企业进入智能体时代为何需要统一数据底座？外滩大会释放的基础设施信号

【软盟资讯·新闻导读】9月10日，多项企业智能体落地信息释放出同一信号：智能体要进入生产流程，关键不只是模型和算力，还要有能够连接数据、系统与执行动作的统一底座。浪潮信息关于“Agent时代统一数据底座”的分享，以及外滩大会披露的金融智能体实践，正在把企业关注点从“能不能用”推向“能否长期、安全、可控地运行”。

智能体进入生产环境，基础设施的压力正在转移

9月10日，多家媒体围绕企业智能体和产业应用展开报道。浪潮信息此前在2026全球闪存峰会上分享了“打造Agent时代的统一数据底座”这一主题，提出企业将智能体送入生产环境后，真正承压的不只是模型与算力，数据基础设施同样需要重新适配。

这一判断的背景是，企业使用智能体的方式正在发生变化。早期的Copilot类助手主要围绕问答展开，用户提出问题，系统生成结果，人仍然掌握完整的操作过程。进入Agent阶段后，智能体开始承担任务拆解、信息检索、工具调用和流程执行等工作，人则更多承担审批、监督和结果确认的职责。当多个智能体进一步协作时，企业面对的就不再是单一应用，而是一组持续运行的数字化工作单元。

浪潮信息存储产品部总经理杨海军在分享中提到，过去的数据和数据库更多服务于人的查询与使用，数据像相对静态的存放空间。智能体进入业务流程后，数据需要变成能够支撑感知、决策和行动的信息流，既要及时供给，也要在调用、处理和留存过程中保持可控。

这意味着，数据底座不再只是“把数据存起来”。它还需要回答几个更现实的问题：智能体能否在需要时拿到正确的数据？不同业务系统之间能否形成稳定连接？数据调用是否处在授权范围内？智能体采取的动作能否被记录、追踪和复核？当任务持续运行时，历史上下文和业务结果能否被长期保留？

如果这些问题没有解决，模型能力越强，企业面临的管理压力可能越大。因为智能体并不是一次性生成一段文本，而是可能在连续任务中反复访问企业数据、调用业务工具，并影响真实流程。

外滩大会释放的另一条信号：智能体正在靠近核心业务

同日披露的外滩大会相关信息，则从金融场景展示了智能体从产品验证走向机构业务的路径。

在2026外滩大会“AI重塑金融范式：可信AI与金融智能体前沿论坛”上，界面财联社与阶跃星辰联合孵化的财跃星辰发布金融智能体产品矩阵，并披露了与中泰证券共建多智能体投研平台、联合上海交通大学开源Alpha-R1金融推理模型等布局。

从公开信息看，这一产品矩阵覆盖个人用户和金融机构场景，包括智能资讯助手、场景化智能工具以及面向金融机构的投顾展业助手。财跃星辰方面强调，金融智能体需要建立在可信信源和可控输出基础上，其应用涉及资讯解读、行情跟踪、投研辅助和客户服务等工作。

更值得关注的是，财跃星辰与中泰证券共同打造的“星璇智能体平台”，计划将相关垂类能力嵌入投研工作流，并通过Skill Hub技能库对接整合中泰证券现有投研工具系统。这个案例所体现的重点，并不是某一个智能体具备多少功能，而是智能体如何进入已有业务链路。

金融业务对数据准确性、过程留痕和结果可控有较高要求。智能体如果只停留在聊天窗口，能够完成的工作有限；只有连接企业已有的内容、数据和工具系统，才能进一步参与研究、投顾、客户服务等流程。也正因为如此，外滩大会上的金融智能体动向，与浪潮信息提出的统一数据底座形成了相互印证：智能体规模化落地，必须同时解决数据供给、系统连接和业务执行三个环节。

数据空间不是数据仓库的简单延伸

企业讨论统一数据底座时，容易把重点放在存储容量、计算资源或数据库类型上。但对于智能体而言，数据空间更重要的价值在于，能否围绕业务任务组织数据，并让数据在授权条件下被准确调用。

一个面向智能体的数据空间，至少需要考虑数据从哪里来、以什么形式存在、怎样被检索、谁有权访问以及调用之后如何留存。企业的ERP、财务、制造、客服、知识管理等系统，往往由不同部门建设，数据格式、更新节奏和权限体系也不完全一致。智能体要完成跨系统任务，不能只依赖某一处孤立数据，而需要在统一管理和明确授权的前提下，获得与任务相关的上下文。

这里的“统一”并不等于把所有数据搬到同一个地方，也不意味着所有业务都必须改造成同一种系统。对企业来说，更关键的是建立统一的数据访问和治理逻辑，让不同来源的数据能够被识别、关联和调用，同时保留原有业务系统的职责边界。

数据实时性也需要结合任务判断。实时并不是所有数据都必须以同样速度更新，而是企业要明确哪些任务依赖最新状态，哪些任务可以使用经过沉淀的历史信息。比如，实时变化的业务状态与长期积累的知识资料，对智能体的调用方式就不同。底座需要支持这种差异，而不是简单追求一个统一的更新模式。

系统连接决定智能体能否从“会回答”走向“能执行”

智能体真正参与业务，通常需要调用企业内部的工具和系统。它可能需要读取资料、查询状态、生成方案，甚至发起某个流程。但从信息检索到业务执行，中间存在一条不能被忽略的连接链路。

首先，系统连接必须明确边界。哪些系统可以被访问，哪些数据只能读取，哪些动作必须经过人工审批，哪些操作完全禁止由智能体触发，都应当在企业制度和技术机制中得到对应。不能因为智能体能够理解自然语言，就默认它拥有跨系统操作权限。

其次，系统连接要能够识别任务上下文。同一个业务系统中的数据，在不同岗位、不同流程和不同时间点可能具有不同含义。智能体如果只拿到零散字段，却不了解数据来源、更新时间和业务关系，生成的结果就可能缺少必要背景。统一底座的作用之一，就是让数据与业务语义、权限条件和调用场景形成关联。

再次，系统连接需要保留过程记录。智能体使用了哪些数据、调用了什么工具、执行了哪些步骤、由谁批准以及最后产生了什么结果，这些信息都应当能够被追踪。对于金融、制造、政务等业务而言，过程是否可审计，往往与结果是否可接受同样重要。

因此，企业评估底座时，不能只询问“能连接多少系统”，还应关注连接是否稳定、权限是否细致、过程是否可追踪，以及系统异常时能否及时停止或转交人工。

业务执行需要从单点试用转向持续治理

很多企业可以较快搭建一个智能体试点，但从试点走向生产，难点往往不在于让它完成一次任务，而在于让它长期、稳定并且可控地工作。

浪潮信息的分享提到，Agent作为数字员工，需要具备明确的身份、岗位、职责和权限，并建立全流程的管理调度机制。这个思路说明，企业不能只把智能体当成软件功能，还需要把它纳入组织管理。

在实际评估中，企业可以重点观察以下几类能力：

• 是否能够为不同智能体设置清晰的身份、任务范围和权限边界；
• 是否能够统一管理智能体的数据访问、工具调用和执行流程；
• 是否支持人工审批、异常中断和任务转交；
• 是否能够记录调用过程、输出结果和业务影响；
• 是否能够围绕准确性、可控性、成本和使用效果持续评价；
• 是否能够在智能体数量增加后，保持统一的管理方式。

其中，评价指标不能只看回答是否流畅。浪潮信息分享中提到，企业还需要关注智能体采纳率、幻觉率和Token成本等指标。这些指标分别对应使用情况、结果风险和运行成本，但在不同业务中还需要结合具体任务设定评价方法。

更重要的是，企业要把智能体的运行结果放回业务流程中检查。一个回答看起来正确，并不代表它已经产生业务价值；一次流程执行成功，也不代表它在所有类似任务中都可靠。企业需要持续观察智能体的输入是否完整、判断是否符合规则、动作是否越权、结果是否被业务人员接受，并据此调整数据、流程和权限设置。

企业评估统一数据底座，应先看能力再看产品

对于信息化负责人和数据基础设施从业者而言，当前更重要的不是先选择某个厂商或产品，而是先建立一套适合自身业务的评估框架。

第一，看数据是否能够被持续供给。底座要能够连接企业已有数据，并根据不同任务提供合适的实时信息、历史信息和业务上下文。数据供给不足，智能体就容易停留在泛化回答；数据供给失控，则可能带来泄露和误用风险。

第二，看数据是否能够被安全隔离。不同部门、岗位和智能体之间应当存在清晰边界，敏感数据不能因为任务链路变长而被无条件扩散。权限控制还要覆盖数据读取、工具调用和结果输出，而不是只保护登录入口。

第三，看系统是否能够被统一连接。企业通常不会因为引入智能体就立刻替换所有旧系统，因此底座需要适应复杂的存量环境。连接能力的价值，不在于展示系统数量，而在于能否让智能体在真实业务链路中稳定获取信息和调用工具。

第四，看执行是否可控可审计。企业应确认智能体的每次调用是否可追溯，关键操作是否能够审批，异常行为是否能够中止，结果是否能够复核。只有形成闭环，智能体才有可能进入对稳定性要求较高的生产流程。

第五，看底座能否支持长期运行。智能体进入生产环境后，可能持续运行、反复调用数据并产生大量过程信息。企业需要提前考虑数据留存、运行调度、故障处理和成本管理，而不能只围绕一次演示或短期试用做决策。

第六，看组织是否准备好。统一数据底座不是单纯的IT项目，它会影响员工分工、流程权限、绩效评价和风险治理。百度关于企业智能化的相关讨论也提出，企业需要重新考虑决策、管理和执行层的人机协作关系。技术底座如果没有配套的组织机制，最终可能变成新增的一组孤立工具。

从“接入一个智能体”转向建设共同底座

从浪潮信息的基础设施讨论，到外滩大会披露的金融智能体矩阵，市场释放出的共同信号是：企业智能体正在从单点应用进入系统化建设阶段。

在单点试用时期，企业关注的是某个模型能否完成问答、总结或内容生成；在规模化阶段，企业需要面对多个智能体、多个业务系统和多个数据来源之间的协同问题。此时，智能体能否取得正确数据只是第一步，能否理解业务上下文、按照权限调用系统、执行可复核动作，并在长期运行中保持稳定，才决定它能否真正创造价值。

统一数据底座的核心，也因此从“集中存储”转向“统一供给、统一连接、统一治理和统一留存”。它不一定意味着所有数据和应用都采用同一种架构，但必须让企业能够以一致的规则管理智能体与数据、系统和业务流程之间的关系。

对于正在启动智能体项目的企业，较稳妥的路径不是一开始就追求全面铺开，而是先选择边界清晰、数据基础较好、执行风险可控的业务场景，验证数据供给、系统连接和结果审计是否形成闭环。待底座能力和治理机制经过验证后，再逐步扩展到更多部门和更复杂的流程。

【软盟观察】

企业进入智能体时代，真正需要建设的并不是一个更大的聊天窗口，而是一套能够承载人机协作的基础设施。浪潮信息关于统一数据底座的分享，将讨论重点放在实时供给、安全隔离、行为控制和长期留存上，说明智能体一旦进入生产流程，数据问题就会从后台能力变成业务连续性问题。外滩大会披露的金融智能体布局则进一步表明，智能体只有嵌入投研、资讯、投顾等具体工作流，才可能从工具价值转化为组织价值。

不过，统一底座并不意味着企业可以把所有数据集中起来，再交给智能体自由调用。真正有价值的底座，应当保留数据权属、业务边界和人工责任，同时让信息在授权范围内顺畅流动。企业评估时也不应只看模型效果或演示速度，而要把权限、审计、异常处理、结果复核和长期成本放到同等位置。

智能体的规模化落地不会只带来技术升级，也会改变岗位分工和管理方式。企业需要把智能体视为可管理的数字化执行单元，明确它能做什么、不能做什么，以及出了问题由谁负责。只有数据空间、系统连接、业务流程和组织治理同时建立起来，智能体才可能从“会说话”逐步走向“能办事”，并在可控前提下成为企业生产体系的一部分。