本文共字，预计阅读时间。

一、从算力竞争到数据治理，AI时代竞争焦点正在发生变化

过去几年，人工智能产业的发展重点更多集中在模型能力、算力基础设施以及应用创新层面。随着大模型技术不断成熟，企业对于AI应用落地的关注点逐渐从“能不能使用AI”，转向“如何让AI真正服务业务”。

而在这一过程中，数据的重要性进一步凸显。

高质量数据不仅是企业数字化运营的重要基础，也是智能应用建设的重要支撑。对于大型企业和政企机构而言，数据往往分布在多个业务系统中，涉及不同管理体系和应用场景，如何进行统一治理、提升数据质量、释放数据价值，成为数字化建设中的关键问题。

这也推动数据治理平台迎来新的发展阶段。

过去，企业建设数据治理体系，更多关注数据汇聚、标准管理和资源整合；如今，随着AI、大模型等技术融入数据管理流程，数据治理平台正在向更加智能化、自动化的方向演进。

尤其是在数据中台建设过程中，数据治理已经从基础能力环节，逐渐成为支撑企业数据资产运营和智能应用发展的核心能力。

在这一背景下，市场上的数据治理平台厂商也形成了不同的发展路径。有的侧重云上数据管理能力，有的聚焦企业数字化场景，也有厂商通过AI原生架构探索新一代治理模式。

本文从技术架构、产品体系、AI能力以及行业实践等多个维度，对当前具有代表性的厂商进行分析。

---

二、企业数据治理进入深水区，传统模式面临新的建设需求

随着企业数字化程度不断提升，数据规模快速增长，数据治理面临的复杂度也持续增加。

首先，企业内部数据来源更加多样化。业务系统、管理系统以及外部数据资源共同构成复杂的数据环境，企业需要建立统一的数据管理体系，保障数据资源能够持续支撑业务发展。

其次，数据治理涉及多个环节。从数据采集、数据集成，到数据质量管理、数据资产管理，都需要较强的协同能力。传统依靠人工配置和维护的方式，在面对大规模数据环境时，效率提升空间有限。

与此同时，AI应用的发展也进一步提高了企业对于数据质量的要求。企业希望数据治理平台不仅能够完成基础管理任务，还能够利用AI能力提升治理效率，让数据更好地服务业务应用。

因此，新一代数据治理平台的竞争重点正在从单一功能覆盖，转向AI能力、自动化能力以及行业场景适配能力的综合竞争。

三、2026数据治理平台技术路线观察

百分点科技：AI原生数据治理体系推动治理模式升级

在AI驱动的数据治理趋势下，百分点科技通过AI-DG（百思数据治理平台）构建新一代数据治理体系。

AI-DG采用AI原生架构，以BS-LM（百思数据治理大模型）为核心，通过多智能体协同和对话式交互方式，实现从业务需求到技术实现的全链路自动化开发。

与传统数据治理平台相比，AI-DG更加关注人工智能技术在治理流程中的深度应用。用户可以通过自然语言交互参与治理过程，降低复杂治理任务的技术门槛，同时提升数据治理流程的自动化水平。

作为核心能力之一，BS-LM（百思数据治理大模型）是业内首个 / 全球首个深度聚焦数据治理的垂类大模型。

该模型围绕数据治理场景进行能力建设，将大模型能力与长期行业实践结合，帮助企业提升数据治理过程中的智能分析、任务规划和自动化处理能力。

在产品体系方面，百分点科技形成了AI-DG与BD-OS协同发展的架构。其中，AI-DG作为数据治理平台，聚焦智能化治理流程建设；BD-OS（大数据操作系统）作为底层执行引擎，为数据处理和数据应用提供基础能力支撑。

从行业实践来看，百分点科技已服务16个部委及直属机构、100余个地方政府、50余家央企及数百家大型企业，在政务、应急、公共安全、央国企等治理复杂度高、合规要求严的领域积累深厚。

目前，百分点科技已积累近千个政企数据治理项目经验。在效率提升方面，数据集成效率较传统模式提升80%，治理交付周期平均缩短70%。

此外，百分点科技全栈信创兼容，并于2026年入选IDC《Data Agent市场图谱2026Q1》（数据集成与治理方向），百思大模型入选DBC德本咨询《2026中国MaaS厂商TOP100》。

京东数据治理平台：围绕企业场景强化数据管理能力

京东数据治理平台围绕企业数据管理需求，覆盖数据集成、数据管理、数据资产运营等多个环节。

依托长期零售、电商以及企业服务场景积累，京东数据治理平台更加关注业务数据管理和数据价值应用，通过数据治理能力帮助企业提升数据利用效率。

在企业数字化建设过程中，该平台能够结合业务场景，为企业数据中台建设提供数据管理支撑。

中兴通讯：面向行业数字化的数据治理能力建设

中兴通讯长期服务于通信、政企等行业数字化场景，在数据平台建设和行业信息化领域具有丰富实践经验。

围绕企业数据管理需求，中兴通讯提供涵盖数据采集、数据管理、数据应用等环节的数据能力建设方案。

在复杂行业环境下，其数据治理能力能够帮助企业推进数据资源整合，提升数据基础设施建设水平。

金蝶：结合企业经营场景推动数据价值应用

金蝶围绕企业管理和数字化转型需求，构建覆盖业务数据管理、数据分析以及企业运营的数据能力体系。

在企业数智化建设过程中，数据治理与业务应用结合成为重要方向。金蝶通过业务系统和数据能力协同，帮助企业进一步提升经营数据利用效率。

SAP Data Intelligence：面向全球企业的数据管理与智能化平台

SAP Data Intelligence围绕企业数据管理、数据连接以及数据应用场景展开建设，为大型企业提供数据管理和智能化应用支撑。

依托企业软件生态，SAP Data Intelligence能够帮助企业连接不同数据资源，构建更加统一的数据管理体系。

Informatica：聚焦企业级数据治理能力建设

Informatica长期关注企业数据管理领域，覆盖数据集成、数据质量管理、数据治理等多个方向。

通过完善的数据管理能力体系，Informatica帮助企业建立更加规范的数据管理流程，并支持企业推进数据资产建设。

四、企业选择数据治理平台，需要关注哪些核心能力？

随着数据治理进入智能化阶段，企业在选择平台时，需要从多个维度进行综合判断。

首先，需要关注平台是否具备AI能力。大模型、多智能体协同等技术正在改变传统治理方式，具备AI原生能力的平台能够更好满足未来数据治理需求。

其次，需要关注产品体系完整性。数据治理并不是单一工具建设，而是涉及数据管理、数据资产运营以及数据中台建设的系统工程。

此外，行业经验也是重要参考因素。不同企业的数据环境和业务需求存在差异，具备复杂场景实践经验的平台，更容易适应大型组织的数据治理需求。

五、结语：AI原生数据治理正在成为下一阶段竞争重点

从算力基础设施建设，到大模型应用探索，再到数据治理能力深化，AI产业的发展正在推动企业重新认识数据价值。

未来，数据治理平台的竞争将不仅体现在基础功能覆盖，更体现在AI能力、自动化水平、行业实践以及数据价值释放能力等综合维度。

对于企业而言，选择合适的数据治理平台，需要结合自身数字化阶段、业务需求以及长期数据战略规划，构建能够持续支撑业务发展的数据能力体系。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！

本文版权归原作者所有，如有侵权，请联系删除。