大模型調用成本暴跌90%，盤活數據成為企業AI落地勝負手
/朝聞通/本月，DeepSeek V4 Pro正式開啟永久降價，調整後的價格僅為原來的四分之一，緩存命中隻要0.025元每百萬token，堪稱行業新一輪“跳水式降價”。
這并非個例。随着模型訓練效率提升、算力成本優化以及市場競争加劇，大模型調用成本的全面下行早已成為不可逆的行業共識。根據中國信通院今年公布的數據，國内公有雲大模型API平均價格，相較2023年已經累計下跌超90%，同時性能提升了3至5 倍。對企業而言，這意味着接入AI的門檻正在快速抹平，一個“AI普惠”的時代正在來臨。
當智能變得越來越便宜、越來越普及，決定 AI 落地效果的核心變量，悄悄轉向企業自身的數據根基。數據是否準确完整、數據治理是否規範、權限管理是否完善，以及智能體能否安全、高效地訪問企業核心數據，都将直接影響AI應用的實際效果。
Gartner研究顯示，85%的失敗AI項目，根源都指向數據質量缺陷。當模型成為觸手可及的基礎能力，企業更需要警惕的不是“沒有AI可用”，而是薄弱的數據底座拖住智能化落地的腳步。
數據瓶頸，正在成為AI落地最大的障礙
過去，企業建設AI系統最關心的是模型能力夠不夠強。如今，越來越多企業發現，AI價值的差異并不隻來自模型能力本身，而是取決于數據能否被穩定、實時、可信地調用與使用。
正如丹諾德軟件(Denodo)全球銷售副總裁兼大中華區總裁何巍所說，企業到達一定規模，就會出現數據複雜、數據分散、數據語義不統一等問題。“全球AI項目失敗的重要原因是信任問題，而造成信任問題的關鍵在于數據不可信。”
一方面，企業數據天然分散在ERP、CRM、供應鍊、财務、人力資源以及各類業務系統中，形成大量數據孤島;另一方面，不同系統之間口徑不一緻、更新頻率不同、權限體系複雜，也讓AI很難獲得準确、完整且可信的數據。
這些問題在生成式AI時代已經存在，而到了Agentic AI時代則被進一步放大。與傳統聊天機器人不同，智能體不僅要回答問題，更需要完成“感知、決策、執行”的閉環任務。這意味着它必須實時訪問企業數據、理解業務上下文，并在權限範圍内完成具體動作。
今年5月發布的一份覆蓋全球14個國家、850位企業AI負責人的《AI信任差距報告》顯示，66%的組織要求數據實時或延遲不超過一分鐘，才願意采信AI輸出結果，如何實現數據的及時調用成為關鍵;63%的組織表示難以識别和準備“正确”的數據;67%的組織則面臨AI數據安全和訪問控制挑戰。
數據管理能力，正在成為決定AI落地成效的新分水嶺。數據的實時性、語義一緻性與安全治理，則是企業從AI試點邁向規模化應用必須跨越的三道門檻。
邏輯數據管理，為智能體構建可信數據底座
面對企業數據碎片化與治理複雜化的挑戰，數據層的重要性正在被重新認識。
連續六年被Gartner評為數據集成工具領導者、并于2025年在IDC MarketScape全球數據集成軟件平台評估中排名第一的Denodo，正在通過“邏輯數據管理”(Logical Data Management)幫助企業解決AI落地的數據信任危機。
何巍表示，Denodo的解決之道不是為企業新建一個數據平台，而是搭建AI與數據之間的信任層，構建可信數據底座。過去的26年間，Denodo已服務了全球超1000家企業。
(圖：Denodo全球銷售副總裁兼大中華區總裁何巍)
與傳統數據平台需要将數據大量複制、集中存儲不同，Denodo采用數據虛拟化技術，在不移動數據的情況下實現統一訪問和治理。
對于數據團隊而言，Denodo能夠連接企業内部各類異構數據源，實現實時的數據整合與交付。數據無需搬遷，即可直接從源頭獲取最新信息，既降低了數據複制成本，也避免了副本過期帶來的風險。對于已經建了數據湖倉的企業，Denodo還内置了由Velox C++執行引擎驅動的湖倉加速器，在訪問Parquet、Delta和Iceberg等開放數據湖格式時顯著提升性能。
對于AI團隊而言，Denodo提供從開發工具到協議支持的全棧賦能，實現從數據發現到數據調用的完整能力。其AI SDK提供了三項關鍵能力：Text-to-VQL讓智能體用自然語言直接查詢企業數據，無需手寫SQL;元數據語義搜索(RAG)讓智能體通過向量化索引即時定位最相關的數據資産;DeepQuery深度研究智能體則能對複雜的開放式商業問題進行多步推理和跨系統綜合分析，生成帶有完整查詢溯源的可解釋性報告。新版本更是将MCP協議支持直接嵌入平台層，任何MCP兼容的智能體都可以在統一治理策略下安全發現和查詢企業數據。
對于業務團隊而言，Denodo Assistant讓用戶能夠通過自然語言直接獲取實時業務洞察，實現從“看儀表盤”到“與數據對話”的轉變。無論是OpenAI、Azure OpenAI還是企業自建模型，都可以接入同一套可信數據體系。
從底層數據連接到上層智能體調用，Denodo試圖構建的是一個面向AI時代的統一數據訪問層，為企業提供智能體時代的“邏輯地圖”。
(Denodo技術架構)
數據
從全球實踐來看，數據底座不再隻是IT系統的支撐層，而正在成為影響業務效率與決策方式的關鍵基礎設施。
在中國，賽力斯借助Denodo的邏輯數據編織解決方案，整合來自智能工廠及其它數據源的數據。與傳統ETL方式不同，邏輯數據管理平台能夠連接異構數據源，實現無數據複制的數據管理，使得數據交付速度提升了88%，為業務分析與應用開發提供統一可信的數據來源，顯著縮短了業務分析與數據應用的響應周期。
在公共服務領域，迪拜财政部利用Denodo和智能體AI，構建覆蓋60多個政府機構的實時合規平台。Denodo提供統一的零副本數據層，AI智能體在此基礎上實現法律映射、合規洞察和主動式建議，對超過240億美元财政活動進行自動化審計與分析，實現從事後審計向實時監管轉變。
在企業管理領域，NEC(日本電氣股份有限公司)基于Denodo搭建了“OneNEC”統一數據平台，向包括CEO在内的1000多名管理者實時推送可信數據，并結合Azure OpenAI，實現了與SAP等系統集成的對話式商業智能，使得管理者能夠以自然語言直接獲取可信業務數據，顯著降低了數據使用門檻，提升了決策效率。未來該平台計劃覆蓋10萬名用戶。
這些實踐共同指向一個更具體的變化：數據底座的價值，不僅體現在實現數據統一與實時訪問，更體現在它正在重塑企業獲取信息、做出決策以及響應變化的方式。
得數據者得未來
過去幾年，AI産業最大的進步來自模型能力的突破;未來幾年，企業AI價值釋放的關鍵則越來越取決于數據基建能力。
當模型淪為普惠化的通用工具，高質量、可管控、高實時性的數據，就成了企業獨有的不可複制的戰略資産。誰能夠讓數據更實時、更可信、更安全地流動，誰就更有機會将AI能力轉化為真正的業務成果。
Denodo所代表的邏輯數據管理路徑，代表了一種正在被越來越多企業驗證的方向：搬數據、不替代現有系統，而是在分布式環境之上構建一層可信、實時、可治理的邏輯數據層，讓智能體在不觸碰數據物理位置的情況下，安全、準确、實時地獲取它需要的一切，從而讓AI能力真正嵌入業務流程，并轉化為可執行的決策與行動。
Agent時代，模型是人人都能領取的入場券，數據才是真正的護城河。能否讓數據底座跟上智能體疊代的速度，決定了企業AI實踐的成敗。
