一场DAMA峰会，三项行业认可：数语科技交出“数据+AI”新答卷
当人工智能与数据管理加速融合，一场围绕“Data for AI + AI for Data”的行业对话，正在杭州展开。2026年9月23日至24日，作为全球数字贸易博览会的重要组成部分，2026全球数据管理峰会在杭州隆重召开。数语科技受邀出席，全面展示了其在数据治理与人工智能融合领域的创新实践与领先成果。峰会主论坛上，数语科技创始人&CEO 王琤先生发表了题为 《数据治理赋能企业级AI 》 的主题分享，围绕企业级AI有效性、本体模型与数据治理三大核心议题，与现场嘉宾展开深入交流。他指出，当前企业级AI正处在一个“能力过剩、信任不足”的阶段。模型越来越聪明，但在真实业务中却始终难以真正“上场”——能问不能动，能答不稳定，能用不可信。其关键在于：AI缺的不是智能，而是对业务世界的认知结构。在他看来，企业级AI要从“能用”走向“可信”，必须完成一次底层跃迁：从数据驱动，走向语义驱动；从检索生成，走向本体推理；从回答问题，走向参与决策。 而支撑这一跃迁的，正是数据治理与本体模型的深度融合——数据治理构建可信的“事实”，本体模型构建统一的“事理”，二者合一，AI才真正具备理解业务、参与闭环、驱动行动的能力。这不仅是技术路径的选择，更是企业智能化范式的重构。正是基于这一判断，数语科技构建了覆盖“事实层—事理层—智能体”的完整解决方案：以DIG智能数据治理平台实现对话即治理、智能体调度与7×24小时主动治理的闭环；以DOM本体智能业务平台统一业务语义、支撑智能推理与AI Agent协同；以Dora智能数据建模平台完成从ER模型到本体模型的语义升维。三者一体，让数据治理不再是AI的前置成本，而是AI可信运行的底座。最后他强调：“数据平台解决‘数据是什么’，本体系统解决‘业务是什么意思、为什么、怎么做’；两者一体，驱动企业从数据治理走向业务智能。” 这一判断，也为现场观众理解“Data for AI + AI for Data”的融合路径，提供了一个清晰而有力的框架。演讲结束，展台“接棒”。数语科技展台人气持续高涨，众多与会嘉宾在深入了解数语科技Data+AI的解决方案能力与落地案例后，与数语团队展开了热烈而务实的交流。从产品到场景，从技术到价值，讨论的焦点始终围绕一个问题：数据治理如何真正支撑企业级AI可信落地。峰会期间，2026全球数据管理峰会案例发布与颁奖典礼隆重举行。数语科技自研的Datablau智能数据治理平台DIG荣获 “数据治理推荐产品” ；与此同时，基于Datablau平台落地数据治理的中泰证券、中国人保等多家企业荣获“数据治理创新实践案例”；数语科技产品总监冷鹏被授予 “数据治理特聘专家” 称号。从产品到实践，从平台到人才，数语科技在本次峰会上收获的不仅是个体荣誉，更是行业对其“AI原生数据治理”路线的一次系统性肯定。此外，数语科技正式入选 FDE共同体首批成员。FDE正成为AI时代最受关注的新兴角色。不同于传统工程师，FDE需要深入业务现场，兼具技术、数据、AI、业务理解与沟通交付能力，核心价值在于解决AI落地的“最后一公里”问题。此次入选FDE共同体首批成员，不仅是对其在数据治理与AI融合领域持续探索的认可，也意味着数语科技将携手更多行业伙伴，共同推动数据治理与AI落地能力的复合型人才培养，为“Data for AI + AI for Data”从理念走向产业实践，注入更坚实的人才支撑。2026DAMA峰会虽已落幕，但数据治理与AI深度融合的大幕才刚刚拉开。数语科技将继续携手行业伙伴，夯实数据的“事实”，构建业务的“事理”，让AI不仅聪明，而且可信——这，才是数智时代真正的分水岭。
查看详情
数语科技凭“本体智能平台”脱颖而出：AI设备运维有了可信答案
“故障定位效率提升60%以上，非计划停机时间降低20%—40%，故障平均修复时间缩短30%—50%——数语科技DOM本体智能平台，正在把工业设备运维从“人找故障”推向“故障自解”的智能运维新阶段。”9月22日，以“海纳智能，应用领航”为主题的2026第二届上海AI应用生态大会在上海举办。大会正式发布了2026《人工智能应用优秀案例集》，数语科技凭借“通过本体系统实现设备智能运维”案例，从上百家申报企业中脱颖而出，荣获「人工智能应用优秀案例」，并成功入选这一权威案例集。在流程型制造、高端离散制造及公用事业等重资产行业中，设备运维长期面临高度依赖“老师傅”经验、知识传承断层、海量非结构化文档检索低效，以及被动式与预防性维护导致非计划停机损失大等痛点；同时，现有EAM、MES等数字化系统多停留在流程线上化和数据记录层面，缺乏因果推理与智能决策能力，通用大模型又存在“幻觉”风险，行业亟需将垂类大模型与工业本体、故障知识图谱深度融合，实现可信、可解释的智能运维。针对上述痛点，数语科技以“本体（Ontology）+大模型（LLM）+智能体（Agent）”为核心逻辑，构建了自下而上涵盖数据层、语义层（本体层）、智能层和应用层的技术架构，通过ER-Ontology桥接、GraphRAG、AI原生建模和显性知识路径等创新技术，实现从数据到决策的闭环。实施上遵循“场景定义—本体建模—数据映射—应用迭代”四阶段敏捷路径，已在故障诊断与根因分析、预测性维护等场景落地，可实现故障定位效率提升60%以上、非计划停机时间降低20%—40%、故障平均修复时间缩短30%—50%，并支持跨行业、跨区域的模块化复制与规模化推广。此次入选的“本体系统设备智能运维”案例，并非孤立的产品尝试，而是数语科技“Data for AI”与“AI for Data”双轮驱动战略在工业场景的纵深落地。它也为工业设备运维的智能化转型提供了一个可参照的样本：在AI真正理解设备之前，先让本体教会它设备的“语言”。
查看详情
Datablau DIG超级智能体亮相服贸会，数据治理迈入“智能体自驱动”新阶段
9月12日, 「未来已来——Datablau DIG数据治理超级智能体发布会」在2026年中国国际服务贸易交易会成果发布活动上举行。数语科技携数据治理超级智能体DIG亮相，创始人兼CEO王琤先生以“AI驱动的数据智能治理”为主题，展示数语科技在数据治理智能体领域的创新成果，并分享DIG超级智能体的核心能力与产业应用。据悉，本届服贸会成果发布现场汇聚世界500强企业、知名跨国公司、高新技术企业及机构等103家发布主体，围绕人工智能、金融科技、数智医疗等前沿赛道，集中发布233项创新成果，成为“中国服务”领跑势头的集中展示窗口。直面行业痛点：传统数据治理的“三个不”在发布会现场，王琤直指传统数据治理的深层困境。他表示，数据治理并非新概念，但行业多年来始终未能绕过三个核心难题：不规模化、不持续、不智能。人力成本与数据规模线性增长，无法实现边际递减，一个几十万字段的系统补全中文名称，一两个人根本忙不过来；项目结束即治理停滞，缺乏长效运营机制，人员变动导致治理成果断层，知识无法沉淀；靠人工、靠规则，只能识别显式格式，无法理解隐式语义，更无法推理数据间的隐含关系与业务上下文。“传统治理无法自适应业务变化，而AI正是补‘智能’这块短板的关键。”王琤表示。与此同时，企业落地大模型同样面临六大挑战：幻觉问题、知识过期、安全性、对话长度限制、可解释性差、灵活性不足。这些挑战的共性指向同一个根源——企业私域LLM的最大挑战是数据治理。没有统一可信的数据上下文，AI智能体再强大也爱莫能助。DIG是什么：一个会自己干活的“数据治理专家”数据科技将DIG定义为主动数据治理超级智能体。与以往给治理平台“打AI补丁”不同，DIG从底层重新设计了治理的运作逻辑。王琤在发布时强调：“数据治理的终局，不是一套软件，而是一个持续运行的智能体。”DIG的核心突破在于从“你管它”变成“它帮你管”。在架构层面，DIG构建了五层体系：数据源层、数据治理底座、治理技能Skill Engine、智能体Agent层、治理入口ChatUI。在此基础上，DIG形成了六大子智能体矩阵——元数据智能体、数据标准智能体、数据资产智能体、数据资产运营智能体、数据安全分类分级智能体、数据质量智能体，覆盖从元数据补全、标准生成、资产盘点、质量检核到安全分类分级的完整治理链路。四大核心能力：从“你管它”到“它帮你管”DIG的四大差异化能力：对话即治理，彻底消除复杂菜单壁垒。 传统治理依赖多级菜单与分散功能入口，用户需反复跳转、层层点击。DIG以自然语言交互为核心入口，用户只需说出治理意图，系统自动理解并执行。系统根据对话上下文，动态、实时地组装出最契合当前任务的交互界面。一体化调度，能力无缝协同。 元数据、数据标准、质量规则、安全分级等原本分散在不同角色手中的治理能力，由DIG底层自动调度。一个跨模块的治理需求，一次对话即可完成闭环。背后是100+模块化治理执行的技能单元，引导智能体进行可靠可信的推理。7×24小时主动巡检。 DIG以长驻留智能体形态不间断运行，夜间自动执行质量巡检、模型比对、标准校验等任务，发现接口空值率骤升、核心报表调度延迟、上游变更导致血缘断裂等问题，分钟级生成预警和处置建议，将风险发现从“事后灭火”提前到“事前预警”。人机协同进化。 所有AI执行动作均生成清晰的执行理由和审批页面，人工可随时修改、通过或拒绝。数据管家仅在关键节点进行价值判断与最终审批，形成“Agent自动监控海量资产→智能发现异常并生成治理任务→执行治理任务生成治理草稿→数据管家参与评审草稿→平台落地执行治理结果→效果反馈闭环与Skill持续进化”的完整闭环。每一次人工决策都会沉淀为知识反哺智能体，治理经验不再因人员轮岗而流失。实战验证：从“人月”到“分钟”的效率跃迁DIG并非概念产品，其在核心治理场景中已展现出可量化的效率提升。在自动元数据补齐方面，一家老客户试点中，DIG在2天内完成了过去需要三个人月才能干完的元数据补全工作，业务标签一致性和可用性反而更高。在自动数据分级分类场景下，DIG凭借语义识别能力，可直接读懂字段中存放的身份证号、手机号、银行卡号，自动完成分类分级并给出定级依据。在数据影响分析中，修改一个上游字段类型的瞬间即可列出所有受影响的下游报表、接口、ETL任务，原本需要架构师画半天图的工作，现在几十秒完成且不会遗漏。王琤用六项量化指标展示了DIG的投资回报：落标率从现状90%；标准量从现状2000提升到50000+；元数据完成度从现状60%提升到100%；数据资产生成时从数月缩短到T+0.1；监管数据质量通过前置检查实现标准统一、质量可控；数据分类分级失效从数月缩短到T+0.1。从治理空间到可信上下文：让数据成为AI的可靠底座同时，发布会上还提出了“数据治理工作空间”概念。针对数据分散、孤岛严重、治理链路长成本高、AI应用需要可信上下文、从项目型治理走向持续运营等痛点，通过“自然语言创建例程→智能体自动执行→治理结果沉淀复用→质量评估持续优化”的闭环，构建企业上下文知识图谱，最终以Space Agent智能体服务和MCP服务标准化接口两种方式，为问数助手、解释分析、影响分析、治理建议等AI应用提供可理解、可追溯、可审计的可信上下文。从“人工写规则”到“智能体自驱动”，从“项目制治理”到“持续运营”，数语科技DIG在服贸会成果发布现场的亮相，为行业提供了一个从“人治”走向“智治”的可行路径。作为本届服贸会233项创新成果之一，DIG的发布也呼应了“中国服务”向数字化、智能化、专业化升级的大趋势。随着大模型应用进入深水区，数据治理的智能化水平将直接决定企业AI落地的成败。让治理主动起来，让数据成为AI可信上下文——这不仅是DIG的产品逻辑，更是数语科技对“AI时代数据治理往何处去”给出的回答。
查看详情
跨越山海，共话数智未来：巴西ITAU银行到访模速空间与数语科技深度交流
炎炎夏日挡不住国际金融巨头对中国科技创新的热情。2026年8月12日下午，拉丁美洲最大的金融机构之一的巴西ITAU银行高层代表团专程到访位于上海徐汇滨江的“模速空间”创新生态社区，与国内Data+AI领域的领军企业数语科技进行了一场干货满满的深度交流。聚焦数语科技：夯实数据基座，释放AI潜能交流会上，数语科技向远道而来的客人展示了其在数据管理领域的前沿实践。基于AI大模型技术打造的智能化数据治理平台，实现了从数据模型、标准、安全管理到高质量数据资产形成的全链路智能化数据管理，让海量、杂乱的数据真正变为可信、可用、可追溯的核心资产。数据基座是AI应用的“地基” ——没有高质量、高一致性的数据根基，上层AI便如同空中楼阁，再强大的模型也无法发挥真正价值。只有数据“管得住、理得清、用得顺”，AI才能“算得准、答得对、信得过”。这一理念引发了ITAU银行代表团的高度共鸣。四大维度共鸣：共话金融数字化转型深水区作为一家拥有超9.5万名员工、服务数千万客户的国际系统重要性银行，ITAU银行近年来正全力推进云迁移与AI转型，全行拥有超过3200名机器学习用户。在交流中，双方在以下几个维度碰撞出了合作火花：合规与安全隐私：探讨如何对标国际标准，利用自动化工具筑牢数据安全的“防火墙”；风险管理：交流如何通过数据血缘与全链路监控，让金融风险“看得清、管得住”；客户营销：分享如何以高质量数据治理为基础，在安全合规的框架下赋能超个性化客户服务，实现精准营销与用户体验的双提升。走向世界：中国创新力量扬帆出海此次巴西ITAU银行的专程到访，既是对数语科技技术实力的认可，也是国际金融巨头对中国金融科技整体创新实力与成熟解决方案的高度信任。在全球金融行业全面拥抱AI的浪潮下，源自中国的数据治理实践与智能化工具，正逐步展现出强大的国际竞争力。从“模速空间”走向世界舞台，数语科技此次与国际顶尖银行的深度对话，生动诠释了中国科技企业在数字经济时代从“跟跑”到“并跑”甚至“领跑”的坚实步伐。未来，我们将继续以技术创新为驱动，助力全球金融机构构建安全、合规、智能的数据底座，让世界见证中国数智力量的无限可能。我们期待，以此次交流为契机，中国与拉美在金融科技领域的合作能够结出更多硕果！
查看详情
开启智能时代：新书《数据治理之道：构筑AI时代的基石》重磅发布
在这个言必称AI的时代，为什么大多数企业的智能化转型依然举步维艰？我们正站在一场由人工智能驱动的巨大变革起点。算法在进化，算力在飙升，但无数企业在投入重金后却发现：喂给AI的“食材”（数据）往往是腐烂、过期或混杂的。 无论菜谱（算法）多么精湛，灶火（算力）多么猛烈，没有新鲜、优质的核心食材，最终呈上的绝无可能是美味佳肴，反而可能是充满偏见、引发合规风险的“毒药”。这正是《数据治理之道：构筑AI时代的基石》一书诞生的初衷。 本书并非空谈理论的学术著作，而是一套面向未来、为智能应用赋能的“道”与“术”相结合的实战体系。它旨在帮助企业跳出传统数据治理的樊笼，以终为始，直接面向AI应用的核心诉求，构筑坚实、平滑、承重能力极强的“智能基础”。核心洞见：为AI“专项治理”，而非全面铺开面对企业复杂的数据环境，试图“一口吃成胖子”往往会导致失败。《数据治理之道》创造性地提出了 “专项治理” 框架。本书指出，企业应围绕AI落地最依赖的数据核心要素，开展有针对性的攻坚战：可发现性（元数据）一致性（标准）可信度（质量）可追溯性（血缘）安全性每完成一个专项，就如同为AI大厦加固了一个关键承重节点。这种打法让数据治理从耗时耗力的“基建工程”变成了可以分步交付、快速见效的“攻坚战役”。三大收获助您决胜智能时代无论您是AI时代的数据管理者、企业决策者，还是数据治理的一线从业者，本书都将为您带来切实的帮助：清晰的认知升级：深刻理解为何“Data for AI”是成功的先决条件，厘清数据战略与AI战略的捆绑关系。成熟的体系与方法：掌握一套将数据治理与AI战略紧密结合的框架，学会如何制定贴合业务场景的治理路径。实用的专项工具：获得从元数据管理、数据标准制定、质量监控到数据入湖的落地实践指南，并了解如何利用AI技术反向赋能治理工作（AI for Data），实现自动化和智能化。内容抢“鲜”看基础知识篇：重新定义AI时代数据治理的战略意义，描绘全新的治理蓝图。专项攻坚篇：深入剖析元数据、标准、质量、安全、血缘等十一大关键领域，每一章均融入AI视角。实战案例篇：通过制造业不良件追溯、金融智能风控等真实场景，展示高质量数据如何直接驱动预测性维护、自动化风险识别，实现业务价值倍增通往AI的旅程已经开启，而这条道路正是由高质量的数据铺就的。如果您渴望告别“数据沼泽”，避免AI模型“水土不服”，让数据真正成为企业的核心竞争力，那么《数据治理之道：构筑AI时代的基石》将是您团队不可或缺的案头手册。
查看详情
北京站招募｜企业本体实战加速营即将开营！
理论看了不少，，却不知道本体到底该怎么落地?领导一直在问:""本体到底能解决什么业务问题?AI 为什么需要本体?做了知识图谱、语义模型，却始终跑不通真实业务场景?缺少专家指导，不知道如何迈出企业本体建设的第一步?3 天，让你的企业本体真正跑起来。Ontology Bootcamp 是一场为期3天的企业本体实战加速营，不讲概念，不做演示，只解决一个问题:让你的企业本体真正落地。
查看详情
出海｜Datablau亮相WEB SUMMIT Rio，输出AI基础设施中国方案
里约热内卢，2026年6月——6月8日至11日，全球科技盛会Web Summit Rio在里约Riocentro盛大开幕，汇聚了来自全球3,000多位顶尖创始人、投资人与AI产业力量。Datablau作为AI基础建设领域的先行者，携最新AI原生数据治理产品受邀亮相本次峰会。凭借服务超60家财富全球500强公司，以及在金融、制造、能源等十余个行业的300余家国内外大型企业的深厚积累，Datablau正为企业构建从数据到AI的可信基础设施，致力于成为连接亚洲与拉丁美洲AI发展的重要桥梁。作为Web Summit Rio期间最受关注的边会之一，GO SUMMIT Rio：Transforme Ideias em Produtos 由AGI Villa（中国最大AI初创社区）与字节跳动旗下AI编程IDE——TRAE联合主办，并获巴西软件协会（ABES）全力支持，旨在打通亚洲与拉丁美洲的AI科技生态。创始人兼CEO王琤先生受邀出席Go SUMMIT Rio并发表《Data governance - AI fundamental》主题演讲，并与来自拉丁美洲的AI创业者、投资人及技术领袖深入交流，现场展示的AI原生的数据治理产品引发与会嘉宾与媒体的高度关注。王琤先生在演讲中表示，企业私有化大模型的最大挑战在于数据治理——LLM幻觉、知识过时、上下文缺失等问题的根源均是数据基础薄弱。过去18个月，许多企业盲目要求“用AI”，却缺乏策略与权责分工，导致价值难见。他指出，通过本体模型（Ontology）为AI提供完整数据上下文，可将问答准确率从76%提升至95%以上。同时，Datablau智能数据治理平台以AI Agent实现元数据补全、业务术语自动创建、数据分类与血缘链路追踪，形成“Data Governance for AI”与“Data Governance by AI”双轮驱动，让AI真正成为企业可信赖的副驾驶。此次Web Summit Rio之行，不仅展示了Datablau在AI原生数据治理领域的前沿成果，也标志着中国企业正积极输出AI基础设施建设方案，深度参与全球AI生态共建。未来，Datablau将持续打磨“Data Governance for AI”与“Data Governance by AI”双轮驱动的产品体系，进一步深化与亚洲、拉丁美洲及全球市场的生态合作，助力更多企业构建可信、可进化、可落地的人工智能基础设施，为全球AI生态的繁荣贡献中国智慧与力量。
查看详情
未来已来，数语科技数据治理超级智能体来了
十年了，我们一直在做一件事：帮企业把数据管好。从最早给银行建模、搭建数据标准，到后来为制造、能源、运营商做全域数据治理，Datablau数语科技不知不觉已服务了国内超过60%的行业头部客户。说起来，我们在数据治理这个圈子里算得上一个“老兵”。但说实话，十年做下来，我们心里一直有个坎儿过不去。传统的数据治理太累了，累到我们自己都不好意思跟客户说“这是最先进的”。因为这活儿本质上就是在用人去对抗复杂度，而复杂度的增长是没有上限的。一、传统治理的三个“坎儿”，我们一个也没绕过去干过数据治理的人都清楚，这里面有三个迈不过去的坎儿。第一个坎：不规模化。人力的投入几乎线性增长，很难享受到边际成本递减的甜头。比如给一个几十万字段的应用系统补全中文名称、描述、打业务标签，一两个数据管理员根本忙不过来，加人吧，成本飙升；不加人吧，元数据清一色的全拼英文字段、光秃秃的表结构，无权属、无管家，打标更是“一千个人眼中有一千个哈姆雷特”，认知永远统一不了。曾经一家大行做数据资产盘点，靠几十人手工整理了三个月，结果业务部门一看，说“这标签打的我没法用”。那种挫败感，我们和客户一样深。第二个坎：不持续。数据治理常常被当成项目来搞，项目一验收，治理基本就停了。人员一旦变动，前任的经验和判断全部带走，治理成果出现断层，没过多久系统里的数据又是一团乱麻。我们见过太多这样的场景：验收时大屏上资产完好、质量得高分，一年后回访，发现新的报表又没人管了，标准也长荒了。这不是客户不努力，是机制没跟上。第三个坎：不智能。所有的检查和规则都是人预先写死的，系统只能识别显式的格式错误，比如“字段非空”“长度超限”，但根本看不懂隐式的语义。一张表里存着“月收入200000”，你知道它可能缺了个小数点，但规则引擎只觉得格式没问题。更别提主动告诉你“下周业务高峰期，这张表很可能出现超时风险”——传统治理从来都是被动响应，事后灭火。所以有时候我们内部也在自嘲：传统数据治理的本质，就是拿人肉堆，用人去对抗复杂度，结果注定失败。数据越多，治理越乱，人越累，效果越差。二、我们开始认真思考：能不能让机器自己治理数据2024年，大模型开始大量落地，我们发现机器终于能“读懂”语义了。这对数据治理的冲击是根本性的。我们敏锐地意识到，不能再给老平台打AI补丁，而是要重新审视治理的底层逻辑。于是那一年，数语科技开始全面拥抱AI，把大模型能力引入数据治理。 （图：Datablau AIC）2025年，我们基于MCP协议和自研RAG技术，推出了AIC智能数据治理服务。那是一个初步的尝试，可以用自然语言去探查数据、生成规则、问血缘，甚至做一些自动打标。客户的反响让我们确信，这条路走对了。但AIC还不够——它仍然更像一个能力增强的工具，你说一句，它动一下，依然缺少一种“主动性”。我们一直在琢磨，有没有可能让治理工作不再靠人驱动，而是变成一个会呼吸、会思考、会自己干活的系统？一个24小时在线的数字化治理专家。到了2026年的今天，数语科技觉得是时候交出这份答卷了。DIG （数据智能治理）主动数据治理超级智能体，正式发布。 （图：DIG技术架构）它不是一个加了AI对话的治理平台，而是一个能理解、能执行、能持续进化的超级系统。用一句话说就是：数据治理的终局，不是一套软件，而是一个持续运行的智能体。三、DIG超级智能体，从“你管它”变成“它帮你管”既然叫超级智能体，它跟传统平台有什么区别？我们用四个变化就能讲清楚。1. 对话即治理：菜单消失了以前做数据治理，你得在一层层的菜单里找功能入口，质量规则在哪里配，数据标准怎么落标，没培训过的业务人员根本找不到北。现在你只需要用自然语言说出意图，系统自动执行。 比如你直接对着DIG说：“帮我检查一下订单表最近一周的数据质量”“分析用户表变更会影响哪些下游报表”。DIG马上理解语义，调用元数据、质量、血缘等底层能力，把结果和行动建议推到你面前。这种体验，像在和一个资深的数据架构师对话，你不用关心它调了什么模块，菜单真的消失了。2. 一体化治理：一个大脑调度所有能力原来跨模块治理门槛极高，元数据、数据标准、质量、安全分级，这些事儿分散在不同角色手里，协同起来费时费力。DIG厉害的地方在于，它底层自动调度这些能力，你一次对话就能完成闭环。 设想你要把“客户信息表”按照金融数据标准落标。以前需要标准管理员、数据拥有者、开发人员反复对齐，最少折腾好几天。现在你告诉DIG，它自己去识别字段映射关系，批量生成标准落标任务，自动核标，生产出一批清晰的改动建议，一并交给人工审核。一个需求，一镜到底。3. 主动治理：夜班它来值传统治理的最痛点就是被动。问题不暴露、没人投诉，系统就当什么都没发生。而DIG是7×24小时长驻留运行的，白天随叫随到，晚上自动巡检。 它能趁着夜深人静，扫描全量数据资产，去发现那些悄然出现的质量问题：某个接口字段空值率突然从1%飙到20%，某张核心报表的调度延迟异常，上游业务系统表结构变更导致下游血缘断裂……这些问题一旦被DIG嗅探到，分钟级生成预警和处置建议，第二天一早数据管理员能看到完整的夜巡报告。风险从“事后发现”提前到了“事前感知”。4. 人机协同进化：越用越聪明很多人担心AI搞治理，会变成一个黑盒，错都不知道怎么错的。我们在设计DIG之初就定下一个原则：可解释、可干预、可进化。机器执行治理任务，所有动作都会生成清晰的执行理由和审批页面，人工可以随时修改、通过或拒绝。你的一次次决策，都会沉淀成知识，反哺给智能体。就算组织内负责治理的同事轮岗了，智能体里已经存下了大量的治理经验和判断逻辑，新人进来很快就上手。治理不再因为人的变动而“推倒重来”，人和机器在协同中共同进化。四、六大场景落地，超级智能体到底能做什么讲完理念，我们落到具体场景里看一看。DIG在六个核心数据治理场景上，已经打磨出了非常实用的能力。选几个大家感受最深的说说。 （图：DIG v1.0功能列表）自动元数据补齐。这是脏活累活的老大难。DIG可以智能补全中文名称、业务标签，甚至推荐数据管家。多张表的相互关联，它从字段名注释、样本数据、上下游关系里推测业务含义，给“cust_id”打上“客户唯一标识”，给“amt”打上“交易金额”，准确率非常高，人只需要抽查确认。在一家DAM老客户的试点中，2天完成了过去需要三个人月才能干完的元数据补全工作，业务标签一致性和可用性反而更好。自动数据分级分类。数据安全法之下，分级分类成了必答题。可过去全靠人手去逐字段定义“敏感”“内部”“公开”，大企业上千张表搞一年都不稀奇。DIG凭借语义识别，能直接读懂字段里存的可能是身份证号、手机号、银行卡号，自动完成分类分级标记，并且给出定级依据。少数拿不准的，会标上“待确认”推到人工二审。安全合规的效率直接翻了几倍。自动质量规则生成。DIG不是死板地套用模板，它会先对数据做探查，推断业务规则和技术规则。看到一个“订单金额”字段，会联想到大于0、不为空、波动范围可控等规则；看到“订单状态”枚举值只有“已支付”“已取消”，就帮你生成有效性规则。还能持续监测数据模式，如果某一天突然多出一个“Pending”状态，它会主动提示：“发现新枚举值，请确认是否合法。”数据影响分析。利用血缘图谱，DIG做到了自动化变更预警。有人想修改一个上游字段的类型，DIG瞬间就能列出下游所有受影响的报表、接口、ETL任务，甚至估算出影响等级。这原本需要一个架构师画半天图才能搞清楚的事，现在几十秒完成，且不会遗漏。这些都是可以直接兑现业务价值的刚需场景。而更关键的，是这一切都发生在一个透明、可控的流程里。五、一个真实闭环：从一句对话到一张审批单我们拿一个典型的治理任务跑一遍，你会更清楚DIG是如何工作的，绝对不是黑盒。假设某制造企业想完善“供应链域”的数据标准。数据管理员打开DIG对话窗口，用标准化的提示词输入：“请根据供应链行业数据标准，为所有与采购订单相关的表推荐标准映射，并补齐缺失的业务定义。”提示词本身就是精心设计过的，能最大限度降低AI幻觉。 （图：预置治理提示词）DIG理解意图后，结合当前的治理上下文，会允许管理员通过一个“魔法棒”按钮精准触发AI治理任务。接着自动运行：它检索元数据，发现“采购订单头表”“采购订单行表”等五张核心表，然后逐一将字段映射到标准项，例如把“PO_NUMBER”映射到“采购订单编号”，把“VENDOR_NAME”映射到“供应商名称”；同时发现部分字段缺少中文名称，自动补全建议。 （图：魔法棒激活治理任务窗口）这些执行结果很快被拼装成一张清晰的结构化审批单，推送到界面。每一项改动都有“AI建议理由”一栏，比如“根据字段取值样例‘PO20231001001’及上下游参照，推断为采购订单编号”。管理员扫一眼，只需修改了一处把“单位成本”错误映射到“标准成本”的情况，纠正后通过审批。整个过程不到三分钟。 （图：数据治理智能体看板）任务执行完，仪表盘上会忠实记录下这次对话的Token消耗、运行时长，所有操作全程可追踪。既满足了“AI干重活”的效率，又守住了“人做决策”的底线。这就是我们追求的：不是替代人，而是让人升级为治理的审核者和策略制定者。六、未来已来，这一次它自己会工作今天，DIG V1.0正式和大家见面。回头看看，从十年前我们用Excel梳理标准，到后来平台化、自动化，再到今天把治理变成一个活的智能体，我们确实感到，数据治理的变革进入了一个深水区。超级智能体不是“更好用的工具”，而是一次治理范式的彻底重构。过去我们说“管数据”，未来我们说“交给智能体运行”。企业需要思考的问题变了：不再是“要买多强大的治理平台”，而是“我的治理知识和规则，准备好了交给智能体来延续和进化吗？”数据治理的终局，真的不是一个打满补丁的平台，而是一个持续运行的智能体系统。作为守在这个行业十年的团队，我们愿意做这个探索者。未来已来，只不过这一次，它自己会工作。
查看详情
Datablau数语科技入驻香港数码港，加速全球化战略布局
近日，Datablau数语科技宣布成功获批香港数码港培育计划（Cyberport Incubation Programme, CIP），并正式入驻香港数码港。作为领先的AI基础设施建设服务商，Datablau从众多参选企业中脱颖而出，充分体现了其在“数据治理+AI”领域的技术实力与商业潜力。此举标志着公司全球化战略布局迈出关键一步，将依托香港作为国际金融中心和“超级联系人”的独特优势，加速拓展全球市场。Datablau数语科技成立于2016年，致力于以高质量数据治理为人工智能应用落地筑牢根基。公司秉持“双轮驱动”的技术理念：一方面，打造“Data Governance for AI”，以AI Agent为核心，依托MCP与语义层提供支撑，从业务术语、数据质量规则到端到端数据血缘，为企业构建可信的数据基座，真正实现EmpowerYourAI——让AI在高质量、可解释、合规的数据之上安全运行；另一方面，践行“Data Governance by AI”，以三大智能体协同驱动数据治理的智能化跃迁——DDM Dora建模智能体，实现对话式模型设计与多栈工具的无缝联动，推动数据建模从“手工构建”迈向“智能共创”；数据资产智能体，以自然语言交互打通“问数据”“问指标”的业务直达路径，让数据洞察触手可及，真正实现数据普惠；数据治理智能体，具备元数据智能补全、数据标准自动生成等核心能力，构建从感知到执行的治理闭环，推动数据治理从“被动响应”向“主动赋能”的范式跃升。三者协同，重塑数据治理的底层逻辑，让治理成为驱动智能决策的核心引擎。成立至今，Datablau已赢得汇丰银行、西门子、本田、丰田等众多国际头部企业的信赖，累计服务全球300+企业客户，覆盖金融、制造、汽车等多个关键行业。香港数码港是特区政府重点打造的创新科技枢纽，汇聚了大量人工智能、金融科技与数字经济企业，是香港创科生态的核心载体。CIP计划作为数码港的核心孵化项目之一，旨在支持具备高成长潜力的科技公司，实现从技术创新到商业化落地的跨越。目前，数码港已汇聚超过2200家社群企业，培育支持了多家上市公司及独角兽企业。Datablau数语科技创始人兼CEO王琤表示：“我们非常荣幸能够获得数码港的认可，正式加入CIP计划并入驻香港数码港。香港作为连接内地与世界的‘超级联系人’，拥有完善的法律体系、国际化的人才网络、前沿的创科生态以及便捷的海外拓展通道。未来，Datablau将以香港为海外业务枢纽，将中国数据智能的创新成果推向更广阔的国际舞台，助力全球企业在智能化时代释放数据价值、提升核心竞争力。”
查看详情
Datablau闪耀英伦! 我们正式亮相英国IRM UK展会，与国际数据管理精英共话未来
2026年3月23日-27日，由英国IRM协会主办的第23届欧洲数据治理与人工智能治理大会暨欧洲主数据管理大会在伦敦盛大启幕。作为欧洲首屈一指的数据治理、人工智能治理、伦理、主数据管理及数字化转型专业交流平台，本届大会汇聚了全球数据和人工智能领域的顶尖专家、行业领袖及创新企业，共同探讨在智能时代如何通过卓越的主数据驱动业务成功，构建负责任的数据与人工智能治理体系。在为期五天的议程中，大会通过一系列案例研究、战略演讲、实践研讨会及互动环节，为与会者提供了前沿洞察与可落地的解决方案，助力各行业组织提升数据与人工智能成熟度。来自全球的实践者围绕数据治理架构、人工智能伦理、主数据管理最佳实践等核心议题展开深入交流，呈现了一场高水平的行业思想盛宴。Datablau数语科技作为本届大会唯一受邀出席的中国企业，亮相伦敦，并在会议期间展示了最新研发成果——Data Agent，不仅彰显了Datablau在国际数据治理与人工智能治理领域日益提升的行业影响力，也标志着中国企业在全球高端技术交流舞台上的重要一席。此次大会期间，Datablau展位聚焦两大核心主题，全面呈现了其在数据治理与人工智能融合领域的前沿探索：🔹 Data Governance for AI以AI Agent为核心，依托MCP与语义层提供支撑。从业务术语、数据质量规则到端到端数据血缘，Datablau为企业构建可信的数据基座，真正实现 EmpowerYourAI——让AI在高质量、可解释、合规的数据之上安全运行。🔹 Data Governance by AI通过三类智能代理协同作业，实现数据治理的智能化升级： DDM Dora 建模智能体支持对话式模型设计、智能模型分析及多栈工具联动，让数据建模从“手动操作”走向“智能交互”，大幅提升建模效率与规范性。数据资产智能体通过自然语言交互实现“问数据”/“问指标”，让业务人员无需掌握复杂技术即可轻松获取数据洞察，真正降低数据使用门槛，释放数据资产价值。数据治理智能体具备元数据智能补全、数据标准自动推荐与生成、数据质量动态评估等核心能力，实现治理任务的自动化闭环，让数据治理从“被动响应”升级为“主动赋能”。在大会现场，Datablau数语科技展台前人头攒动，多位国际数据治理专家及企业代表对Data agent表现出浓厚兴趣，并就产品能力、应用场景及合作可能展开了深入交流。Datablau团队也积极参与多场专题讨论，分享了在数据治理与人工智能治理融合方面的中国实践与前沿思考，获得与会嘉宾高度评价。凭借领先的技术实力与深厚的行业积淀，Datablau已赢得汇丰银行、西门子、本田、丰田等众多国际头部企业的信赖，累计服务全球300+企业客户，覆盖金融、制造、汽车等多个关键行业。从亚太到欧洲，Datablau正以“智能、高效、可信”的数据底座，持续赋能全球企业的数字化转型与智能化升级。此次Datablau数语科技亮相欧洲顶级行业会议，不仅展示了中国企业在数据治理与人工智能治理领域的技术实力，也标志着其全球化战略迈出了坚实一步。Datablau数语科技创始人&CEO王琤表示，将继续深耕数据智能领域，推动数据治理与人工智能治理的深度融合，助力全球企业实现安全、合规、高效的数据驱动转型。
查看详情
