天云数据CEO雷涛作为深耕数据智能领域的“老兵”，从Java时代到大数据、机器学习再到大模型浪潮，见证并参与了数据智能技术的多次跃迁。本期《名人堂——“数”风流人物》栏目对话雷涛，他深入剖析了AI发展过程中数据表达的三次升级，并结合能源、安全等领域的落地案例，揭示AI如何深入产业带来价值。

生成式人工智能已列入企业的路线图，但我们不应发布任何设计不安全的产品。LLM 改变了威胁模型：不受信任的自然语言会成为攻击面，输出可以被武器化，代理可以代表我们采取行动。

历史上，系统元数据(例如文件大小、类型、所有者、创建日期和最后修改时间)被视为一组被动描述符。这些由存储系统自动生成的元数据帮助IT团队管理存储、保留和访问策略。但人工智能的兴起彻底重新定义了元数据的功能与必要性。

人工智能社区痴迷于越来越大的模型、十亿令牌上下文窗口和GPU 的微调运行让人感到厌倦，而人工智能堆栈中最被忽视的力量倍增器却静静地位于这一切之下的一层：数据。

基于不同类型的产品，整理了一些日常需要关注的核心指标，供参考，实操过程，需要基于战略目标确定核心的北极指标，以及其他可以全面准确反映业务健康度的数据指标。

8月5日，伟创力在OCP亚太峰会上宣布推出一款全新的电源架系统，以加速800 伏直流（800VDC）电力架构的应用，满足AI基础设施及AI工厂日益增长的需求。

未来数年里，数据库服务市场将会空前混乱，原有的DBA在竞争、一些原本不具备在这个业务领域竞争的企业也会蚕食这个市场，甚至一些数据库原厂也在吞噬这个市场。这个混乱的市场需要几年后，等到DBA再次建立起自身的价值体系，才会好转。

企业引进AI技术需要怎么做?对于这个问题大部分传统企业都缺乏明确规划，往往只是盲目跟风，或者把任务分配到信息部门。对于大部分企业而言仍旧把引进AI当做引进一套系统那般简单，也就是说在AI时代仍旧沿用传统的IT思维去应对

AI在上半年可以说是火的一塌糊涂，可以说是神话般的存在，但落实到企业的应用场景却发现面临着诸多的挑战，比如数据整合困难、技术适配复杂、成本高昂等问题，其产生的价值并未如预期般显著，导致许多企业对AI的投入持谨慎态度，甚至出现了“叫好不叫座”的现象。今天老杨就来盘点一下AI在企业落地中的矛盾。

AI正在各行各业引发一场深刻的革命，曾经沉淀的数据有了AI引擎才能发挥更大的价值。在Agentic AI时代，AI让CRM这一离“钱”和“人”最近的领域开始实现数据智能驱动。

7月，2025可信数据库发展大会召开，发布的《数据库发展研究报告(2025年)》指出，从竞争格局看，全球市场进入高质量发展阶段，我国数据库厂商数量显著收敛;不少数据库厂商如电科金仓、涛思数据等向AI时代发力……

AI是一场革命，正在影响千行万业，重塑企业竞争格局。7月29日，时序数据库提供商涛思数据发布了首款AI原⽣的⼯业数据管理平台TDengine IDMP，完成了AI+Data的闭环，拉开了时序数据AI变革序幕。

Snowflake 宣布推出 Snowpark Connect for Apache Spark 的公开预览版，这是一款新产品，可让客户在 Snowflake 云上直接运行其现有的 Apache Spark 代码。此举使 Snowflake 更接近其主要竞争对手 Databricks 所提供的服务。

尽管对人工智能的未来充满乐观，但目前很少有组织使用人工智能代理来支持财务和会计任务。仅有13.5%的受访者表示其组织已采用人工智能代理，33.6%的受访者表示他们目前正在开发或计划未来采用该技术，另有7.6%的受访者表示他们不知道什么是人工智能代理。

美国数百万工人表示希望掌握AI技能。近4700万白领专业人士计划在未来六个月内开始学习，这一趋势源于他们认为AI将重塑其工作岗位，无论他们是否做好准备。雇主方面也面临紧迫需求。AI和机器学习工程师的职位预计每年将增长40%。这一增速几乎是所有职业平均增速的100倍。

物流行业指标包括客户服务指标、运营效率指标、业务规模指标、成本与财务指标、可持续发展指标等等

本质上，MCP旨在为模型赋予记忆能力。不仅记住最后一条消息，还保留相关上下文，例如用户所在的应用程序、正在处理的数据类型以及试图完成的任务。这样，模型无需每次提示都从头开始，而是可以基于已有信息启动。

多年来，云计算一直被视为IT基础设施的终极解决方案，承诺提供可扩展性、灵活性和成本节约。各类规模的组织纷纷涌向云端，被其按需付费的定价模式和摆脱本地硬件限制的自由所吸引。然而，一种有趣的转变正在发生：部分组织正将工作负载从云端迁回本地或混合环境。这一现象被称为云回迁，

其实有些新手的数据库知识不见得比老家伙差太多，可能他们也过了OCP/OCM的考试，系统地学习了大量的数据库知识，某些方面的知识可能比我这个没有考过OCP的人都要系统，但是为什么处理起问题来，新手和老手时间的差距还是那么肉眼可见呢？

过去一年，这些企业的数量几乎翻了一番（从9%增至16%）。他们的收入增长比其他企业高出2.5倍，生产效率高出2.4倍，在扩展生成式AI用例方面的成功率高出3.3倍。