業內首個數據治理大模型問世！百分點科技定義AI原生治理新標準

“領域大模型+AI原生平臺，開啟AI治理新時代。

在AI技術重塑各行各業的當下，高質量數據已成為企業挖掘業務價值的核心引擎，不僅能驅動精準決策，激活創新場景，而且能為業務增長注入持續動力，成為政企在競爭中突圍的關鍵。

然而，AI時代對數據質量、效率的高要求，也讓傳統數據治理模式陷入瓶頸：依賴專家經驗的流程效率低、成本高，流程繁瑣，難以適配快速變化的業務需求，數據治理如何更好交付成為行業亟待破解的難題。

作為深耕數據治理領域十年的先行者，百分點科技有底氣重塑數據治理這一流程：自2015年推出首款大數據治理平臺以來，服務了30個行業近千個項目，產品不斷迭代升級，更沉淀出專業服務團隊，在行業覆蓋、業務深度、產品完善度上均樹立行業標桿。

11月16日，在“2025第四屆數據治理年會”上，百分點科技正式發布百思數據治理大模型（BS-LM）與百思數據治理平臺（AI-DG）。作為業內首個數據治理垂直大模型，百分點以“智能決策+高效執行”雙引擎，實現了數據治理從頂層設計到數據應用的全鏈路自動化，標志著數據治理從“專家驅動”邁入大模型引領的“智能自治”新紀元，為政企打造可信數據資產提供新范式。

數據治理的三次進化：

從人工輔助到AI原生

百分點科技政企事業部總經理馬偉凱在主題演講中回顧數據治理生態的發展歷程，其核心模式隨技術迭代與需求升級不斷進化，可清晰劃分為三個關鍵階段，每個階段均對應著不同的治理邏輯與實踐形態。

1.0時代：人工+平臺，以流程制度為核心。

數據治理1.0時代的核心是“標準化平臺+專家經驗+全流程服務團隊”的組合，聚焦通過工具與人力協作完成基礎數據治理任務。

這一階段，行業競爭與甲方客戶關注的重點集中在兩方面：一是平臺功能是否完備，能否高效實現數據匯聚、加工處理與BI報表生成；二是服務團隊是否具備深厚行業知識，能否依托經驗落地治理流程。

而該模式的局限性也十分突出：實施周期長，對團隊配置要求高（需涵蓋業務專家、技術人員等多角色），且治理價值難以感知——領導層與業務層往往無法清晰看到治理前后的實際差異，數據治理更多停留在“流程合規”層面，未能充分轉化為業務價值。

2.0時代：平臺+AI，以AI能力嵌入為手段。

隨著算法模型技術發展，數據治理邁入2.0時代，核心特征是“AI能力嵌入平臺”，通過點狀智能突破實現效率提升與成本降低。這一階段，平臺功能的智能化成為核心方向：AI技術的融入顯著降低了實施研發門檻，減少了重復人工操作，讓數據治理的整體效率得到明顯改善。

然而，2.0時代仍未突破核心瓶頸：一方面，平臺運轉高度依賴行業專家的強支持，缺乏專家參與則難以持續推進；另一方面，AI優化多集中于單點功能如數據清洗、規則匹配等，未形成覆蓋治理全流程的體系化方案，無法從根本上重塑治理工作模式。

3.0時代：AI原生治理，以大模型為內核、多智能體為載體。

為解決前兩個階段的痛點，數據治理進入3.0AI原生治理時代，其核心是“大模型+多智能體”的深度協同——以大模型為內核提供專家級知識賦能，以多智能體為載體實現全流程自動化運轉。

這一階段徹底重構了數據治理邏輯：首先，大模型替代傳統全流程服務團隊，整合業務專家、咨詢顧問、數據架構師等角色的專業知識，為治理工作提供統一支撐。

其次，多智能體協同覆蓋治理全鏈路，從業務需求分析、數據接入，到數據加工、治理落地，實現“從0到1”構建數據治理平臺的全流程自動化。

最后，治理模式從“人工主導”轉向“AI自主決策與執行”，不僅大幅降低人力依賴，而且更能讓治理價值快速傳遞至業務端，真正實現數據治理與業務需求的深度融合。

百思大模型：

雙引擎開啟數據治理智能自治新范式

為破解傳統數據治理依賴專家、效率低、價值難感知等痛點，百分點科技推出了百思數據治理大模型（BS-LM），作為數據治理的“智能決策引擎”，其以“知識+推理”模式重塑數據治理全流程。其中，知識層面依托深度行業積淀提供專家級知識賦能，推理層面通過自然語言驅動與多智能體協同，將治理工作快速落地，二者結合讓數據治理從“人力密集”轉向“智能自治”，更高效地為業務方呈現數據報表與價值，帶領行業進入數據治理3.0時代。

馬偉凱介紹說，百思大模型的核心能力集中在4大方向，精準匹配數據治理全場景需求。

其一，具備深度語義解析與多步驟邏輯推理能力，可實時響應復雜治理問題，提供規則解讀、標準對照與最佳實踐推薦，實現專家知識的系統化傳承與普惠化應用。例如專家級業務知識理解，可精準區分不同行業術語內涵，如“三防”在消費電子領域指“防塵、防水、防摔”，在應急領域則是“防汛、防旱、防臺”，避免通用模型的知識偏差，確保治理貼合真實業務場景。

其二，全流程規劃與智能編排，覆蓋從數據集成、資產分類到指標體系搭建的開發全鏈路，無需人工拆分環節，實現端到端治理支撐。

其三，數據治理資產自動生成與標準化管理，實現數據模型設計、質量規則配置、資產目錄構建等關鍵工作的自動化，推動治理模式從“項目交付”向“資產運營”轉型升級，既能響應國家政策要求，識別并加工高質量數據集，又能自動生成標準化數據治理資產，降低人工標準化成本。

其四，治理成效與價值度量，可基于治理內容自主評估效果，還能測算高質量數據集的業務價值，動態追蹤關鍵價值指標，精準回答“治理是否有效”的核心問題，讓治理成果與價值可視化，助力企業實現從數據資產沉淀到業務價值提升的跨越。

百思大模型的獨特優勢，源于百分點科技10年數據治理服務的沉淀與創新訓練方式。

在語料層面，百分點科技將10年項目經驗中的核心知識系統化沉淀。項目結項時，業務系統、數據主題庫、數據源標準、行業政策文件、企業指標體系等元數據與公開信息，需按流程回流至公司，且不涉及客戶隱私，為大模型提供了行業適配性極強的語料基礎。

在訓練方式上，針對數據治理不同流程的能力需求差異，先為各領域訓練專屬模型，再通過知識融合對齊語義、整合能力，有效規避了單一模型易出現的知識遺忘、交叉干擾問題，讓大模型在各治理場景中均能精準發力。

從實際應用場景看，百思大模型的價值更具象：數據標準場景中，可從多模態文件快速提取國標、行標知識并按格式沉淀，還能自動完成“邏輯模型轉物理模型”“數據標準落地校驗”。

數據倉庫模型規劃場景中，以應急領域為例，可自主輸出分層架構、主題專題及核心實體，還能診斷現有模型的實體缺失、屬性不足等問題，并給出優化建議，真正讓數據治理實現“少專家依賴、高效率落地、高價值呈現”。

百思數據治理平臺：數據治理的高效執行引擎，讓落地更簡單

在百思數據治理大模型提供專家級知識賦能后，數據治理的落地執行仍需高效載體。百分點科技推出的百思數據治理平臺（AI-DG），正是以“高效執行引擎”的定位，承接大模型的指導成果，解決數據治理開發落地中的核心痛點，實現從“知識指導”到“實際落地”的閉環。

AI-DG平臺是以大模型為內核、以多智能體協作為載體、以AI自主工程化交付為目標的下一代數據治理平臺。其核心聚焦三大問題，打破傳統數據治理開發的低效困境。

其一，需求拆解與自動執行難題。平臺可自主拆解業務需求，明確需開展的工作項，再通過多智能體協同自動推進，無需人工逐環節規劃。

其二，操作界面復雜問題。摒棄傳統平臺“頂部一級功能+左側二級功能”的繁瑣設計（成熟平臺常含數十上百個功能，用戶難以快速上手），采用自然語言對話引導式界面，降低操作門檻。

其三，全流程覆蓋不足問題。從業務需求分析，到數據接入、加工、治理，再到最終成果呈現，平臺實現全鏈路支撐，無需依賴多工具切換。

跟據客戶現場實踐數據，AI-DG平臺可將實施周期縮短70%以上，運營成本降低超50%。

從實際應用場景來看，AI-DG平臺適配不同客戶基礎，展現出極強的落地能力。針對“未建數據中臺/治理平臺”的客戶，平臺以交互式方式引導項目規劃落地：先基于調研模板梳理需求，自動生成數據接入任務；數據接入后，聯動大模型能力沉淀數據標準、設計數據倉庫方案（明確庫表結構），用戶可修正推薦規則，修正內容回傳平臺后，自動生成數據處理邏輯；后續還能按行業特性推薦企業指標運營體系，確認后自動加工指標，最終通過智能報告或問數產品實現數據查詢。

針對“已建數據中臺”的客戶，平臺可快速響應臨時需求。以零售行業“商品補貨”場景為例，平臺能自主分析現有數據是否支撐需求，若數據不足則定位需補充數據的系統、判斷是否納入主題庫，最終形成專題分析，直接回答“某門店是否需要補貨”；類似地，月度運營分析報告也可基于平臺數據自動生成，無需人工反復提取加工。

AI-DG平臺的高效執行能力，源于兩大核心支撐。一方面，平臺內置涵蓋數據接入、標準制定、加工處理等各環節的專屬智能體，這些智能體脫胎于百分點科技10年數據治理項目沉淀的成熟實施方法論，可精準匹配治理全流程需求。

另一方面，平臺具備“方案自動規劃”能力，能基于業務主題分析需求、調用對應智能體，同時還支持數據安全與運維工作，通過智能體自動完成后期運營，真正實現數據治理“從需求到落地，再到運維”的全周期高效運轉。

領域大模型+AI原生平臺

開啟AI治理新時代

當數據治理邁入AI時代，“領域大模型+AI原生平臺”的組合正成為破局關鍵。百分點科技發布的百思數據治理大模型（BS-LM）與百思數據治理平臺（AI-DG），以協同之力重塑治理全流程，真正開啟AI治理新紀元。

百思大模型聚焦“專家級知識賦能”，憑借10年行業語料沉淀與分領域訓練優勢，實現業務知識精準理解、治理全流程規劃、數據資產自動生成與價值度量，為治理工作提供專業指導。

AI-DG則承擔“高效執行引擎”角色，以友好化開發界面、自主化規劃能力、多智能體協同功能，通過自然語言交互降低操作門檻，讓治理落地更高效。

二者聯動還支撐了百思智能應用，精準解決“數據價值最后一公里”難題，推動業務人員與領導深度參與開發。例如在廣州白云應急領域，智能治理方案在智能預案拆解方面已獲得能力印證，實現從“被動響應”到“主動服務”的跨越，讓Data for AI的推進更順暢。

展望未來，馬偉凱認為，AI數據治理的演進路徑清晰可見，4大趨勢將重塑行業格局：

其一，智能體從“預置”走向“自主演化”，未來可根據需求自動創建、管理與迭代，擺脫對人工配置的依賴；

其二，實體自治能力持續加強，data fabric、data match等技術成熟后，無需再通過集中式治理歸集所有數據，大幅降低治理成本；

其三，垂直領域大模型加速普及，隨著治理自治能力提升，各行業對適配自身需求的垂類大模型需求激增，推動領域化治理深化；

其四，知識聯盟生態加速形成，治理生態將從“數據知識互聯互通”，拓展至“行業知識互通”，促進跨主體、跨領域的知識協同。

這一系列變革，正讓AI治理從“效率提升”走向“價值重構”，為政企數據資產化與業務智能化注入持久動力。

正如百分點科技CEO蘇萌所言，“未來的AI競爭中，比參數規模更重要的是場景深度。百思大模型的意義，不僅在于技術突破，更在于它把10年沉淀的治理方法論‘產品化’，進而賦能行業和客戶完成高質量、高效率、高價值的數據治理。”