企业AI落地聚焦数据语义层与智能体实践

9月8日，Snowflake World Tour 2026上海站举行。大会主题为“Making AI Real for Business”，讨论重点从模型能做什么，转向数据资产现代化、AI就绪数据、语义层以及智能体如何真正进入企业流程。来自上海、苏州、北京三个分会的16位TGO学员参与现场交流，并结合自身企业回答了对AI的新判断及回到企业后将调整的决策。

与会者普遍认为，企业AI落地的第一步不是继续比较模型参数，而是让AI准确理解业务。语义层、业务本体和行业知识能够把字段、流程及行业规则放回真实语境，决定模型能否正确使用企业数据。部分学员计划重新梳理业务场景和训练数据，重新审视数仓建设与数据使用方式，基础服务企业也需要在细分行业中持续沉淀知识。

讨论还从应用层延伸到系统架构。数据库可能借助AI进行重构，未来更多系统或许需要以AI原生方式重新设计。部分技术负责人准备调研数据治理、智能问数和垂直AI产品，选择具体场景开展试点，并推进Data Agent项目，加快数据治理与数据开发的AI化，使AI不再只是原有系统之外的附加工具。

资源投入顺序也成为落地关键。企业更倾向于采用能够减少系统拼接和重复建设的一体化方案，以缩短能力进入业务的路径，并降低维护和规模化推广成本。数据治理、Data Agent、行业AI产品及一体化方案，已经从会议讨论中的概念转为企业下一阶段的行动选项。

综合学员反馈，企业AI正在经历三项变化：关注点由“有没有数据”转向“有没有业务语境”；AI由外挂工具逐步进入数据库、数据开发和应用架构；项目价值则必须通过真实流程和业务结果验证。较为明确的行动路径是先确定业务本体与核心场景，再建设语义层、数据治理和行业知识，随后启动Data Agent或垂直AI试点，并依据结果调整后续投入。

不同企业不会得到完全相同的答案，有的需要补足语义层，有的应先梳理业务本体，也有企业会优先推进数据治理和智能体项目。TGO鲲鹏会于2015年由霍太稳发起，现有超过2000名科技领域学员，覆盖北京、上海、深圳、苏州、硅谷、新加坡等地区，并通过TGO SIGNALS持续记录科技领导者从大会现场带回企业的判断与行动。