铭创配资 数字化深水区里，中国企业到底需要怎样的AI应用底座？
产业互联网第一媒体铭创配资。产业家
数睿数据的做法恰是，其将原本面向企业数据侧服务的独立产品 ——“数据通” 所承载的数据工程能力，与面向企业软件侧服务的 “数字通” 所覆盖的软件工程交付流程体系，借助 AI 将能力和体系落地于 smardaten 2.0，最终形成了能够帮助企业实现端到端交付的软件开发 Agent 产品。
作者 | 皮爷
出品 | 产业家
今年 3 月，穆鸿很兴奋。
因为就在刚刚过去的几天里，DeepSeek 横空出世，其以独特的深度思考模型和开源模式瞬间火爆全球，人们开始真正相信“ AGI 的时代真的即将到来”。
早在今年之前，穆鸿和他创办的数睿数据就一直探索 AI 方向的落地，作为国内低无代码方向的领军企业，也更是常年深耕在大数据方向的团队，他们试图找到一个能真正在企业级场景落地的 AI 方式。
组织架构上的更早设置也更对应着这种决心。在数睿数据内部，负责未来产品预研的部门和体验部门被独立于研发部门存在，穆鸿对这些人的要求是“引领下一代产品的发展，而不单纯是为了满足当前客户需求”。
DeepSeek 给穆鸿和团队带来了巨大的灵感。“之前没有深度思考的方式，更多的方式是采用流程预设 / 搭建的形式一步步生成，不符合智能的定义。”穆鸿告诉我们，“但 DeepSeek 的深度思考模型可以解决这些问题。”
在他的推动下，一系列更新的研发动作在数睿数据内部被紧锣密鼓地推进。
从行业视角看，这种动作似乎并不算“快”。早在 AI 大模型浪潮疯狂涌动的过去几年里，不少市面上的低代码 / 无代码厂商就都推出了自己的 AI 产品，或聚焦在 Agent 层面，或将 AI 和低代码底层工程进行融合。
但和这种热烈相反衬却是另外一个事实，对企业而言，真正能达到可用、可直接上手的 AI 产品和组件并不多见，如果再将其置于真正的软件开发流程中进行适配，则符合条件的更是寥寥无几。
“其实去年年初我们就开发出了 Agent 平台，但没有发布，因为我们觉得技术不是最重要的，更重要的是场景和应用，是真正可控的端到端 Agent 产品。开发全流程恰恰是我们可控的，我们觉得应该首先把软件开发的 Agent 做好。”穆鸿告诉产业家。
这个回答对应的恰是数睿数据的最新动作。数睿数据近期正式发布 smardaten 2.0 版本，在这个升级的版本中，一系列 AI Agent 能力被放到最新的产品界面之上，基于 smardaten 2.0 产品，企业不仅可以快速生成软件应用，同时还可以在生成后方便的通过 Agent 修改应用。
“ AI 的企业级落地，不是一件容易的事，是一个系统性工程。”穆鸿告诉我们。
2025 年，在产业数智化持续迈进深水区的如今，在 AI 大模型价值备受期待的当下，穆鸿和数睿数据正在交出他们的答卷。
一
产业进化潮里：
看得见的新机会，
看得见的数字化“旧卡点”
在拆解数睿数据的这张答卷之前，一个更应该被率先提出的问题是：中国企业的产业数字化浪潮到底走到哪了？或者说，在 AI 大模型浪潮涌动的过去几年里，数智化的真实水温到到底是如何？
根据一份来自毕马威的《全球人工智能信任、态度与应用调查报告 ( 2025 ) 》显示，在过去的几年时间里，在中国有超过 90% 的头部企业将 AI 纳入核心战略，中小型企业的 AI 工具使用率在过去两年里也更是同比提升 31%。
数据背后铭创配资，对应的不少大型乃至中小企业的共同期待——即基于 AI 提高企业的数字化水平。但市面上的 AI 真的可以达到这种效果吗？
根据不完全统计，在所有落地 AI 的企业中，仅有 35% 的 AI 项目可以做到规模化应用，大部分企业仍然处于试点状态，其中的问题几乎遍布软件开发的方方面面，比如不具备足够的数据土壤，比如从需求到产品设计的链路不够明晰等等。
这也正是在过去多年里软件开发定制过程中存在的一系列问题。不论是从前期的需求调研、方案设计，还是中间过程的具体开发、测试，以及后期的运维，对企业而言，这其中有太多的“漏水口”。
“我们最开始使用 Agent 其实是打算用 AI 解决这些问题，包括也找了一些低代码 / 无代码厂商来重新做适配，但结果都不算太好。”一位央国企数字化负责人告诉产业家。
这恰是当下的真实水温。即在过去的几年时间里，在一众 AI 服务转型中，低代码 / 无代码赛道被不少人关注，其背后的原因恰是不少企业试图基于“低代码 +AI ”的方式进一步降低自身的软件构建难度。
但事实是，从市面上的“低代码 +AI ”产品来看，很少有企业进行如此相对重的 AI 转型——即将 AI 完全嵌入到低代码 / 无代码的开发逻辑，其不仅仅是简单的问答助手，更要做到真正的交互操作 Agent。
“不少低代码企业目前发布的产品更多聚焦在 AI 实现阶段，比如简单的应用框架和页面，不支持复杂页面、复杂图表等生成，这个跟很多平台本身就不能开发复杂应用，也不支持各种定制功能是有关系的。”穆鸿告诉我们。
难度不难预见。一个事实是，如果要将 AI 真正嵌入到整个低代码的开发流程中，服务商需要做到的不仅仅是对固有低代码组件模块的 AI 编排和调度，还需要基于不同成熟场景，如业务管理、决策分析等进行特定的深度思考，以通过多个 Agent 的协同完成复杂的任务。
同时，在这些之外，和之前软件和数据体系独立调用的模式不同的是，服务商若想实现真正的 AI 软件开发交付，则还更需要完成的一个关键环节是——做到“软件 + 数据”的集中纳管，将数据模型和软件流程进行更深层的打通，最终基于 AI 进行统一调用和实现，数睿数据称作“数用一体化”。
这是一个足够精细化、足够产业化，以及足够长期的系统性工程。
二
一张“软件工程 + 数据工程”的 AI 答卷
故事回到今年年初，在团队被迅速拉齐之后，穆鸿和团队开始思考的一个也恰是前文他提到的关键命题——“该如何打造端到端的 Agent 产品？”
基于这个命题，穆鸿为团队设立了更精细化的指标。“我们最开始提出的就是‘把应用软件交付效率再提升五倍’。”
这其中的难点在于，数睿数据团队不仅要基于技术层面完成一系列诸如数据清洗标注、知识库构建、深度思考相关的提示工程等 Agent 训练和构建环节，更需要团队对软件交付的不同环节以及其在各种特殊场景下的流程有足够清晰的梳理。
不过，这恰恰是数睿数据多年沉淀的核心优势所在。依托 smardaten 平台的深度实践，数睿数据早已完成了对软件交付全流程的拆解与场景化沉淀——从需求调研到开发部署的每个环节，从通用场景到行业特殊流程的规则梳理，这些经验已转化为平台内置的标准化流程框架与场景化知识库，恰好为 Agent 对软件交付环节的“深度理解”提供了底层支撑。
与此同时，此前打造的数字通与数据通两大解决方案，更形成了强力互补：数字通通过构建标准化开发链路，为 Agent 提供了清晰的流程导航；而数据通在数据治理与体系搭建上的积累，则为 Agent 训练所需的高质量数据标注、场景化数据建模等技术环节，奠定了扎实的数据基础。这种“流程经验 + 数据能力”的双重积淀，让数睿数据在突破 Agent 产品的落地难点时，具备了天然的先发优势。
在这三款产品的叠加配合下，一个公开的数据是，数睿数据如今服务大型企业数量超过 500 个，积累了超过 1500 多个组件以及 15 万个配置项。
也可以理解为，这些从原子化平台组件到数据体系理解，再到交付流程的软件开发全生命周期产业 know-how，也恰是穆鸿要构建端到端的软件交付 Agent 产品的底气。
“我们最开始一共梳理了 104 个主要影响交付效率的问题，最后挑选出 10 个最重要的问题，集中细化场景，并且用 AI 来解决这些问题。”穆鸿表示。
攻坚还在数据侧。穆鸿告诉我们，为了保证到端的软件交付 Agent 产品的效果，数睿数据团队对过去近十年的物料进行了重新梳理，交付团队、市场部和研发部门把物料转换为 AI 更易理解的 Markdown 文本，重新进行标注，打造新的知识库底层。
这些工作汇聚到一起，也恰构成了如今被放到台前的 smardaten 2.0。在这个升级的版本中，AI 被放到最重要的位置。
铭创配资
具体来看，smardaten 2.0 AI 能力的两个着力点恰是软件工程和数据工程的智能化。其中，在软件交付环节，企业开发者可以通过自然语言交互进行对应的如智慧园区、工业制造等场景的软件设计，从软件的数据模型设计、架构设计到界面设计等以及对应具体组件的调整优化，和后续的可视化分析、数据大屏生成等等，都可以通过和智能生成助手的对话进行操作，极大提高工作效率。
而数据工程的智能化则面向的是业内部的数据工程体系。即基于 smardaten 2.0 的相关 data agent 能力，企业可以对自身的数据体系进行智能优化，从数据清洗到数据标注、数据模型构建到分析报告生成等，帮助企业搭建出适合 AI 发挥最大价值的数据土壤。
这对应的也恰是穆鸿和团队的另一个观察。即伴随着今年 DeepSeek 的爆火，尽管不少企业，包括央国企都对 AI 落地表示了明确的意向，但在落地过程中仍然卡点众多，其中出现最多的问题恰是数据支撑体系不完善。
在穆鸿看来，如果说之前 smardaten 更多角色是软件开发底座，企业可以基于其平台上丰富的低代码 / 无代码组件进行个性化软件的开发定制，那么在如今的 smardaten2.0 上，除了固有的软件侧 AI 升级之外，数据或者说知识积累则更是未来产品竞争力发展的重中之重，smardaten2.0 成为 AI 应用的底座。
数睿数据的做法恰是，其将原本面向企业数据侧服务的独立产品——“数据通”所承载的数据工程能力，与面向企业软件侧服务的“数字通”所覆盖的软件工程交付流程体系，借助 AI 将能力和体系落地于 smardaten 2.0，最终形成了能够帮助企业实现端到端交付的软件开发 Agent 产品。
实际上，这些组件在以模块化的方式呈现在产品界面的同时，它更已经完全嵌入到整个端到端的 smardaten 2.0 软件 AI 开发流程中，不论是从软件开发需求、流程调整、具体模块（组件）定义、应用框架，还是后端的大屏生成、可视化等等，企业都可以基于 AI 直接上手使用。
穆鸿还告诉我们，在 smardaten2.0 的端到端的 Agent 能力之外，其还为企业提供了 Agent 搭建平台，企业还可以根据自身需要自定义 AI 能力，基于平台上的不同组件结合自身企业场景和需求构建自身专属的 Agent 产品。
“我们现在的销售通、研发通、服务通以及其他十几个内部应用，都是 smardaten2.0 开发出来的，我们自己有完整数据链路，也有对应的场景化数据，我们正在通过 Agent 全面改造和赋能这些应用以全面提升公司效率和效能。我们自己先行先试有助于我们为客户提供更好、更落地的产品。”
三
产业数智化深水区，
企业的 AI 底座应该是怎样的？
如果说 2025 年最核心的主题是什么，那么 AI 必然是首选的选项；而如果把这个选项进行更细致一层的拆解，那 AI 落地则是当之无愧的核心主题。
这个主题背后对应的不单纯是人们对于 AI 技术如何进行价值表达的更细节关注，更本质则是在企业数字化进入深水区的当下，企业应该基于怎样的 AI 能力和底座打破数字化转型的掣肘难点。
据了解，如今 smardaten2.0 已经在数睿数据内部全面落地，在软件开发的各个环节都交出不错的成绩单，比如在需求调研阶段，基于智能助手，可以做到软件原型绘制效率提升 80%，单个中等复杂度功能模块的需求确认周期从平均 3 天大幅压缩至仅需 4 小时。
再比如在方案设计阶段，系统设计工程师通过 AI 检索知识库，获取成熟业务设计方案，结合项目业务场景微调后即可交付终稿，总体设计工作量减少超过 60%。
“我们自己会先把产品用起来，在内部基于更清晰的数据闭环基于 smardaten 2.0 搭建各个环节的产品，自己测试好才能真正开放给企业客户。”穆鸿表示，“包括后续我们会陆续开放给一些客户试用，在真正确保效果不错后再为企业客户提供正式版本。”
从 AI 落地和数字化转型的视角来看，smardaten2.0 为企业提供的恰是一个更偏底层的 AI 基座能力，基于这个基座，企业可以更快速、更高效、更智能地推进软件开发流程，在不同的场景结合自身积累的特定知识库进行专项适配的 AI 数字化转型。
穆鸿还告诉我们，在 AI 的产品能力之外，其实企业还应该进行的是组织层面的转型，“比如基于 smardaten 2.0 的软件开发和之前的软件开发流程不再一样，各部门之间的关系和协作方式也不再相同。”如今，这些变化也更在数睿数据内部被逐步推进。
当下，一个共识是，伴随着企业如今迈入数字化转型的深水区，其需要的恰是一个 AI 时代的新底座。这个新底座不仅要具备固有类似无代码 / 低代码等的低门槛开发能力，同时还应该具备数据智能、交付智能等一系列 AI 能力，让企业可以做到以最小的门槛、最高的性价比进行各个环节的 AI 应用搭建，基于 AI 进一步解决固有的数字化卡点、难点，提高企业的业务竞争力。
这也恰是数睿数据正在做的事情。据了解，一个内部的时间表是，伴随着如今 smardaten2.0 发布，2.0 将会成为未来 2 年数睿数据的主力研发版本，同时基于“交付一代、研发一代和预研一代”的原则，重 Agentic Agent 能力的 3.0 版本也更在研发路上。
从实际问题出发，从“技术 + 产业“的视角拆解 AI 模型，从自行验证到产业赋能加持，这恰是穆鸿和数睿数据在过去几年探索出来的真实 AI 生产力路径。
“有人把 Agent 作为新的企业服务范式，我相信真正大规模落地企业服务领域的 Agent 其开发形式一定是无代码化的。而我们的目标一直没有变化，就是要做到‘让人人都能开发 Agent ’。”穆鸿说道。
最新视频号内容推荐
产业 AI 大模型
产业数字化
数字化大势下，科创板 IPO 的“紧箍咒”》
透视京东，和隐藏起来的 200 个上升密码》
云上管车背后：透视数字化时代的企业内功》
透视云测试：技术、产业、降本增效下的数字化之战》
产业 SaaS
《2021 年 SaaS 行业八大趋势 | 盘点》
美团阿里鏖战，餐饮 SaaS 无「终局」》
产业供应链
产业互联网时代，谁在重写供应链？》
牵手国资背后，再看苏宁的零售产业边界》
产业硬科技
《云从「敲门」科创板》
《物联网，一场上云的巨型战役》
《华为：用鸿蒙 HarmonyOS2.0 讲的新故事》
《国产芯片战场：掣肘、决心和看得见的未来十年》
往期回顾
产业家网全新上线
欢迎爆料 铭创配资
N配资提示：文章来自网络，不代表本站观点。
