有望对标Databricks，OceanBase押注AI数据底座的万亿市场

智东西 作者 王涵 编辑 漠影 AI落地的真正拐点，已经不在模型本身。 当通用大模型足够强、足够便宜之后，企业突然发现：真正卡脖子的，是自己的 数据 。散落在各处的交易记录、文档、图片、日志，以及那些还没被整理的向量，能不能被Agent真正用起来？ 正是这一问，把数据层推到了台前。当数据库的使用主体从人变成了海量Agent，数据类型从结构化扩展到多模态，要求也从“存得下”变成了统一管理、实时检索、语义理解与安全合规。 这些变化正在重写整个数据市场的边界。 9月10日，2026 Inclusion·外滩大会《数智进化：让多模态数据成为AI核心燃料》见解论坛上， IDC中国企业软件市场研究经理王楠发布最新研究 。 研究重新划定了“AI数据基础设施”的版图 ，并给出清晰判断： 中国市场将从2025年的约149亿美元，增长到2030年的738亿美元，到2035年有望达到约1万亿人民币规模。 万亿级新市场正在打开，而最先卡位的，将是那些真正能把数据变成AI燃料的底座。 一、大模型不适配真实生产环境，企业选择“小模型微调+多模态底座” 通用大模型直接搬进企业生产环境，会遇到几堵绕不过去的墙。 第一堵墙是成本。 通用大模型参数量大、推理开销高，企业业务中每一次调用都在消耗算力。对于高频、规模化的生产场景，全量调用通用大模型的token成本和GPU算力开销，企业实在吃不消。 第二堵墙是延迟。 企业在线业务对响应时间的要求是毫秒级，而通用大模型动辄数秒的生成速度，无法嵌入交易、风控这类实时链路。 第三堵墙是幻觉与口径。 通用大模型缺乏对企业自有数据口径、业务规则和行业知识的理解，直接使用会导致回答失真。IDC在报告中提到， 口径不一会导致AI回答失真 ，企业因此正在优先考虑数据质量、数据血缘和元数据，以确保AI输出的一致性和可信度。 第四堵墙是数据隐私与领域适配。 在金融、政务等强监管行业，数据不能出域，通用大模型无法直接接触企业核心数据；而行业知识散落在企业内部的文档、报表、流程系统中，通用模型既不掌握，也难以获取。 瓶颈既然在数据，解法也落在数据。 IDC此次研究给出的企业选型建议中，明确列出了一条关键路径： 拥抱“小模型+多模态底座”模式——聚焦构建强大的多模态数据底座，结合行业知识与场景数据，通过小模型微调实现高效、可控的生产级AI落地。 企业不需要在每一个业务环节都调用参数量最大的通用模型，而是用自有场景数据微调出小模型，让模型在特定任务上足够专、足够快、足够便宜。 而微调的前提，是企业能够把散落在各处的数据——结构化的交易记录、半结构化的日志、非结构化的文档图片，以及AI原生需要的向量数据—— 统一管理 起来，形成 可供模型消化的“燃料” 。 这解释了为什么多模态数据底座成为必选项。 IDC数据显示，企业新生成的数据资产中 约90% 为非结构化形态， 文档、图片、音视频 正在成为数据资产的主体。传统数据架构主要围绕结构化数据设计，处理这部分数据的能力缺口直接制约了AI落地。 二、新路径给数据基础设施带来冲击，万亿新市场诞生 “小模型+多模态底座”的生产级路径，对传统数据基础设施的冲击是全方位的。 蚂蚁集团基于OceanBase的实践显示， 当Agent成为基础设施的使用方，其数量级远超人类工程师 。据介绍，蚂蚁内部的AI应用平台“灵光”已累计生成数千万个“闪应用”，平均每个仅百余行数据，99%处于沉睡状态，极少数被唤醒时却要求秒级响应。 这意味着数据底座要解决的不再是把一个库做大，而是让百万级、千万级的库高密度共存、按需唤醒。 数据体量本身也在快速膨胀。IDC预计，中国数据生成量将从2025年的76.05ZB增长至2030年的146.65ZB， 五年接近翻倍 。 面对这个被重构的市场，IDC此次没有沿用传统的数据库、数据仓库分口径统计，而是重新划定了“AI数据基础设施”的市场边界，将其划分为 三大子市场 ： AI数据管理平台 ：承担多模态数据的统一管理和处理，是AI应用的数据底座。这是规模占比最高的子市场。 AI数据智能 ：利用AI提升数据治理、分析和使用效率，包括AI辅助数据治理（用生成式AI提高数据目录、分类分级、质量检测、知识抽取和文档理解效率），以及Data Agent与数据产品。这是增速最快的子市场。 AI数据服务 ：从传统数据标注向更复杂的数据工程和数据运营体系升级，RAG知识库持续运营、Agent轨迹数据集构建、行业数据集更新等持续性服务占比持续提升，多模态非结构化数据爆发带动多模态、合成数据服务扩张。 据IDC数据，2025年中国AI数据基础设施市场规模约为 149亿美元 。IDC预测，2030年达到738亿美元，2025年至2030年复合增长率37.7%； 到2035年达到1548亿美元 （约合人民币1万亿元），较