9 月 19 日 - 21 日举行的 2024 云栖大会已经落下帷幕，但是关于 AI 引领云计算第三次变革的澎湃浪潮声，相信还在很多参会者的耳边回响。

特别是穿行在今年云栖大会各个展区，IT之家可以深刻感受到今年大家更加关注 AI + 云计算在实际产业场景中的应用，其中，特别是“数据 ×AI”，正成为一个热门关键词和趋势。

01.

从雅戈尔到腾势，这些企业数字化背后的秘密

“3 亿多行、30TB 以上的数据报表，而且几十个独立数据烟囱，相互调用有独立的用户名和密码，不同业务线的数据标准还不统一……”

在云栖大会的展区现场，老牌服装巨头雅戈尔曾经面临的数据资产使用痛点引起了IT之家的注意。数据量大、数据孤岛问题严重，数据治理难，是这家企业在多年经营中逐渐积累的问题。

不过自 2005 年起，雅戈尔开始数字化进程，并在 2016 年进入“数据中台时代”。2019 年，他们开始和阿里巴巴瓴羊的合作，利用 Dataphin 和 Quick BI 优化了数据处理和业务决策流程，在“数据 + AI”技术的加持下，实现了从传统制造到智能生产的华丽转身。

Dataphin 如今帮雅戈尔整合了 16 个系统，一站整合了 900 多个报表，400 多组指标，大幅降低了业务部门和 IT 部门之间的沟通成本，门店运营工作也能节省 60%-70%。

这里的瓴羊，即瓴羊智能科技，它是阿里巴巴全资子公司，主要就是为企业提供数据要素服务。他们能提供一整套数字化产品和服务，包括数据生产、消费以及数据流通等环节。简单来说就是通过数据为客户创造价值。

除了雅戈尔，在云栖大会展区，小编还看到更多因为选择了正确的数据治理方案而实现企业业务增长和数字化转型的案例。

比如作为深耕小微金融代表的台州银行，通过构建统一数据中台门户，成功在内部统一了数据“度量衡”，包括制定全行级基础类数据标准 1600+ 项、全行级指标体系 2500+……

还有比亚迪旗下高端豪华品牌腾势汽车通过建设数智营销平台，打通数据、系统、业务三流合一，实现了潜客邀约效率提升超过 80%，预约试驾率提升 21.9%、购车率提升 23.4%.

在和现场人员的交流中，IT之家能明确感受到“把数据用好”能够为企业带来的价值。

而在眼下这个汹涌而来的 AI 时代，“把数据用好”这件事本身也正在迎来进化。

02.

瓴羊发布产品智能化战略，从基建到应用，用 AI 逐层解构场景

就在 9 月 20 日，瓴羊于 2024 云栖大会上举办了一场“Data×AI”相关的专场论坛。会上，阿里巴巴集团副总裁、瓴羊智能科技 CEO 朋新宇发布了年度产品智能化战略，可以总结为一个公式：

(算法 + 算力 + 数据) x 场景

私以为，这个公式包含了两层意思：

首先“算法 + 算力 + 数据”其实就是 AI，它们是 AI 构成的核心要素。将这个公式展开，就是“算法 × 场景 + 算力 × 场景 + 数据 × 场景”，也就是说，“场景”应该贯穿 AI 的每一个要素。

第二，算法再牛、算力再强，数据再丰富，也只能做加法，只有当它们能落地到“场景”，才能做乘法，才能让 AI 的价值成倍释放。

朋新宇在会上表示：“人工智能正以前所未有的速度重塑商业模式和生活方式，这其中，算法是智力，算力是体力，数据是血液，但让 AI 真正飞入寻常百姓家的关键，在于与具体场景的深度融合。”

他强调，在 AI 的投入上，所有的企业应该从场景解构和业务重构开始。唯有这样，AI 才能真正融入业务，推动千行百业的创新与发展。

所谓场景解构，就是确定在哪些场景痛点中可以应用 AI 解决问题，而业务重构，则是将 AI 能力有效整合进具体的场景中。

那么瓴羊如何帮助企业们去解构场景、重构业务？朋新宇将之拆解为三层。与这三层对应的，在这次论坛上瓴羊也带来了旗下产品体系智能化升级新能力的发布。

1、应用层

先看应用层，朋新宇从 AI× 分析、AI× 营销、AI× 客服三个核心应用场景进行了解读。同时，瓴羊也结合大模型打造了企业级的智能应用。

首先是瓴羊的 Quick Audience 智能营销增长平台，它带来了门店智能营销助手的新能力。

过去传统的门店往往是粗放式营销，靠天吃饭，等客上门。而 Quick Audience 可通过数据 ×AI 的能力助力门店周边客群精耕细作，比如基于大数据洞察周边客群画像与空间、基于大模型智能生成创意与触达策略等，从而让门店营销洞察看得清、触达可智能、效果可测量，增长可主动。

同时 Quick Audience 还升级了智能采集分析助手的新能力，可以帮助企业在埋点分析的全流程中极致提效。

在演讲中，瓴羊副总裁林鸣晖以他们服务过的一家珠宝店为例，通过 Quick Audience 门店智能营销助手对客群做深度刻画、营销创意素材智能生成、触达时机通道自推送等手段，该品牌一年的 ROI 做到了 50，正好在做活动期间，客群到店率非常高，整体线下的门店转化率提升了 50%。

而在以往，他们基本都没有做过这方面的工作，都是等客人上门。

“Data×AI 帮助企业一起做好营销的内功，能够穿越周期，行稳致远。”林鸣晖表示。当然，做到这一步只是开始。同时他还强调：

“我们认为品牌要非常坚定的做品牌人心，在自有渠道上加大数字化营销的投入，如果可以把自己的渠道做强，这是非常重要的，剩下用好平台的工具，把那边的 ROI 做好就可以。”

在 AI× 客服方面，瓴羊也带来了产品能力的升级。Quick Service 2.0 结合大模型，以及精通客服行业知识的业务小模型，推出三大核心能力：AI 问答、AI 辅助和 AI 知识库。

无论是消费者，还是服务运营者或是一线客服本身，相信都为客服问题头疼过，这是因为客服在目前大部分企业里都不是价值中心，由此带来客服效率低下、答非所问，无法解决问题等一系列难题。

Quick Service 2.0 则可以通过 AI 问答结合大语言模型深度推理能力精准洞察客户实际需求，克服企业在应对客户个性化需求时智能机器人答非所问的问题。

而 AI 辅助可显著提高企业客服团队的工作效能，比如大模型驱动的智能填单技术，可以让一线客服在处理线上线下任务协同上的时间大幅缩短 95%。

AI 知识库则针对服务运营进行优化，提升部署效率。

企业以往需耗费大量资源配置众多 Q&A 条目，但机器人仍难以独立解决客户问题。现在则只需几份核心文档，Quick Service 2.0 可以通过快速产品配置化的方式落地 Agent 智能服务专家，从而精准确洞悉消费者的真实需求。这让知识库管理员的运营效率提升了 30%，部署时间从 7 天缩短至 10 分钟。

2、数据层

如果说在应用层的场景解构是通过数据治理的智能化升级帮助企业实现对外业务的能力蜕变，那么在数据层的解构则是让企业实现内部架构和管理流程的升级。就像朋新宇在现场所说：

你自己家的数据要有好数据，数据要好，质量要高。其实这个话题的本质，就是你如何做好自己企业里面的数据治理。

说到这就不得不提到这次活动中瓴羊旗下 Dataphin 和 Quick BI 这两款产品的智能化升级。

其中，数据建设和治理平台 Dataphin 带来了智能化 Agent 能力，可对全域数据资产一键向量化，快速看清有哪些数据资产，简单问答即可提供业务分析思路，在取数方面还能链接即席查询及 BI 分析执行看数。

同时 Dataphin 还带来了更先进的数据系统架构、更轻量的研发版本、更便捷自由的云上半托管模式，包括全新的敏捷研发版，满足中小企业小数据规模的全面数据建设与治理诉求。

而瓴羊的智能商业分析可视化工具 Quick BI 重点升级了智能问数 2.0，可以通过自然语言输入获得企业多维度的数据内容和聚合内容。

听起来是不是有点抽象？在活动现场，瓴羊副总裁王赛和团队的演示，大家可以更直观感受到这两款产品在实际应用中的表现。

比如当企业负责人想看公司销售总金额的进展情况，他只需用自然语言直接询问，AI 助手智能小 Q 就能用目标加上实际进展情况的进度图直观呈现。同时它还能主动进行趋势预测、波动归因、导出、分享等等。

看完了演示，IT之家第一感觉是要想实现这样的功能，首先高质量数据的采集、分析肯定是非常重要的。其实在会后的采访中，小编也就此询问了王赛，他表示，这是基于从在阿里巴巴集团开始的过去二十年不断积累的技术能力，来帮助企业处理各种繁复杂乱的、差异化的数据，去建立统一标准。

在阿里巴巴集团的时候，我们提了一个 OneData 的方法、理念以及落地到 Dataphin 这样的工具和体系里。对于企业来说，有这样的方法论、有这样的产品和工具，以及我们技术能力的沉淀，我们是能够比较快速的把企业里面的数据整合、建设起来，然后去做模型的训练。

王赛说道。

除了让自己家的数据变好，对于企业来说，很多自身掌握的数据往往是不够的，还需要让数据流通起来。而从去年开始，瓴羊就在构建数据流通的服务，叫做“瓴羊港”，在这里，企业不管是买数据、采集数据、交换数据，都能更便捷。

而在这次云栖大会的活动中，朋新宇表示，如今瓴羊港已经新增数据伙伴 30 家，细分数据类型超过 30 个，总计标签数达到 3000+，同时平台较去年还新增了数据质量检验模块、数据洞察模块、文本标注、模型训练等能力，确保用户能在港上买到、用到高质量的数据服务。

3、基建层

最后是在基建层，也就是企业数字化的基础设施建设。瓴羊 CEO 朋新宇提出了一个比较有意思的主张：

AI 时代，企业们需要更多含 G 量和含模量（即 G 模），这里的“G”，就是 GPU。

如果是老板，关注今年预算里有多少钱花在 GPU 上，未来整个计算的主流是 GPU 为主，CPU 为辅，所以今天能用上云的智能智算中心，是最好的选择，可以弹性也可以做业务的高峰和低谷的兼容和扩容，所以请大家关注含 G 量（含 GPU 的占比）。

朋新宇如是说。

其实这句话的本质，就是呼吁企业抓住 AI 时代的趋势，不仅仅是上云，而且是用智能计算、用 AI 大模型的能力去发挥数据最大的价值。这些，一定会在企业基础设施的建设中得到体现。

03.

用起来，比等风来更重要

在活动后的采访中，不少记者重复提到一个问题，就是瓴羊为什么没有做大模型，是基础的、通用的大模型不投入，还是垂直的大模型也不投入？

瓴羊 CEO 朋新宇的回答是这样的：

我们不投入做基础模型的研发，但是我们把垂直模型应用到场景里面的那个过程，其实比做一款模型更复杂，投入的量和技术的要求更高。

其实从百模大战热火朝天的打响以来，行业里也不乏“将大模型投入到百万量级的应用中更重要”的声音，但更多还是停留在呼吁上，这里有主观的原因，客观上 AI 还处在发展的初级阶段，真正可完美落地的应用场景也确实不好找。

而在这个过程中，数据恰恰就是 AI 时代企业的刚需，也是痛点明确存在、可以实实在在落地到很多具体应用场景的“切入点”。

未来，数据在企业的场景里无处不在、AI 在企业应用中无处不在的时代一定会到来，对于企业来说，早一步将“Date×AI”落地，就相当于在数智化转型中抢占了先机。

毕竟，在 AI 的时代风口里，“用起来”永远比“等风来”更重要。