在某主机厂辅助驾驶项目中，火山引擎通过Remote Dataloader解决方案将数据预处理模块与训练集群解耦，使H20训练卡利用率从40%稳定提升至85%以上，单次训练迭代周期缩短50%，云端存储成本降低20%，整体技术降本达20%。该方案通过存储与计算架构的深度优化，助力企业将百PB级异构数据从“隐性负债”转化为驱动算法迭代与业务增长的核心资产。随着大模型与数据应用的深度融合，方案将进一步优化

其二是“智能营销Agent”，依托“一客一策”的超个性化服务能力，动态融合客户属性、行为与交易数据，突破传统粗放标签限制。这一转型的核心在于构建能够沉淀集体智慧的“企业级认知引擎”，其不仅是技术跃迁，更要求企业重塑与数据的关系：贯通内外部多源数据、简化人机交互以实现敏捷分析，并将专家经验转化为可复用的数字资产，从而加速从洞察到行动的闭环。未来，Data Agent将持续向预测性与模拟仿真能力演进，

在大模型技术飞速发展的当下，大数据领域的各类应用如雨后春笋般涌现，从数仓开发到ChatBI问数，再到深度分析 Agent，这些领域的大模型应用极大地提升了数据处理和分析的效率。但与此同时，如何科学、准确地评估这些应用的效果，成为了行业面临的重要难题。InfoQ 荣幸邀请到了字节跳动 /数据平台大模型评测技术负责人在AICon 全球人工智能开发与应用大会·深圳站上分享了《​​》。

12月18日，2025火山引擎Force原动力大会·冬在上海举办，在当天下午的Data +AI论坛上，火山引擎数智平台提出企业数智化从“数据驱动”迈向“认知驱动”新阶段，并推出了通过多模态数据湖、数据智能体服务和高质量数据集在内的打造“企业认知引擎”的「Data +AI」方案服务。据了解，「认知驱动」升级源于企业海量数据积累，以及企业级AI应用全面启动的双重背景下。数据显示，2024年中国数据总量

图片图片在本次合作中，“大晓机器人”依托专业技术沉淀，专注于世界模型工具链的构建与应用，其技术范围涵盖物理AI数据闭环、生成式世界引擎及闭环仿真等等；火山引擎多模态数据湖解决方案则基于LAS AI数据湖产品，充分发挥在多模态数据预处理领域的优势，为“大晓机器人”的整个研发体系构建了坚实的技术基座。

更多技术交流、求职机会，欢迎关注。

DataTester目前已经服务了数百家企业，助力A/B测试应用在AI场景中，“让每一个决策更加正确”的显性效果指数级放大。

ByteHouse 团队通过自研“水平扩容”能力，实现了数据库底层与界面支持数据重分布。相比于开源社区的方式，ByteHouse 的数据重分布有以下优势：低 CPU / IO 开销，数据重分布期间可读；全程自动化，界面化；不依赖其他外置工具，在 ByteHouse 产品内闭环；目前，水平扩容功能现已在 ByteHouse 企业版公测上线，同时支持私有化部署与火山引擎版本，欢迎体验。点击跳转【云原生

研讨会上，与会者分享了多家金融机构在“数据飞轮”模式下的成功实践。并建议金融行业企业可以将视线投在“数据消费为纽带，升级用数赋能场景应用”的方向上，通过整合基础数据源，构建批流一体计算层，实现数据驱动的智能决策体系。他在会上提到，数据飞轮以数据消费为核心驱动力，将数据资产与业务应用紧密结合，形成相互促进的飞轮效应，旨在激发员工创造力，增强业务发展动力，并提升整体组织活力。未来，火山引擎VeDI将继

然而，这种转换，并非没有挑战。到了 2023 年底至 2024 年初，多模态模型迅速兴起，图像、音视频等数据处理的需求骤然增加，要高效、分布式的完成数据处理，这是当时用户关注的最核心的问题，而原有的文本计算框架显得捉襟见肘。此外，数据治理的主要对象也在发生变化，多模态数据的体量正在快速增加。随着 Agent 的逐步普及，以及 Seedream4.0、Sora2 等模型的陆续发布，AI 落地企业的进