2025 年春節，可能是中國有史以來科技味最濃的一個春節。DeepSeek 引發科技海嘯，成為全球探討最多的話題，其出現的意義似乎超越了 AI 本身，成為發展中國家后發制人的信心載體。DeepSeek 像一把祛魅之劍，斬出了一條中國特色的低算力、高智商、低成本的人工智能之路。

2025 年春節，可能是中國有史以來科技味最濃的一個春節。DeepSeek 引發科技海嘯，成為全球探討最多的話題，其出現的意義似乎超越了 AI 本身，成為發展中國家后發制人的信心載體。DeepSeek 像一把祛魅之劍，斬出了一條中國特色的低算力、高智商、低成本的人工智能之路。

幾乎同時，2025 年 2 月 19 日，國家數據局在北京召開高質量數據集建設工作啟動會。會議深入學習貫徹習近平總書記關于發展數字經濟的重要論述精神，貫徹落實黨的二十大和二十屆二中、三中全會精神，積極推進落實“人工智能 +”行動，推動高質量數據集建設，高效賦能行業發展。

2025 年 5 月 8 日，在美國華盛頓特區，OpenAI 首席執行官薩姆·奧爾特曼等人出席主題為“贏得人工智能競賽：加強美國的計算和創新能力”的聽證會。出席此次聽證會的高管分別是 OpenAI 首席執行官薩姆·奧爾特曼、超威首席執行官蘇姿豐、AI 初創公司 CoreWeave 聯合創始人兼首席執行官邁克爾·英特拉特，以及微軟副董事長兼總裁布拉德·史密斯。幾位高管在聽證會上警告稱，美國出口管制可能迫使其他國家轉向中國技術。蘇姿豐表示，“若無法讓全球采用我們的技術，其他替代方案必將出現。”邁克爾·英特拉特表示，“管制可能會在不經意間限制美國技術和專業知識出口的機會，產生不利影響。”布拉德·史密斯認為，美國要贏得人工智能競賽，就必須在人工智能技術棧的每個層面支持私營部門發展，同時與全球盟友和伙伴國家建立合作。薩姆·奧爾特曼還警告稱，在人工智能領域，美國現在仍處于領先地位，但對中國的領先優勢并沒有那么大。

與此同時，DeepSeek 一體機火遍中國大江南北，一場聲勢浩大的一體機發布潮席卷而來，華為、聯想等大廠爭相推出“一體機”，央國企“豪購”成為新常態，券商更是高呼“五千億藍海”在望。據不完全統計，目前已有近百家企業基于 DeepSeek 技術推出了一體機產品，這些產品覆蓋了政務、金融、醫療等多個領域。DeepSeek 在算力折疊術、數據瘦身法、生態捆綁殺這樣的成本碾壓三連招下，成為大模型領域的“價格屠夫”，以低成本、高推理性能、全棧國產化適配，解決了企業“數據不出域、模型私有化”的核心痛點，使得 AI 的應用場景得到了前所未有的拓展。

2025 年 5 月，美國眾議院通過的《HR1》法案規定，自本法案生效之日起十年內，任何州或地方政府不得實施、執行關于人工智能模型、人工智能系統或自動化決策系統的任何法律或規定。也就是說，美國將在 AI 領域史無前例地放開法律管制。這場監管與自由的博弈，究竟是 AI 的黃金時代，還是潘多拉魔盒的開啟？

我國當前整個 AI 發展重心已經由基礎大模型向智能體演進。人工智能通用大模型市場格局已基本穩定，企業普遍希望能夠將大模型落地到實際生產中，以產生更大價值，而智能體被認為是當下大模型應用與落地的重要方式。2025 年，智能體聚焦商業化場景，并且在垂直行業領域加速滲透，如金融領域出現智能風控體、智能投研助手，制造領域推出工業大腦、預測性維護系統等，法律領域出現問答智能體，智能體或大模型正從“輔助工具”躍升至“核心生產力”。

人工智能 1.0 是千模大戰，各大巨頭爭奪人工智能的基礎設施底層建筑；進入人工智能 2.0 時代，各類面向商業應用場景的智能體應用百花齊放，大家比拼的是業務價值的釋放，甚至出現了不好用不收錢的“按結果付費”的新型商業模式，成為人工智能 2.0 時代的“新卷王”。

有價值的技術進步必然以推動生產力進步為標志，反之，不能推動生產力進步的技術是沒有價值的。這場 AI 技術帶來的狂歡，最終將落實到扎扎實實的業務場景當中。各類大模型的確讓 AI 更聰明了，但在企業落地層面，模型之間的差異正在迅速縮小。真正拉開差距的，是企業是否擁有能夠與大模型深度結合的高質量私有數據——AI 只有讀懂企業自己的數據，才能發揮真正的業務價值。

人工智能 2.0 時代，數據治理工作不僅沒有過時，反而更加凸顯基礎性、核心性的作用。數據是生成式人工智能發展的基礎，是決定生成式人工智能的能力和價值觀的核心要素，為塑造企業新時代的競爭優勢提供了新機遇。

為了保障數據治理機制落地，數據治理過程中使用了各種工具和技術手段。目前，數據治理還存在若干問題。一方面，工具功能不足。當前數據治理工具的功能未能與時俱進，版本迭代緩慢，彼此相對獨立，難以應對數據快速增長的復雜局面，不能保證數據收集、存儲、處理、共享環節的高效運行，削弱了數據治理機制塑造和落地實踐的可能性。另一方面，工具使用能力不足。工具使用者依舊采用傳統方式或者傳統工具進行數據治理，對新治理工具缺乏了解與認知，缺乏使用和優化數據治理工具的技能。

人工智能 2.0 時代，企業高質量數據語料的匱乏與需求日益增長的低成本算力之間的矛盾成為制約企業人工智能應用價值釋放的最主要矛盾。我們要清醒地看到，國內 80% 的企業數據治理工作仍未有效開展，盲目地、一窩蜂地上大模型一體機走跨越式發展的道路是行不通的。

企業的大量非結構化數據未經數據治理是“有毒”的，未經過萃取、提純、消毒而直接“投喂”給大模型，將把大模型訓練成像東邪西毒一樣走火入魔。古老的 GIGO（Garbage In, Garbage Out）法則在人工智能時代仍然有效。大模型的幻覺現象本質上是搜索匹配算法失敗后的隨機數填充。也就是說，缺乏海量高質量的數據語料訓練必然導致大模型一本正經地胡說八道。

人工智能 2.0 時代，數據治理將成為企業競爭的基礎性能力。筆者大膽預言，人工智能應用的未來最終比拼的既不是大模型的底座能力，也不是各類智能體的開發能力，而是企業對自身數據的知識提煉、治理、應用的水平。誰能夠扎扎實實做好本企業的知識管理和數據治理，尤其是面向人工智能大模型語料“投喂”的各種高質量數據集的開發和應用，誰就能贏得最終的競爭勝利。