng)加工指標(biāo)，最終通過智能報(bào)告或問數(shù)產(chǎn)品實(shí)現(xiàn)數(shù)據(jù)查詢。

針對(duì)“已建數(shù)據(jù)中臺(tái)”的客戶，平臺(tái)可快速響應(yīng)臨時(shí)需求。以零售行業(yè)“商品補(bǔ)貨”場(chǎng)景為例，平臺(tái)能自主分析現(xiàn)有數(shù)據(jù)是否支撐需求，若數(shù)據(jù)不足則定位需補(bǔ)充數(shù)據(jù)的系統(tǒng)、判斷是否納入主題庫，最終形成專題分析，直接回答“某門店是否需要補(bǔ)貨”；類似地，月度運(yùn)營(yíng)分析報(bào)告也可基于平臺(tái)數(shù)據(jù)自動(dòng)生成，無需人工反復(fù)提取加工。

AI-DG平臺(tái)的高效執(zhí)行能力，源于兩大核心支撐。一方面，平臺(tái)內(nèi)置涵蓋數(shù)據(jù)接入、標(biāo)準(zhǔn)制定、加工處理等各環(huán)節(jié)的專屬智能體，這些智能體脫胎于百分點(diǎn)科技10年數(shù)據(jù)治理項(xiàng)目沉淀的成熟實(shí)施方法論，可精準(zhǔn)匹配治理全流程需求。

另一方面，平臺(tái)具備“方案自動(dòng)規(guī)劃”能力，能基于業(yè)務(wù)主題分析需求、調(diào)用對(duì)應(yīng)智能體，同時(shí)還支持?jǐn)?shù)據(jù)安全與運(yùn)維工作，通過智能體自動(dòng)完成后期運(yùn)營(yíng)，真正實(shí)現(xiàn)數(shù)據(jù)治理“從需求到落地，再到運(yùn)維”的全周期高效運(yùn)轉(zhuǎn)。

領(lǐng)域大模型+AI原生平臺(tái)

開啟AI治理新時(shí)代

當(dāng)數(shù)據(jù)治理邁入AI時(shí)代，“領(lǐng)域大模型+AI原生平臺(tái)”的組合正成為破局關(guān)鍵。百分點(diǎn)科技發(fā)布的百思數(shù)據(jù)治理大模型（BS-LM）與百思數(shù)據(jù)治理平臺(tái)（AI-DG），以協(xié)同之力重塑治理全流程，真正開啟AI治理新紀(jì)元。

百思大模型聚焦“專家級(jí)知識(shí)賦能”，憑借10年行業(yè)語料沉淀與分領(lǐng)域訓(xùn)練優(yōu)勢(shì)，實(shí)現(xiàn)業(yè)務(wù)知識(shí)精準(zhǔn)理解、治理全流程規(guī)劃、數(shù)據(jù)資產(chǎn)自動(dòng)生成與價(jià)值度量，為治理工作提供專業(yè)指導(dǎo)。

AI-DG則承擔(dān)“高效執(zhí)行引擎”角色，以友好化開發(fā)界面、自主化規(guī)劃能力、多智能體協(xié)同功能，通過自然語言交互降低操作門檻，讓治理落地更高效。

二者聯(lián)動(dòng)還支撐了百思智能應(yīng)用，精準(zhǔn)解決“數(shù)據(jù)價(jià)值最后一公里”難題，推動(dòng)業(yè)務(wù)人員與領(lǐng)導(dǎo)深度參與開發(fā)。例如在廣州白云應(yīng)急領(lǐng)域，智能治理方案在智能預(yù)案拆解方面已獲得能力印證，實(shí)現(xiàn)從“被動(dòng)響應(yīng)”到“主動(dòng)服務(wù)”的跨越，讓Data for AI的推進(jìn)更順暢。

展望未來，馬偉凱認(rèn)為，AI數(shù)據(jù)治理的演進(jìn)路徑清晰可見，4大趨勢(shì)將重塑行業(yè)格局：

其一，智能體從“預(yù)置”走向“自主演化”，未來可根據(jù)需求自動(dòng)創(chuàng)建、管理與迭代，擺脫對(duì)人工配置的依賴；

其二，實(shí)體自治能力持續(xù)加強(qiáng)，data fabric、data match等技術(shù)成熟后，無需再通過集中式治理歸集所有數(shù)據(jù)，大幅降低治理成本；

其三，垂直領(lǐng)域大模型加速普及，隨著治理自治能力提升，各行業(yè)對(duì)適配自身需求的垂類大模型需求激增，推動(dòng)領(lǐng)域化治理深化；

其四，知識(shí)聯(lián)盟生態(tài)加速形成，治理生態(tài)將從“數(shù)據(jù)知識(shí)互聯(lián)互通”，拓展至“行業(yè)知識(shí)互通”，促進(jìn)跨主體、跨領(lǐng)域的知識(shí)協(xié)同。

這一系列變革，正讓AI治理從“效率提升”走向“價(jià)值重構(gòu)”，為政企數(shù)據(jù)資產(chǎn)化與業(yè)務(wù)智能化注入持久動(dòng)力。

正如百分點(diǎn)科技CEO蘇萌所言，“未來的AI競(jìng)爭(zhēng)中，比參數(shù)規(guī)模更重要的是場(chǎng)景深度。百思大模型的意義，不僅在于技術(shù)突破，更在于它把10年沉淀的治理方法論‘產(chǎn)品化’，進(jìn)而賦能行業(yè)和客戶完成高質(zhì)量、高效率、高價(jià)值的數(shù)據(jù)治理。”