导读：腾讯 ima 的知识库数量达千万级，ES 侧数据规模接近千亿级，这样的体量下，「一套引擎同时承载全文、向量与混合检索」不是口号，而是每天要面对多租户隔离、极端长尾分布、查询扇出与内存成本的真问题。在 腾讯云 × Elastic AI 搜索技术大会上，腾讯 ima 高级工程师王志铭发表《腾讯 i

业务人员需要分析经营指标，数据工程师要处理作业与数据问题，运维人员需要在日志、监控和配置之间定位异常。不同任务背后，都需要数据、知识与专业数据引擎能力共同参与。 9 月 22 日（周二）下午，腾讯云数据分析智能体 TCDataAgent 将发布新版本 AVA。新版本围绕数据分析、数据工程与智能运维等

业务问一句数、数据团队排三天期——这道坎，我们想用「一句话」填平 先说个你我都熟的场景 市场同学想看一眼上周各渠道的转化，发了条消息给数据团队。 数据团队这边，手头正排着三个需求。确认口径、找表、写 SQL、跑数、整理结果，一趟下来两三天过去了。等结果发回市场那边，那个"想看一眼"的冲动，早凉了。

企业把大模型接入生产后， “能调通” 解决了可用性， “能兜住” 解决了连续性，但紧接着就是第三道难题—— 看不见 。Token 花在哪了、慢在哪了、出了问题怎么查，这三个问题在大模型场景下没有现成答案。AI 网关把监控、日志、追踪三大支柱沉到网关层统一采集，业务方不需要改一行代码，就能获得 Tok

企业把大模型接入生产后， “能调通” 解决了可用性， “能兜住” 解决了连续性，但紧接着就是第三道难题—— 看不见 。Token 花在哪了、慢在哪了、出了问题怎么查，这三个问题在大模型场景下没有现成答案。AI 网关把监控、日志、追踪三大支柱沉到网关层统一采集，业务方不需要改一行代码，就能获得 Tok

​ 数据工具的终局，不是更"聪明"，而是更"自主" 在过去十年的演进中，企业数据基础设施经历了从数据湖仓时代（解决"存得下、算得快"）到数据智能引擎时代（解决"用得好、用得快"）的跨越。站在 Agent 原生（Agent-Native）时代的转折点上，我们正亲历一场深刻的范式变革。 目前市场上涌现出

AI Native 数据平台 · 系统智能系列 在前三篇里，我们分别讲了腾讯云大数据 AI Native 数据底座的三个方向：计算智能让 Agent "跑得快"、存储智能让 Agent "存得下、取得到"、数据智能让 Agent "替你分析"。它们解决的都是同一件事——让平台更好地服务 Agent。

AI Native 数据平台 · 系统智能系列 在前三篇里，我们分别讲了腾讯云大数据 AI Native 数据底座的三个方向：计算智能让 Agent "跑得快"、存储智能让 Agent "存得下、取得到"、数据智能让 Agent "替你分析"。它们解决的都是同一件事——让平台更好地服务 Agent。

如果你在做一个 AI 项目，你的数据流大概率长这样： Spark 集群跑 ETL，清洗完写到 OSS → AI 团队从 OSS 拉数据到 GPU 集群 → 做特征工程 → 训练 → 模型推回 OSS → 推理服务再从 OSS 读模型上线。 中间至少三次搬运，两次格式转换，三套权限同步。数据量一大，光

Agent 从概念走向落地，企业数据架构正面临一场静默的革命。 传统"数据平台 + AI 平台"的两套架构，让数据在搬运中流失价值、让运维成本随规模指数增长。Agent 需要的不是更多的管道，而是一块能让数据与 AI 计算原生融合的统一底座。 7 月 25 日上午，深圳机场凯悦酒店，DataFun

Agent Native 大数据智能体工作台 DataBuddy 实践指南来了！本文重点介绍数据工程的 3 个高频场景，每个场景都给你可以直接抄作业的"操作说明书"。 ​ 哪些角色适用DataBuddy？ 在今年 6 月的腾讯云 AI 产业应用大会上，腾讯云正式对外发布了 Agent Native

前言 在过去两年，我们清晰地看到产业中生成式 AI 应用经历了两波关键节奏。第一波是模型能力外溢，包括智能助手、harness coding、RAG 应用遍地开花。第二波是围绕 AI 的业务流程重构，小团队开始借助 Agent 重新设计产品、运营、合规和数据工作流。走到这一步，真正拖慢 AI 价值释

每个企业都在做 AI 试点，但真正跑通"从试点到规模化"的，寥寥无几。 过去一年，几乎所有企业都在推进 AI 试点：客服、营销、风控、投研、供应链、运维……Demo 做得越来越快，模型效果也越来越惊艳。但到了真正的生产环境，很多项目仍然卡在同一个问题上：实验阶段能跑通，规模化之后却跑不稳、管不住、复

AI Native 数据平台 · 数据智能系列 引言：让所有CTO都头疼的真相 过去十年，企业累计投入大量资源建设数据仓库、数据湖与 BI 平台，但一个长期被低估的事实是：约 80% 的业务人员仍无法独立获得数据洞察，必须依赖数据团队编写 SQL 与生成报表，为此 Data Agent 应运而生。D

​ 本文共计5419字 预计阅读时长17分钟 在 6 月 5 日 AI 产业应用峰会上，腾讯云大数据提出了"AI Native 数据底座"四象升级——系统智能、计算智能、数据智能、存储智能。其中，计算智能被定义为"从结构化 SQL 到多模态 AI Workload 的融合范式"：通过统一 CPU 和