← 返回博客行業

Data Agent 自成一個賽道：IDC 首份評估嘅三件事

九月一日，IDC 首次發布中國 Data Agent 廠商評估：18 間廠商得 4 間入到領導者象限，仲預測去到 2028 年，六成中國 500 強企業會部署企業級 Data Agent。數據智能體第一次成為獨立採購品類。呢篇拆解首份評估嘅三個訊號，同落地之前要打定嘅四張地基。

OntiCards 團隊·2026-09-02·8 分鐘閱讀

九月一日，IDC 發布咗《IDC MarketScape：中國 Data Agent 2026 年廠商評估》，第一次將 Data Agent（數據智能體）當作獨立品類嚟排座次：18 間廠商入選，得 4 間入到領導者象限。同一份評估入面仲夾咗一個更值得記住嘅預測——去到 2028 年，六成中國 500 強企業會部署企業級 Data Agent。

我哋嘅判斷好簡單：呢個品類已經過咗「用唔用」嘅討論期，入咗「按咩標準揀」嘅採購期。真正嘅分水嶺唔喺模型，而係數據嗰邊接唔接得住 Agent。

一、先對齊定義：Data Agent 唔係 ChatBI 換皮

IDC 畀嘅定義值得原樣抄一次：Data Agent 係「借助 AI Agent 技術，將數據集成、治理、分析同業務決策串成自動化閉環嘅新一代數據智能範式」，代表產業由「數據支撐 AI」轉向「AI 自主管理數據」。

拆開嚟睇：BI 係畀人睇報表嘅窗口，Text-to-SQL 係將「寫 SQL」變成對話，而 Data Agent 係將成段「取數—驗數—歸因—畀建議」嘅流程交畀系統自動行，而且每一步都可以被檢查、被審計。佢同單點問數工具嘅分別，我哋上個禮拜先寫過——Text-to-SQL 入到企業，準確率得返 25%，樽頸從來唔喺「生唔生成到 SQL」，而係「生成完之後，憑咩信佢」。Data Agent 被單獨拎出嚟做評估，等於成個行業將「業務口徑、數據質素、權限邊界」由後台問題，提到前台驗收標準。

呢個亦同我哋連續幾個禮拜嘅觀點接上：Agent 落唔落到地，先睇數據準備度；Agent 敢唔敢放開嚟跑，要睇隔離同治理。Data Agent 只係將呢兩件事喺「數據」呢個具體職能上面再收斂一次。

二、IDC 首份評估嘅三個訊號

IDC 首份評估嘅三個訊號：18 間入選得 4 間領導者、領導者由 8 間收窄到 4 間、2028 年六成中國 500 強將部署企業級 Data Agent

訊號一：品類成形。 呢個係 Data Agent 第一次作為獨立市場畀第三方機構單獨評估。入到評估名單，代表廠商已經多到要分座次；出到獨立一份 MarketScape，代表買家已經開始按呢個品類做採購預算。

訊號二：門檻收緊咗。 對比 2025 年「面向生成式 AI 嘅數據基礎設施」評估入面 8 間領導者，今次 18 間得 4 間入到領導者象限。IDC 畀嘅理由係：全棧能力同 AI 原生程度成為新嘅競爭分水嶺。用白話講——單點模型、單點 NL2SQL 引擎都唔再構成護城河，打通到由數據集成到業務決策全鏈路嘅平台先企得住。

訊號三：時間表清楚咗。 IDC FutureScape 預測，去到 2028 年，六成中國 500 強企業會部署企業級 Data Agent。即係話未來兩年係大多數企業建設數據 Agent 能力嘅窗口期——窗口唔會停低等你啲數據就緒。

順帶一提，今次評估入面位居領導者最領先位置嘅係阿里雲：佢哋嘅 DataWorks Data Agent 已經將「數據開發 / 數據治理 / 數據分析 / 引擎運維」拆成四類智能體，配專家套件同 Skill 技能庫，AIDBS 就宣稱支援 100+ 種多模多雲數據源。相比「邊個第一」，更值得睇嘅係佢上榜嘅原因——靠嘅唔係某個模型，而係 DataWorks 喺數據全鏈路上嘅長期累積。呢個啱啱好印證訊號二。

三、行業入面嘅兩種跑法：平台化，同「家族化」

訊號還訊號，真正睇到趨勢嘅，係產品點樣落地。今個禮拜另外兩單新聞，展示咗兩種典型跑法。

跑法 A：平台廠商將 Data Agent 做成開箱套件。 阿里雲公布咗兩個落地數字：頭部茶飲品牌古茗接入 AIDBS 之後，自助分析需求嘅上線週期由以日計縮短到 2–4 個鐘；菜鳥基於 DataWorks 整咗 SuperETL 技能體系，將數據研發專家經驗封裝成可組合嘅 Skill，研發效率提升 10 倍。平台化嘅價值係快——將以前要排期幾個禮拜嘅數據需求，壓縮到以小時計。

跑法 B：行業玩家將 Agent 做成「一個家族嘅工種」。 同樣係九月一日，車車科技（NASDAQ: CCG）發布 ABAO Agent 家族，五個專用智能體橫跨新能源車險成條價值鏈：面向車主嘅理賠陪伴 Agent 覆蓋出險報案、定損同進度追蹤，已接入大眾安徽同阿維塔，並同人保、平安、太保完成對接；面向保險公司嘅核保定價 Agent 以自然語言交互，輸入車牌或 VIN 即可秒級攞返多維風險評估，背後係 200+ 個動態風控因子嘅定價模型。仲有三個 Agent 跑喺車車科技內部，處理客服質檢、跨部門結算跟進同非標準化嘅結算單據——結果係結算工作流效率提升 30%、整體結算處理效率提升 50%，冇加新人手。

車車科技呢個案例，比好多「炫技 demo」都更有參考價值：佢冇做一個包打天下嘅超級 Agent，而係按崗位拆成一組會協作嘅 Agent。呢啲 Agent 跑得起嘅前提，係每一類單據、每一個風險因子、每一條承保規則都先被結構化，變成可被 Agent 調用嘅數據資產——包括最難搞、格式五花八門嘅結算單據。換句話講：Agent 嘅數量唔重要，Agent 腳下嗰層識講嘢嘅數據先重要。

順帶一提，企業軟件老玩家都喺補同一門課：東華軟件八月廿八日推出嘅 DHC 企業 AI 數據門戶，將「語義層 + 本體論 + Text2SQL 引擎」寫成三層核心能力。當系統整合商開始用同一套詞嚟形容架構，即係話呢套架構正在變成品類嘅預設值。

四、唔好急住揀工具：先將四張地基打落去

品類成形之後，最常見嘅誤區係將預算都花喺「揀邊個平台」度，卻唔記得 Data Agent 出唔出到活，取決於企業自己啲數據有冇被「治」到可以被 Agent 正確理解。結合 IDC 嘅評估維度同我哋嘅落地經驗，有四張地基要喺揀工具之前打定：

企業數據 Agent 落地嘅四張地基：業務口徑、對象語義、質素與權限、審計與人在環

地基	要解決嘅事	冇打實嘅後果
業務口徑	一個「利潤」全公司得一個定義，指標同業務術語有唯一出處	十個 Agent 計出十種利潤
對象語義	將庫表、文檔變成業務對象（本體、數據卡片），而唔係一堆裸欄位	Agent 對住裸表亂咁 join，問數全靠撞彩
質素與權限	數據可信、欄位脫敏、邊個睇得邊個唔睇得嘅邊界清楚	Agent 一本正經咁餵錯數，或者越權攞數
審計與人在環	高風險動作可叫停、可回放、可歸因	出咗事搵唔返係邊一步、邊個人、邊個 Agent 做嘅

呢四張地基，啱好對應 OntiCards 嘅產品順序：業務術語同本體建模解決「口徑同對象」，數據卡片將語義同權限長喺每一份數據資產上面，數據質檢同全域安全權限體系解決「可信同邊界」，全鏈路審計同高風險操作審批將「人在環」落成預設機制。成套設計喺四層架構有完整說明，想按自己環境行一次，可以直接由產品頁入去。

寫喺最後

Data Agent 第一次入到 IDC 嘅評估象限，呢件事最重要嘅資訊唔係邊個排第一，而係評判標準變咗：入到領導者象限嘅廠商，無一例外都先解決咗「數據點樣被 AI 正確理解」嘅問題。對企業嚟講都一樣——模型嗰筆帳可以遲啲先計，數據嘅地基唔可以遲咗先打。

想先用測試環境體驗「本體建模 → 數據卡片 → 自然語言問數」嘅完整鏈路，歡迎電郵到 hello@onticards.com，我哋會安排 FDE 工程師陪你將一個真實場景先跑通。

參考來源

登頂！阿里雲拿下 IDC 中國 Data Agent 頭名：18 家僅 4 家入選，快科技（新浪財經轉載），2026-09-01. https://finance.sina.cn/tech/2026-09-01/detail-iniqhwmv6654127.d.html

阿里雲登頂 IDC 中國 Data Agent 領導者：全棧技術體系形成差異化壁壘，環球網科技（網易轉載），2026-09-01. https://www.163.com/dy/article/L5OLF2BG0514R9OJ.html

Cheche Group Launches ABAO Agent Family, Deploying AI Across the Full NEV Insurance Value Chain，車車科技新聞稿（SEC EDGAR 歸檔），2026-09-01. https://www.sec.gov/Archives/edgar/data/1965473/000149315226040944/ex99-1.htm