Agent正在成为数据平台的重要使用者——这已经不是可能，而是正在发生的现实。那么，一个核心问题来了：当你的数据平台要同时为人类分析师和AI Agent服务时，它需要进化成什么样？
6月5日，腾讯云给出了一个相当系统的答案：面向Agent升级全栈数据平台能力。通过生产级数据智能体DataBuddy、数据智能平台WeData和AI原生大数据底座三层架构，构建人和Agent协同工作的智能入口、统一控制面和数据底座。用技术语言说，这是一套Agent时代的数据基础设施。
腾讯云副总裁黄世飞提到了一个值得关注的变化——随着数据对象、价值链路和使用模式发生变化，Agent-Ready数据平台已经不能再只聚焦于服务人的分析决策需求，还要服务Agent的数据理解、任务执行和业务协同需求。最终目标是让人和Agent能基于同一套数据体系协同工作，而不是各玩各的。
（图：腾讯云副总裁黄世飞在腾讯云AI产业应用峰会上解读Agent-Ready）
智能入口：用户负责决策，Agent完成复杂数据任务
传统BI工具和SQL开发平台，是为人的操作习惯设计的。但一旦Agent成了分析主力，企业需要的就完全不一样了——需要一个能自主完成复杂数据任务的新入口。
腾讯云的做法是发布生产级数据智能体DataBuddy。用户只需要用自然语言提出需求，它就能自动完成数据建模、ETL开发、任务编排、归因分析、报告生成等一系列复杂操作。这个产品今年5月开放内测以来，已经吸引了超过3000家企业申请试用，市场热度可见一斑。
在数据工程场景中，DataBuddy能自动完成数仓方案设计、代码生成和工作流编排。结果是：重复开发工作量降低了80%，整体研发效率提升5到10倍。在数据分析场景中，用户通过对话就能完成取数、分析和报告生成，异动归因这类原本需要大量人工排查的工作也由Agent代劳。
关键还不止这些。DataBuddy还能结合企业知识和历史经验做智能运维。超过90%的常见故障可以实现自动诊断和修复——这在运维成本高昂的今天，算是一个实打实的利好。
安全方面，DataBuddy通过身份权限、执行隔离、Agent Guardrail和全链路审计，构建了一套纵深防护体系。简单说，就是确保Agent的所有操作都在企业安全边界内可控、可追溯。这一点对有合规要求的行业尤为重要。
统一控制面：让Agent懂业务、可信任
DataBuddy搭载在腾讯云全新升级的一站式数据智能平台WeData上。这个平台的核心能力在于统一——统一元数据、数据语义、编排和权限体系，打通数据开发、机器学习和AI应用的完整流程。按腾讯云的说法，整体研发效率能提升50%以上。而且平台支持企业将数据代码统一纳入自有Git仓库管理，对需要严格代码管控的企业来说很有吸引力。
在Agent时代升级中，WeData最核心的更新之一是统一语义层。传统数据目录管理的通常是表、字段这类技术元数据。而WeData更进一步，将指标口径、业务术语、业务规则和可信数据资产，沉淀为Agent可以理解、可以直接调用的统一语义资产。效果也直接体现在数据上：搭载WeData数据语义层后，自然语言转SQL的准确率能提升到90%以上。
基于统一语义层，WeData将业务知识、任务编排、权限治理和开发工具封装为Skill，供DataBuddy等Agent直接调用。这样，Agent在执行任务时不仅知道“怎么取数”，还知道“这个数在企业里意味着什么”。
针对不同行业，腾讯云还在WeData上沉淀了行业数据模型和业务语义体系。例如在游戏场景，帮助Agent理解用户留存、付费转化等核心指标；在零售场景，理解会员、商品、营销活动等业务对象。这些行业模版的存在，大幅降低了Agent理解业务和执行任务的门槛。
AI原生数据底座：重构支撑Agent运行的四层智能
面对多模态数据处理、推理计算和自主协作需求，光有入口和平台还不够。底层数据平台本身也需要系统性重构。腾讯云的做法是从存储体系、计算引擎、系统到数据分析四个层面进行智能升级。
先看存储智能。腾讯云围绕多模态LakeHouse持续升级统一数据底座，支持向量检索、全文检索、图谱查询以及长期记忆等能力。在企业知识库场景中，新一代存储架构的亮点在于：存储成本能降到传统方案的十分之一，而检索性能反而提升了4.5倍。
计算智能方面，通过统一CPU和GPU资源调度，平台实现了结构化数据与多模态数据的统一处理。这意味着训练、推理、RAG以及Agent等多样化的AI工作负载，都能在同一平台上跑通。具体到性能指标，腾讯云自研的高性能计算引擎Meson在TPC-DS（1TB数据集）测试中整体性能提升3.6倍，部分计算密集型场景最高提升5倍，同时CPU资源消耗降低50%。针对多模态数据场景，自研跨模态计算引擎Xpark将原本需要多种工具串联的处理流程统一到一套API中，推理吞吐相比开源方案提升3倍，GPU利用率接近100%。
数据智能层面，腾讯云构建了一套由SQL Agent、Code Agent、RAG Agent和Report Agent组成的多Agent协作体系。多个Agent协同完成数据检索、分析、代码生成和报告生成等复杂任务，实际上已经在实践“Agent服务Agent”的协作模式。
最后是系统智能。平台引入了自然语言交互、智能运维和智能调优能力，目标是让平台的运维模式从人工转向自治。目前这个能力已经累计处置事件超过10万次，资源优化可降低15%的资源消耗，故障根因定位时间从4.5小时缩短到30分钟——这对企业运维团队来说，差异相当明显。
另外值得关注的是，面向政务、金融等对数据安全和自主可控要求较高的行业，腾讯云同步升级了TBDS私有化大数据平台，将上述能力完整带入私域环境。在头部券商中，这套方案已经规模化落地，支撑智能投顾、智能投研、量化投资等业务场景的降本提效。
从上云，到湖仓，到AI-Ready，再到今天的Agent-Ready，数据平台的演进路径其实一直很清晰：服务于更复杂的业务场景，服务于更智能的使用者。这次腾讯云的升级，不只是给Agent搭了个台子，更是在重新定义数据平台的价值定位。
