数据中台已提出多年，时至今日，这一概念似乎正在远离公众视野。随着IT技术的快速迭代，市场对数据中台的热情逐渐被其实际应用中的挑战（数据治理、隐私保护和系统集成的复杂性等）所驱散。企业越来越倾向于寻求更加灵活和定制化的解决方案来满足其特定的数据需求。
Gartner近日发布的“中国数据分析和人工智能技术成熟度曲线图”显示，“数据中台（Data Middle Office）”处于幻灭的深渊(Trough of Disillusionment)，即将消亡;取而代之的是处于技术萌芽期(Innovation Trigger)的“数智基建”(Data Infrastructure)。
崛起的数智基建
Gartner认为，数据、分析和AI共同构成了一个广阔的市场，并可细分为三个主要子市场:
数智基建:在数据源的基础上，需要构建强大的数智基建底座，主要包括四个技术组件:分析型数据库、数据集成、数据治理以及数据虚拟化。分析型数据库用于数据的存储和处理，而数据集成部分能确保数据有效整合和处理，数据治理可确保数据的准确性、安全性和合规性，数据虚拟化管理则负责整合数据资源。
分析和AI:包含AI和BI（商业智能）两大块。其中，AI部分包括机器学习、生成式AI、大语言模型等技术。而传统BI部分主要涉及报表、数据仪表盘和自主分析能力，这些仍是企业必不可少的工具。
数据和分析服务:主要看重的是技术与业务结合。企业需要将分析和AI技术与业务场景结合，以项目形式落地，发挥可量化的作用，如降低成本、提有效率、增加营收等。日常各种APP里的内容推荐系统，就是数据分析和AI技术的典型应用场景之一;很多金融机构都会用数据分析和AI进行反欺诈和反洗钱工作。
Gartner将“数智基建”定义为一种聚焦于数据、分析和AI生态建设的全新部署模式，它基于密切合作的供应商的产品组合，构建全面的数据分析和人工智能解决方案和服务体系。
数智基建在这三个细分市场中扮演着关键角色，通过提供技术基础设施，支持前沿的AI和数据科学技术，并实现技术与业务的深度结合;还通过生态系统合作和持续优化，为企业提供灵活、可持续和强大的技术平台，帮助企业有效管理和利用数据，提升业务效率和竞争力。
数巅科技:数智基建生态构建者
数巅科技的技术理念与Gartner的“数智基建”不谋而合，其推出的端到端的数智化决策解决方案能够通过数据虚拟化引擎X-Engine驱动的数巅企业大模型来调用数据智能应用产品，助力企业挖掘数据价值，赋能商业决策。该解决方案涵盖了Gartner定义的“数智基建”生态的三大关键要素:数智基建底座、AI驱动的商业智能（BI）以及深耕行业的数据分析服务。
X-Engine为企业构建坚实的数智基建底座
数据虚拟化引擎X-Engine拥有业界独一的全面虚拟化能力，能够为大模型提供多模态数据的统一接入、计算存储、数据治理、数据加速等一站式能力，整体计算存储性能超出业界同类产品5-10倍，为企业构建了强大的数智基建底座。
AI和BI的深度融合
数巅企业大模型由数据虚拟化引擎X-Engine驱动，能够将企业内外部结构化和非结构化数据进行融合，可基于市场上主流的基座大模型（如百川、通义、Yi等）进行微调和增强，训练大模型Agent。
数巅科技还推出了诸多数据智能应用产品，如生成式智能分析AskBI和生成式智能知识库AskDoc等;并沉淀了数百种工具，包括意图识别、资产查询管理、异动归因和数据预测等。数巅企业大模型Agent拥有超强的任务规划能力，能够通过调用这些工具准确地执行用户的意图，并根据结果进行进一步的操作。
数据虚拟化引擎X-Engine可以快速响应各种工具的数据调用需求，提供准确的数据，让数巅企业大模型在特定的场景中达到极 高的准确率。非技术背景的用户也能够通过自然语言交互来使用数巅企业大模型，满足其日常工作和商业决策所需的准确数据需求。
总体来说，数巅企业大模型通过数据虚拟化引擎X-Engine和RAG（检索增强生成）技术对基座大模型进行二次训练和增强，结合数巅科技大量的工具和行业沉淀，拥有了高准确率和快速的性能，百亿大模型的分析准确度达95%以上，远超千亿大模型GPT4+NL2SQL70%的准确度。
深耕行业的专业数智化服务
当前，数巅企业大模型解决方案已经在金融、通讯和制造等多个行业成功落地，帮助中国电信、中国移动、平安银行、浦发银行和天弘基金等企业成功实现了数智升级。
数巅科技助力中国电信打造了大模型驱动的经营分析平台，实现了基于语义理解的、准确率达90%以上的自动化打标，万级非结构化数据的打标工作耗时从数周缩减为数小时;能够实现自助式数据分析，耗时从5天缩短到1分钟;能够深度融合电信行业知识（非结构化数据）和洞察结果数据(结构化数据)自动生成报告，产出效率从周级别提升到天级别。
天弘基金将其数仓架构升级到了以数据虚拟化引擎X-Engine为主体的逻辑数仓，通过整合和优化数据访问，大幅提升了数据访问效率，降低了数据管理成本;满足了其风控、合规性检查、销售和运营等多个关键业务场景的数据需求，助力其在渠道管理、产品开发和投资研究等业务领域做出更准确的决策。
（推广）
