AI下半场：数据基础设施成为规模化落地的核心瓶颈与万亿新赛道

事件概述

在2026 Inclusion·外滩大会上，IDC发布研究指出，AI发展的重心正在发生转移：虽然模型能力快速提升，但数据能力已成为制约企业AI从试点走向规模化落地的主要瓶颈。传统数据库架构难以应对多模态数据和Agent对实时性、统一性的需求，催生了以“AI数据基础设施”为核心的新市场。

核心事实与数据

• 痛点转移：邓白氏调查显示，97%的企业推进AI项目，仅5%认为数据准备充分；Forrester指出多数RAG实施失败源于数据质量问题而非算法。
• 市场预测：IDC预计中国AI数据基础设施市场规模将从2025年的149亿美元增长至2030年的738亿美元（CAGR 37.7%），2035年有望达到1548亿美元（约1万亿人民币）。
• 技术矛盾：中国企业新生成的数据资产中约90%为非结构化形态（文档、音视频等），而传统架构主要服务于交易和分析，无法有效处理此类数据及Agent的实时调用需求。
• 细分领域增速：
  • AI数据智能（治理与分析）：2025-2030年复合增长率48.2%。
  • AI数据服务（标注、合成数据等）：复合增长率30.7%。

架构重构与竞争格局

• 架构演变：行业正从传统的OLTP（交易）与OLAP（分析）分离架构，转向“湖库一体”架构。旨在消除ETL搬运延迟，实现交易、分析、多模态数据的统一存储与管理，以支持Agent对业务上下文的实时获取。
• 关键路径：IDC提出“小模型+多模态底座”是关键路径，需形成覆盖数据管理、智能、服务到Agent消费的完整闭环。
• 主要玩家策略：
  • Databricks：发布LTAP架构，统一湖仓存储，推出Lakebase和Agent Bricks，强调将数据置于正确位置以支撑通用智能体。
  • OceanBase：推出面向AI时代的湖库一体AI数据库，包含底层Lakebase（融合存储与分析）、中层DataStudio（数据服务化）、上层DataPilot（自然语言交互）。其2025年收入大幅增长，位列中国分布式数据库市场第一，并正在进行外部融资，参照Databricks模式发展。
  • 云厂商与其他：阿里云、火山引擎依托生态延伸；Zilliz等独立软件商从向量数据库切入。

值得关注

AI项目的成本结构已发生变化，下半场的核心成本在于数据工程（找数据、洗数据、管数据）。对于数据库厂商而言，竞争焦点已从承接核心业务系统，扩展至承接数据处理、智能分析及Agent持续调用能力。市场估值逻辑正从单纯的份额逻辑切换为平台TAM（总可寻址市场）和生态逻辑。