11月中旬，初冬的北京，西班牙国王费利佩六世的专机降落在北京，一场跨越亚欧大陆的外交盛事即将上演。

这无疑是两国政治经济交流的里程碑。在西班牙庞大的经贸代表团中，有一位商业领袖尤为引人瞩目，他不仅是西班牙科技力量的代表，更“掌握”着打开AI时代数据宝藏的“逻辑密钥”。他就是Angel Viña，Denodo公司创始人兼CEO，被业界誉为“数据编织之父” 。

西班牙国王费利佩六世与Denodo创始人兼CEO Angel Viña 西班牙国王费利佩六世与Denodo创始人兼CEO Angel Viña

Angel Viña的访华，正值中国数字经济到从“数字化”向“数智化”跃迁的关键阶段。随着中国《人工智能+行动计划》全面部署展开，AI大模型、AI 智能体加速部署到业务场景之中，数据–这个AI时代的燃料，却因为爆炸性增长而带来一系列全新的挑战，羁绊着企业数智化前进的脚步。

正如Angel Viña所言：“未来的数据管理，仅仅依靠数据湖等方案还远远不够，企业更加需要一张灵活、高效的数据‘管网’：数据编织。而Denodo公司愿意继续深耕中国市场，将先进的数据编织理念、技术和方案带到中国市场，与广大中国客户实现双赢。”

Agentic AI需要数据就绪

AI大模型正成为推动行业智能化变革的关键力量。但AI 大模型的落地与应用过程中，企业却面临着愈发复杂且棘手的数据挑战。

“随着企业与组织尝试部署与应用生成式AI和智能体AI，会发现最大的障碍源于数据就绪度，而非模型性能。”Angel Viña如是说。

具体来看，在经历过云计算、大数据等技术的发展之后，大部分企业的数据环境走向复杂化，数据分散化和碎片化成为常态，而AI技术对于数据量、数据管道和处理效率的要求大不相同，则进一步加剧企业数据环境的复杂性。

固然，针对企业愈发复杂的数据环境，市场中有包括数据湖、湖仓一体、NoSQL等解决方案，试图通过汇聚数据、减少数据管道流程等操作来为AI做好数据准备。但数据天然就具备‘重力效应’，数据移动成本高昂，湖仓一体等解决方案并不能根本性解决数据管理的核心挑战。相反，随着数据量持续增加，数据移动成本的大幅提升，湖仓一体等方案的短板愈发明显。

更加关键的是，如果仅仅依靠传统的数据管理，并不能解决数据实时性的问题。而当AI 大模型无法访问实时或者完整数据信息时，其生成的洞察往往不一致或已过时。尤其是随着AI 智能体开始大量涌现，其将在业务场景中具备自主性和施行决策，如果在数据层面没有缺乏清晰的业务含义或统一的定义时，AI 智能体将难以准确推理或解释其决策。

Angel Viña直言：“没有信任，AI 智能体的自主性就无法存在。”

因此，Agentic AI时代加速，企业加大AI投资和应用AI技术成大势所趋，其数智化转型战略中一道“必答题”就是做好数据管理。而数据编织将确保AI基于可信、良好治理的数据环境运行，让AI 智能体使用准确、最新且得到良好治理的数据，从而让AI投资全部价值得以全部实现。

数据编织，企业数智化转型的基石

“不是移动数据，而需要连接数据。”Angel Viña道出数据编织的核心思想。

Denodo是全球唯一一家无需复制、搬移数据， 即可实现所有数据管理功能的公司。作为欧洲新一代科技独角兽，Denodo深耕数据管理领域多年，是数据编织领域全球领导者，创始人Angel Viña更是凭借深刻的洞见和前瞻性的观点，在数据管理领域享誉业界。

Gartner将数据编织视为十大战略技术趋势之一。数据编织是一种数据架构模式，提供关于数据对象的设计、集成和部署的信息并使上述操作自动化，不受部署平台和架构方法的限制，其核心目的是实现更加敏捷、无缝的数据访问和数据集成，并在应用场景中实现自动化。

数据编织系统架构图

简单来说，数据编织在现有数据环境中建立一个逻辑层，屏蔽数据环境的复杂性，企业不需要移动或者复制数据，通过逻辑抽象层的元数据来直接访问各种数据源。可以说，数据编织就是企业构建逻辑化、统一化且可信的数据基础的关键，这对于成功应用生成式AI和AI智能体至关重要。

• 数据编织采用逻辑数据架构（LogicalData Architecture），直接从分布式源系统连接并交付实时、受治理的数据，使得AI模型和智能体能够访问准确、最新的信息，同时避免了耗费成本的数据复制；
• 其次，通过数据编织，企业可以实现高效交付实时、AI就绪的数据，确保每一个AI和智能体工作流都使用最新、可靠的数据，同时优化成本和性能；
• 第三，数据编织可以建立一致的企业级语义层，超越单个BI或数据工具中零散的定义，确保人类和AI智能体都使用相同的业务含义来解释数据，从而为可解释和可信赖的AI创造必要的共享上下文。

数据编织的这些优势无疑在Agentic时代会释放出更大价值。例如，ChatBI正在流行，但它仍然依赖于存储在单个系统中的预聚合或静态数据，用户往往得到不完整或者过时的答案。而Denodo 数据编织方案则采用实时访问、语义一致性和内置治理的结合，兼具治理与安全策略，让用户可以安全、AI驱动的规模化数据消费，避免了传统ChatBI工具的劣势。

也许会有人认为，在现有数据环境上增加一个逻辑层，不仅会进一步增加数据环境的复杂性，而且会影响到各种数据服务的性能。对此，Angel Viña直言，在现有系统上增加逻辑数据层并不会导致延迟或者增加开销，“通过Denodo大量用户实践，通过Denodo平台构建逻辑层之后，很多用户的业务场景反而提升了数据服务的性能。”

Denodo的平台包括数据虚拟化引擎、执行引擎和优化器、增强版数据目录、主动元数据管理、DATAOPS及多元配置和基于AI的建议等核心组件。以数据虚拟化引擎为例，它是Denodo平台实现大幅领先的关键，通过下推处理（push-down processing）、缓存和聚合感知等智能查询优化技术，能够大幅领先传统数据湖或者数据仓库的方案；性能测试甚至显示，在多个数据源组合情况下，Denodo在某些查询的速度比其他方案高达数十倍甚至数百倍。

“Denodo 平台消除了持续复制和同步引起的瓶颈，实现数据的实时访问。更加关键的是，平台无缝适应现有的混合云或多云环境，对于基础设施没有特殊要求。”Angel Viña补充道：“数据编织方案更像是一个加速器，在保持效率、安全性和控制的同时，提供对所有企业数据的统一视图。”

深耕中国市场，与客户共赢

再好的AI 技术，如果数据没就绪，恰如巧妇难为无米之炊。

当前，随着数字经济多年的蓬勃发展，中国无疑成为了一个数据大国，数据规模持续增加，人工智能应用前景广阔，千行百业均在在全面且积极的拥抱AI技术。IDC《全球人工智能和生成式人工智能支出指南》就预测，到2029年，中国人工智能总投资规模将达1114亿美元，未来五年复合增长率为25.7%。

因此，数据编织有望获得越来越多中国用户的认可和使用。而作为数据编织领域全球领导者，Denodo公司也愿意持续深耕中国市场，将数据编织先进的理念、技术和方案带入中国市场，并结合中国市场的实际特点和需求，进行本地化的落地。

首先，自2019年进入中国市场，Denodo公司就重视对于中国本地市场和环境的兼容性和适配性。经过去两年持续的产品开发工作和本地化技术交流，Denodo除了支持全球主流产品和技术外，还广泛支持国内技术生态系统的产品和服务，例如适配阿里云、亚马逊云科技中国等云服务，支持MaxCompute、AnalyticDB、GaussDB等数据仓库以及OceanBase、PolarDB、ApsaraDB RDS、人大金仓Kingbase等国产数据库。

其次，Denodo的战略目标是中国企业实现其数据生态系统的现代化，尤其是高端制造电动汽车、绿色能源、工程建设、交通物流等行业，Denodo将与这些那些垂直领域的领导者合作，共同开发面向全球市场的解决方案。

第三，Denodo还将致力于通过与中国机构和大学（如国家数据局和清华大学等）合作，致力于数据编织理念、数据技术标准化的推广，以推动定义数据共享、语义统一和分布式数据计算的开放标准在全球规模内的协作。

“中国市场潜力巨大，Denodo计划长期发展，我们希望与中国用户实现双赢，让中国用户在AI时代无畏于数据（Fearless Data），掌握市场竞争的主动权。”Angel Viña最后表示道。