本月，DeepSeek V4 Pro正式开启永久降价，调整后的价格仅为原来的四分之一，缓存命中只要0.025元每百万token，堪称行业新一轮“跳水式降价”。
这并非个例。随着模型训练效率提升、算力成本优化以及市场竞争加剧，大模型调用成本的全面下行早已成为不可逆的行业共识。根据中国信通院今年公布的数据，国内公有云大模型API平均价格，相较2023年已经累计下跌超90%，同时性能提升了3至5 倍。对企业而言，这意味着接入AI的门槛正在快速抹平，一个“AI普惠”的时代正在来临。
当智能变得越来越便宜、越来越普及，决定 AI 落地效果的核心变量，悄悄转向企业自身的数据根基。数据是否准确完整、数据治理是否规范、权限管理是否完善，以及智能体能否安全、高效地访问企业核心数据，都将直接影响AI应用的实际效果。
Gartner研究显示，85%的失败AI项目，根源都指向数据质量缺陷。当模型成为触手可及的基础能力，企业更需要警惕的不是“没有AI可用”，而是薄弱的数据底座拖住智能化落地的脚步。
数据瓶颈，正在成为AI落地最大的障碍
过去，企业建设AI系统最关心的是模型能力够不够强。如今，越来越多企业发现，AI价值的差异并不只来自模型能力本身，而是取决于数据能否被稳定、实时、可信地调用与使用。
正如丹诺德软件（Denodo）全球销售副总裁兼大中华区总裁何巍所说，企业到达一定规模，就会出现数据复杂、数据分散、数据语义不统一等问题。“全球AI项目失败的重要原因是信任问题，而造成信任问题的关键在于数据不可信。”
一方面，企业数据天然分散在ERP、CRM、供应链、财务、人力资源以及各类业务系统中，形成大量数据孤岛；另一方面，不同系统之间口径不一致、更新频率不同、权限体系复杂，也让AI很难获得准确、完整且可信的数据。
这些问题在生成式AI时代已经存在，而到了Agentic AI时代则被进一步放大。与传统聊天机器人不同，智能体不仅要回答问题，更需要完成“感知、决策、执行”的闭环任务。这意味着它必须实时访问企业数据、理解业务上下文，并在权限范围内完成具体动作。
今年5月发布的一份覆盖全球14个国家、850位企业AI负责人的《AI信任差距报告》显示，66%的组织要求数据实时或延迟不超过一分钟，才愿意采信AI输出结果，如何实现数据的及时调用成为关键；63%的组织表示难以识别和准备“正确”的数据；67%的组织则面临AI数据安全和访问控制挑战。
数据管理能力，正在成为决定AI落地成效的新分水岭。数据的实时性、语义一致性与安全治理，则是企业从AI试点迈向规模化应用必须跨越的三道门槛。
逻辑数据管理，为智能体构建可信数据底座
面对企业数据碎片化与治理复杂化的挑战，数据层的重要性正在被重新认识。
连续六年被Gartner评为数据集成工具领导者、并于2025年在IDC MarketScape全球数据集成软件平台评估中排名第一的Denodo，正在通过“逻辑数据管理”（Logical Data Management）帮助企业解决AI落地的数据信任危机。
何巍表示，Denodo的解决之道不是为企业新建一个数据平台，而是搭建AI与数据之间的信任层，构建可信数据底座。过去的26年间，Denodo已服务了全球超1000家企业。
（图：Denodo全球销售副总裁兼大中华区总裁何巍）
与传统数据平台需要将数据大量复制、集中存储不同，Denodo采用数据虚拟化技术，在不移动数据的情况下实现统一访问和治理。
对于数据团队而言，Denodo能够连接企业内部各类异构数据源，实现实时的数据整合与交付。数据无需搬迁，即可直接从源头获取最新信息，既降低了数据复制成本，也避免了副本过期带来的风险。对于已经建了数据湖仓的企业，Denodo还内置了由Velox C++执行引擎驱动的湖仓加速器，在访问Parquet、Delta和Iceberg等开放数据湖格式时显著提升性能。
对于AI团队而言，Denodo提供从开发工具到协议支持的全栈赋能，实现从数据发现到数据调用的完整能力。其AI SDK提供了三项关键能力：Text-to-VQL让智能体用自然语言直接查询企业数据，无需手写SQL；元数据语义搜索（RAG）让智能体通过向量化索引即时定位最相关的数据资产；DeepQuery深度研究智能体则能对复杂的开放式商业问题进行多步推理和跨系统综合分析，生成带有完整查询溯源的可解释性报告。新版本更是将MCP协议支持直接嵌入平台层，任何MCP兼容的智能体都可以在统一治理策略下安全发现和查询企业数据。
对于业务团队而言，Denodo Assistant让用户能够通过自然语言直接获取实时业务洞察，实现从“看仪表盘”到“与数据对话”的转变。无论是OpenAI、Azure OpenAI还是企业自建模型，都可以接入同一套可信数据体系。
从底层数据连接到上层智能体调用，Denodo试图构建的是一个面向AI时代的统一数据访问层，为企业提供智能体时代的“逻辑地图”。
（Denodo技术架构）
数据底座正重塑企业业务效率与决策方式
从全球实践来看，数据底座不再只是IT系统的支撑层，而正在成为影响业务效率与决策方式的关键基础设施。
在中国，赛力斯借助Denodo的逻辑数据编织解决方案，整合来自智能工厂及其它数据源的数据。与传统ETL方式不同，逻辑数据管理平台能够连接异构数据源，实现无数据复制的数据管理，使得数据交付速度提升了88%，为业务分析与应用开发提供统一可信的数据来源，显著缩短了业务分析与数据应用的响应周期。
在公共服务领域，迪拜财政部利用Denodo和智能体AI，构建覆盖60多个政府机构的实时合规平台。Denodo提供统一的零副本数据层，AI智能体在此基础上实现法律映射、合规洞察和主动式建议，对超过240亿美元财政活动进行自动化审计与分析，实现从事后审计向实时监管转变。
在企业管理领域，NEC（日本电气股份有限公司）基于Denodo搭建了“OneNEC”统一数据平台，向包括CEO在内的1000多名管理者实时推送可信数据，并结合Azure OpenAI，实现了与SAP等系统集成的对话式商业智能，使得管理者能够以自然语言直接获取可信业务数据，显著降低了数据使用门槛，提升了决策效率。未来该平台计划覆盖10万名用户。
这些实践共同指向一个更具体的变化：数据底座的价值，不仅体现在实现数据统一与实时访问，更体现在它正在重塑企业获取信息、做出决策以及响应变化的方式。
得数据者得未来
过去几年，AI产业最大的进步来自模型能力的突破；未来几年，企业AI价值释放的关键则越来越取决于数据基建能力。
当模型沦为普惠化的通用工具，高质量、可管控、高实时性的数据，就成了企业独有的不可复制的战略资产。谁能够让数据更实时、更可信、更安全地流动，谁就更有机会将AI能力转化为真正的业务成果。
Denodo所代表的逻辑数据管理路径，代表了一种正在被越来越多企业验证的方向：搬数据、不替代现有系统，而是在分布式环境之上构建一层可信、实时、可治理的逻辑数据层，让智能体在不触碰数据物理位置的情况下，安全、准确、实时地获取它需要的一切，从而让AI能力真正嵌入业务流程，并转化为可执行的决策与行动。
Agent时代，模型是人人都能领取的入场券，数据才是真正的护城河。能否让数据底座跟上智能体迭代的速度，决定了企业AI实践的成败。
