当 AI 开始参与经营、进入生产流程,企业很快会发现,每一次工作背后都牵动着复杂的数据调用。AI 需要理解业务口径,也需要在权限范围内获得实时、可信的数据。模型向前迈出的每一步,都在考验企业的数据基础设施。
7 月 21 日,由 Denodo 举办的「构建 AI 数据基础设施,破解企业 AI 落地难题」线上研讨会圆满结束。元一智能科技创始人、自媒体“AI4Data”主理人苏奕嘉、丹诺德首席销售工程师尹寒柏与丹诺德中国华东解决方案总监沈少仪三位嘉宾,从企业数据痛点讲到制造业实践,并进一步拆解 AI Data Infra 的轻量化改造路径。

扫码观看精彩回放
AI 改变了企业消费数据的方式
过去,企业数据主要服务于报表和分析人员。进入智能体时代,一个业务问题可能被 AI 拆解为多次查询,持续调用不同系统中的数据。
苏奕嘉指出,传统数据架构中的语义模糊和链路复杂,会在 AI 场景中进一步放大。企业需要在业务语义与底层数据之间建立清晰映射,让 AI 稳定理解数据,并按照明确规则完成调用。
数据基础成熟的企业,可以从核心业务场景切入,逐步补充语义层能力。数据相对分散的企业,可以先建立跨数据源的统一查询能力,再随业务推进沉淀数据资产。两条路径最终都指向可信的语义执行层。
制造业案例呈现真实落地路径
高科技制造业拥有大量跨厂区数据,同一业务对象可能采用不同字段名称和计算规则。跨区域分析往往伴随着复杂的数据搬运与人工开发。
尹寒柏结合客户实践,展示了 Denodo 如何通过逻辑数据管理,将分散在不同厂区和业务系统中的数据整合为统一视图,并围绕统一语义开展权限管理和数据血缘追踪。
在案例展示中,一家高科技制造企业已接入跨区域的 350 多个数据源,并通过 Denodo API 与 MCP 为 AI Agent 提供数据支持。业务用户可以在日常协作平台中发起提问,直接获取企业内部数据结果。
轻量化升级现有数据架构
沈少仪提出,Denodo 可以在现有架构上增加轻量化的数据编排层。平台向下连接数据库、数据中台和 API 服务,向上为 AI 应用提供统一的数据视图。
这一架构推动企业从 Text to SQL 走向 Text to Semantic。AI 根据业务语义理解问题,再通过标准化数据契约完成调用,从而缩短推理链路,提升回答的稳定性与可解释性。
企业可以从一个高价值场景起步,在业务验证中持续沉淀语义与治理能力。Denodo 通过数据虚拟化与逻辑数据管理,帮助企业建立统一可信的数据访问层,让 AI 更快进入真实业务流程。
Denodo 将持续以数据虚拟化与逻辑数据管理能力,帮助企业建立可信的数据访问基础,让 AI 更快走进真实业务。
关于Denodo
Denodo 是全球领先的数据管理服务商,致力于为可信的 AI 智能体及应用提供核心动力。屡获殊荣的逻辑数据管理解决方案 —— Denodo 平台,能够将企业数据转化为可靠的洞察,赋能 AI、分析和自服务方案。与传统的数据湖仓相比,全球各地的组织正利用 Denodo 以极短的时间交付“AI 就绪”且“业务就绪”的数据,实现高达 4 倍的洞察速度提升、345% 的投资回报率(ROI)以及 10 倍的性能优化。
