点击蓝字 关注我们
Tencnet Cloud Big Data
本文共计3680字 预计阅读时长12分钟
我国“十五五”规划纲要草案纲领性提出，“深入推进数字中国建设，提升数智化发展水平”“激活数据要素潜能，加快数智技术创新，深化拓展“人工智能+”，赋能经济社会发展和治理能力提升，促进生产方式深层次变革和生产力革命性跃迁。”为我国数智化发展注入强劲动能。
2026年3月3日，在中国信通院组织的首家数智一体化平台（DIOps）技术要求专项测试中，腾讯云WeData完成了专项测试的全部内容，成为首个完成此项测试的产品。
数据智能的核心价值在于利用数据洞察与智能推理的协同优势，驱动业务场景高效运行。然而，当前企业在推进数据智能落地过程中普遍面临一系列工程化挑战：顶层设计框架模糊、数据与模型研发流程割裂、跨团队协同不顺畅、工程化与一体化能力不足，导致项目反复试点却难以形成规模化生产力。
针对这一现状，中国信通院依托CCSA TC601 WG16人工智能数据工作组&WG18企业数智化工作组，开展数据智能一体化（DIOps）标准编制，腾讯云是核心参编方之一。标准旨在明确数据智能一体化（DIOps）平台必备功能，探索数据智能一体化工具标准体系，推动数据智能应用价值释放。
作为国内首个面向Data+AI一体化能力的系统性评测，该测试围绕数智准备、数智开发、数智运维与制品管理四大能力域，从工程化、一体化、全流程协同等多个维度进行全面检验，共覆盖56个功能点。其意义不仅在于功能完备性验证，更在于为企业推进AI规模化落地提供了权威能力标尺。
▲ DIOps标准框架：
4大能力域、13个二级功能、56 个功能点
1
行业首家：
腾讯云WeData四大能力域全景
企业在推进AI与数据深度融合的过程中，普遍面临三重困境：数据资产难沉淀、模型研发过程不可追溯、AI应用从试点到生产的工程化能力缺失。针对这些痛点，本次DIOps测试构建了从数据准备到制品交付的完整评估体系，腾讯云WeData凭借覆盖全链路的平台能力，在四大能力域中均通过了专项测试。
1.数智准备：构建高质量数据与模型资产底座
AI规模化落地的前提是高质量、可管理的数据与模型资产。在数智准备能力域，WeData提供多源异构数据集成与标准化接入能力，支持结构化、半结构化及非结构化数据的统一汇聚与治理；同时构建模型资产管理体系，实现模型版本、元数据与血缘关系的全程可追溯，让企业告别“数据找不到、模型理不清”的困境。
▲ 腾讯云WeData产品界面
2.数智开发：打通数据工程与模型研发的一体化开发范式
传统模式下，数据开发与模型训练往往分属不同团队和工具链，协同成本高、迭代效率低。在数智开发能力域，WeData 重构了Data+AI开发范式：
- WeData Studio提供VSCode级别的云端IDE体验，内置AI编程助手，支持SQL与Python代码的智能生成、纠错与逻辑解释，将天级别的数据开发工作压缩到小时级别。
- WeData ML提供自动化建模的批量训练能力和分布式训练等大规模训练能力，满足规模化、工程化的模型开发需要。
- WeData Workflow首次将数据清洗、仓库加工与AI模型训练统一纳入同一工作流进行编排与调度，支持多引擎协同与任务依赖管理，以业务SLA为导向实现全流程状态监控与预测，实现“数据到智能的零摩擦转化”。
▲ 腾讯云WeData产品界面
3.数智运维：保障训练推理一致性与规模化稳定运行
模型从实验室走向生产环境，运维能力决定了智能服务的可靠性与持续性。在数智运维能力域，WeData 构建了统一特征管理体系，实现离线与在线特征统一管理和消费，解决训练与推理数据不一致的核心痛点。平台支持多模型并行运行的状态监控、模型质量/漂移监控、异常告警与自动恢复，为高频决策场景（如实时风控、在线推荐）提供毫秒级稳定服务保障。
▲ 腾讯云WeData产品界面
4.制品管理：实现Data+AI工程化交付与持续迭代
AI应用的规模化落地不能停留在“一次性项目”，需要具备软件工程级别的交付与迭代能力。在制品管理能力域，WeData引入面向Data+AI的原生CI/CD机制，将数据工程与AI应用的代码、配置及运行环境进行标准化封装。结合GitOps自动化流水线，实现从开发、测试到生产环境的持续集成与发布一气呵成，大幅提升系统的可维护性与交付效率。
▲ 腾讯云WeData DIOps平台全景
2
何以领先：
WeData DIOps的核心技术优势
在通过DIOps全部4大能力域、13个二级功能、56 个功能点测试的背后，是WeData在Data+AI工程化领域的持续技术积累。
信通院专家指出，WeData的核心技术优势在于——它不是将数据平台和AI平台简单拼接，而是构建了一个Data+AI深度融合的统一平台，让“从数据到智能”成为一条高效协同的工程化流水线。
这一技术优势集中体现在以下层面：
- 开发体验层：AI原生的云端IDE，让数据工程师与算法工程师在同一环境中协作，打破传统IDE边界。
- 流程编排层：统一的工作流引擎覆盖数据处理与模型训练全链路，以业务SLA驱动调度优化，消除跨团队协作壁垒。
- 工程交付层：Data+AI原生CI/CD与GitOps流水线，使智能应用具备与软件工程同等水平的交付、版本管理与持续迭代能力。
- 统一管理层：完善的平台管理体系，保障数据、代码、环境、资源、模型、实验、服务等资产和制品被有效管理，并且支持血缘追溯和版本管理。
▲ 腾讯云WeData DIOps开发全流程
3
场景落地：
从标准评测走向业务价值
DIOps标准的价值最终需要体现在真实业务场景中，WeData已在多个行业核心场景中验证了Data+AI一体化能力的落地效果。
1.智能营销与精准推荐：让模型能力转化为业务价值
在零售、电商与内容平台场景中，推荐与用户增长模型需要持续迭代、快速上线，并保持效果可追溯。WeData提供覆盖数据准备、特征构建、模型训练到在线推理的全生命周期管理能力，实现模型研发过程可追溯、实验与版本统一管理、模型快速部署与持续优化，帮助企业将“模型实验”转化为稳定运行的在线服务。
2.实时风控与用户增长：保障训练与推理一致
在金融风控、支付反欺诈、实时定价等高频决策场景中，数据延迟或特征不一致，往往直接影响风险判断与收益表现。WeData 构建统一特征管理体系，实现离线与在线特征统一管理和消费，解决训练与推理数据不一致、离线分析与实时服务割裂、特征重复建设与治理复杂等问题，为实时决策提供稳定、可复用的数据底座，降低误判风险。
3. 多模型规模化运营：让AI成为可持续能力
在制造预测维护、物流调度优化、供应链预测等场景中，企业往往同时运行多个模型，但缺乏统一工程体系支撑。WeData提供标准化数据与模型流水线标准化交付、自动化版本管理与持续发布能力，帮助企业构建可复制、可演进的AI工程体系，让智能能力成为长期可运营资产。
▲ 腾讯云WeData DIOps场景落地
4
未来展望：
迈向 AI 原生的数据智能底座
信通院专家指出，腾讯云WeData在数智准备、数智开发、数智运维及制品管理等关键能力维度表现突出，已具备全流程一体化与工程化能力。
这既是对WeData深耕Data+AI一体化能力的权威认可，也为平台未来发展指明了方向。
面向AI原生时代，腾讯云 WeData 将持续强化三大能力建设：
一是数据供给升级，构建面向大模型与智能体的高质量数据供给体系，夯实数据基础；
二是实时智能深化，提升面向实时智能与复杂决策场景的数据工程能力，保障训练推理一致性及低延迟服务；
三是工程化体系完善，实现模型持续训练、自动发布与智能运维的规模化落地。
未来，WeData将从数据平台升级为连接数据资产、智能模型与业务场景的统一智能底座，帮助企业在技术快速演进中构建长期稳定、可持续进化的数据智能能力，实现真正的数据驱动增长。
5
DIOps标准介绍
《数据智能一体化（DIOps）平台技术要求》旨在明确DIOps平台必备功能，探索数据智能一体化工具标准体系，引导产品在多模态兼容、智能驱动、安全合规、灵活适配等方面进行提升，打造全链路技术规范，适配多元场景，推动数据智能应用价值释放。
标准共有互联网、通信、金融、制造等多个行业的30余家企业技术专家参与讨论，并形成了数智准备、数智开发、数智运维、制品管理4大能力域，包括13个二级功能，共56个功能点的标准框架，并启动首批测试。
Tencent BigData
关注腾讯云大数据╳探索数据的无限可能
往期精彩
求点赞
求分享
求喜欢
