行业观察|新质生产力之数据治理: 未来软件=即时生成+自我进化

在近期的交流中，顾群业提出了一个前瞻性判断：数据治理正经历从“后台成本中心”向“生产力引擎”的根本转型。在他看来，这一趋势的核心推动力，正在于人工智能，尤其是生成式AI与自主智能体的发展所带来的生产方式变革。

顾群业认为，过去十多年，数据治理更多是以合规、审计、风险管理为目标的后台支撑工作。然而随着智能体技术的演进，数据本身正从业务的副产品转变为业务的直接驱动力量。由此衍生出一个关键的技术形态——数据智能体。这类系统不仅可以理解和分析数据，还能够基于数据进行推理、生成应用、自动执行任务，并在使用过程中不断学习优化。与传统一次性交互的模型不同，数据智能体是长期运行、能自我适应、具备迁移能力的认知执行单元。这条技术路径并非空中楼阁，而是在现实工程可行性的基础上，逐步迈向他所称的“超智人社会”。

在他描绘的未来软件形态中，传统的构建—部署—迭代模式将让位于“按需即时生产+自适应”。这种软件不再要求用户去适应复杂的功能界面，而是通过自然语言即可描述意图，系统便能自动生成数据结构、业务逻辑、界面以及工作流，并具备即时的调整能力。同时，整个过程必须可解释、可审计，以保证信任和合规。

顾群业特别强调，数据智能体的实现依托于多个技术组件的结合：语义解析与知识图谱负责将业务规则转化为可计算表示；上下文增强生成结合领域专有知识库减少幻觉与偏差；带有权限约束的可控自治框架确保执行过程安全可回滚；而联邦化、合规化的数据治理机制则保证在不泄露敏感信息的条件下持续迭代模型。这些要素的叠加，使数据智能体具备了超越单一LLM调用的持久适应性。

在落地层面，他谈到了现实挑战。其中包括自然语言需求中隐含的领域知识鸿沟，需要通过行业专用语义语言或语义校验机制来缩小；高度复杂或受监管领域的规则约束，需要在生成与执行环节引入严谨的规则检测；自主进化带来的黑箱风险，则必须制定清晰的版本跟踪、变更审计与安全回滚机制；用户信任和合规要求，也要求全链路具备可溯源、人工干预和多方确认机制。

顾群业并非空谈愿景，而是提出了一个可验证的路线图和日程表：第一阶段（0-6个月）在企业内部的单一流程跑通闭环，并用成本下降、错误率和执行速度等指标衡量成果；第二阶段（6-18个月）实现跨流程、跨部门的语义任务网格协作，提高自动化覆盖率与响应速度；第三阶段（18-36个月）推动跨组织、跨行业的接口标准化，使不同主体的智能体能够互通，形成共享生态。

他同时提醒，进入超智人社会之前，必须先筑牢安全与治理的底座，包括明确智能体的自治边界、防止越权执行；确保执行决策可追溯，并保留人工覆盖机制；建立企业、行业、政府与开源社区共治的模式；推动开放标准以防止数据和智能的集中垄断。

在顾群业的产业化构想中，数据智能体市场将分为三个层次：底层平台层提供模型引擎、调度系统与安全沙盒；领域应用层聚焦制造、金融、物流、零售等行业的场景化智能体；生态与标准层则涵盖跨智能体的交互协议、隐私计算网络与知识市场。他认为，真正的竞争优势在于——谁能在现实场景中率先构建可落地的闭环系统，并在行业标准未成形之前推动事实标准的建立。

他最后总结，超智人社会并非单一技术奇点的瞬间到来，而是一个持续积累的过程：初期通过企业自动化减少重复劳动；中期以人格化智能体扩展个体能力；长期形成全社会的数据与智能体协作网络，构筑高效、可控的智慧生态。在这个演进进程中，人类将继续掌握方向性创造力与价值判断，而AI则发挥执行与持续进化的长处，两者形成互补增强。

在顾群业看来，数据智能体已经走出概念探讨阶段，迈向一个具备技术可行性、标准可制定性、伦理可接受性的完整体系。未来三年，将是验证路径、确立标准、抢夺生态制高点的关键窗口期。他说，机遇只属于那些既具技术深度，又能推进生态与治理共识的创业者。（作者：董甫耸）