如果说AI的上半场是算力和大模型的竞争，拼的是算法创新和参数规模；那么AI的下半场就是应用和业务价值的兑现，拼的是落地能力和产业深度。当前全球AI投资热度高涨，而AI基础设施层趋于饱和垄断，资本重心正转向“Data+AI”应用。“应用为王”是最终决定技术能否转换为业务价值的关键，而应用要落地，数据基础必须先行。在过去数年间，“数据中台”作为企业数字化转型的核心基础设施，已成为众多行业的基本盘。它通

ChunJun 1.16版本正式发布，带来多项重要更新：新增Catalog模块统一湖仓元数据访问，支持Paimon/Iceberg等格式；DorisSink性能优化实现内存占用减半和吞吐翻倍；Kafka支持主键分区写入；JDBC插件性能提升；OceanBase插件兼容MySQL/Oracle模式。9位贡献者参与了本次版本优化。社区同时发起用户调研，征集对同步引擎优化和Flink版本选择的建议。欢迎

袋鼠云2025年提出"1+N+X"数据智能落地框架：1指智能体应用开发平台AIWorks，统一管理模型接入、权限控制和运行监控；N为高频业务场景智能体，覆盖数据开发、分析、指标管理等场景；X是行业智能体，将场景能力与行业特性结合。该框架实现了数据智能从"可构建"到"可复制"的完整落地路径，2026年将重点推进规模化运行与持续演进。

数据，究竟是静态的历史记录还是流动的企业资产？随着企业依赖数据决策的加深，这个问题变得愈加关键。过去，我们常常把数据看作“存储”的对象，但在今天，数据正逐步成为推动智能决策、创新和增长的核心动力。发布会资料。

摘要：2025年AI应用爆发，"AIReady"成为热点，但袋鼠云指出真正的AIReady是数据Ready。企业需构建统一、语义清晰的数据体系作为AI基础，而非仅关注模型技术。数据治理不足将导致AI效果不稳定，加剧业务混乱。袋鼠云通过全生命周期数据服务，帮助企业从数据治理、指标体系建设到AI应用开发，实现DataReady到AIReady的转变。AI时代比拼的是数据地基的扎实程

现代大型语言模型（LLM）作为智能知识库，结合专用工具链可实现自然语言操作数据库。以VS Code和MCP技术为例，演示了如何通过自然语言管理MySQL数据库。安装VS Code及Cline插件后，配置DeepSeek API Key和MySQL MCP Server，设定连接参数。通过自然语言指令如“连接到MySQL数据库”“查看入职时间最晚的员工”等，完成数据查询、问题分析和运维操作。

摘要：本文介绍了AIWorks平台中Workflow引擎的设计与实现，旨在解决LLM应用开发中的Prompt失控、结果不可预测等问题。引擎采用DAG为骨架、状态机为灵魂的设计理念，通过节点系统实现能力扩展，并强调可观测性优先。架构分为应用层、图引擎层、节点层和基础设施层，GraphEngine作为核心调度器负责解析JSON、编译执行图并管理状态。节点系统采用模板方法模式，支持多种节点类型并易于扩展

阿里巴巴发布千问App，首次实现AI作为统一入口接入淘宝、支付宝等生态业务，标志着软件范式转变：从功能集合体转向以结果为导向的行动基础设施。这一变革将对ToB软件行业产生深远影响，企业软件需要从"用好系统"转向"办成事情"，通过AI后台处理复杂度，前台提供统一入口。袋鼠云的"一体两翼"战略正是这一趋势的体现，通过数据中台和智能体实现任务自动执行。行业将迎来从功能竞争到隐藏复杂度竞争的转变，软件价值

企业级AI应用进入深水区，AIWorks平台聚焦Agent智能体开发，提供七大核心能力：1）多模型统一纳管与私有化部署；2）可视化工作流与智能体开发；3）知识库管理及RAG增强；4）企业系统集成工具；5）行业应用市场；6）全链路监控；7）企业级治理能力。平台通过"选模型-定流程-赋知识-搭应用-融系统"五步法，帮助企业快速构建业务智能体，支持能源、教育、制造等垂直领域深度定制。其特色在于将AI能力

2025年算是Agent元年，回望这一年，我们听到最多的企业内部需求，大概是这样的：“能不能做个智能体，让业务同事直接问？“我们也想上大模型，把知识库、报表全串起来。“视频、IoT、日志、告警都在，就是没人能‘一口气’看完一件事。再往下问一句：你们是不是已经有一套还算完整的数据中台了？——有的，数仓有了，指标有了，报表有了，数据中台也上线好多年了。问题就出在这里：。这不是某一家企业的特例，而是很多