中经记者 谭伦 北京报道

随着数据以指数级速度形成“数字洪流”，治理能力已成为当前政企数字化转型的核心命题。IDC数据显示，2025年中国数据产量将达51.78ZB，但有效留存率仅5.1%，超九成数据因治理缺失沦为“沉睡资产”。

其中，政企领域的矛盾更显突出。据信通院《数据治理成熟度报告》调研，2025年78%的国内企业已实施数据治理，但仅有不足30%的企业实现数据资产化运营，技术标准混乱、安全风险凸显等问题成为普遍痛点。

在此背景下，日前举行的北京第四届数据治理年会期间，百分点科技政企事业部总经理马伟凯在现场向《中国经营报》记者表示，随着AI时代来临，数据治理的焦点必须从“如何管好数据”转向“如何用好数据”，而利用具备深度行业认知的垂直模型，解决垂直场景中复杂的治理痛点，有望成为破局关键。

行业的隐痛：治理3.0时代的必然选择

“数据治理”并非新鲜词汇。从早期的数仓建设到后来的数据中台，企业为了理清数据资产，投入了巨大的人力财力。但在马伟凯看来，这个行业正面临着成长的瓶颈。

“回顾过去十年，数据治理大致经历了三个阶段。”马伟凯分析道。在1.0时代，行业比拼的是功能，看谁能更快汇聚数据；在2.0时代，随着算法提升，平台功能开始智能化，效率有所提高，但核心痛点依旧明显——严重依赖行业专家，如果没有懂业务的专家支持，平台根本转不起来。

这就导致了一个经典的“治理悖论”：企业为了数字化转型需要高质量数据，但获取高质量数据需要漫长的周期、高昂的专家成本和复杂的跨部门协调。传统治理模式下，规则僵化、语义割裂、任务碎片化等问题层出不穷，大量数据资产因此处于“沉睡”状态。

“今年DeepSeek爆火以后，大家明显能感触到行业都在往智能化的方向努力。但目前的智能化更多是单点提升，缺乏体系化。”马伟凯指出，行业亟须进入3.0时代，即依托垂直领域大模型，实现全流程的智能赋能。

据Gartner预测，到2028年，企业中超过50%的生成式AI模型将为特定领域模型。从规则驱动向智能驱动转型，已不再是选择题，而是必答题。

选择垂直模型：为何通用大模型“不懂”数据治理？

在ChatGPT等通用大模型横扫全球的背景下，为何却选择垂直大模型来解决数据治理痛点呢？

马伟凯在现场举了一个生动的例子：“如果在通用模型里查‘三防’指什么，它大概率会告诉你电子消费领域的‘防尘、防水、防摔’。但如果在应急管理的业务场景下，‘三防’指的是‘防汛、防旱、防风’。”

这个细微的差别，揭示了通用大模型在垂直行业落地的致命伤——缺乏深度业务理解。数据治理是一项极度依赖行业Know-How的工作，涉及复杂的标准、质量规则、血缘关系和合规要求。通用大模型往往面临“知识肤浅、幻觉频发”的困境。

因此，百分点科技的选择是深入行业。在大会期间，百分点科技正式发布了业内首个“百思数据治理大模型（BS-LM）”。马伟凯介绍，其过去十年服务16个部委、90余个省市、50余家央企所积累的近千个项目经验。这些实战中沉淀的数据模型、质量规则、标准文档，构成了BS-LM区别于通用模型的壁垒。

为了让大模型真正“懂行”，百分点科技构建了一套独特的数据回流机制。马伟凯透露，在内部交付流程中，项目产生的数据主题库、标准元数据、运营指标体系等必须回流，这直接影响项目考核。这种强制性的知识沉淀，确保了训练语料的高质量与鲜活性。

在技术架构上，BS-LM采用了“知识原语”理念，将复杂的治理知识解构为可计算的语义单元。通过“通用指令学习、领域增强、能力对齐”的多阶段训练，以及模型融合技术，有效解决了单一模型容易出现的“知识遗忘”和“语义漂移”问题。这意味着，BS-LM能理解政务、应急等领域的专有名词，能进行多步骤逻辑推理，甚至能自动生成符合国标行标的数据标准体系。

而在大模型输出治理建议之后，如何将建议转成代码、流程与运行，是另一道难题。百分点科技的回答是：用多智能体与对话式交互的治理平台来承接模型能力。同期发布的百思数据治理平台（AI-DG）以自然语言交互为入口、以智能体群为执行单元，作为百思大模型的深度协同伙伴，承担着从“智能决策”到“高效执行”的关键使命。现场演示显示，用户只需用业务语言描述需求，系统便能自动生成调研模板、数据接入任务、仓库与指标设计，直至生成可运行的数据处理逻辑。

落地为王：从“建标准”到“提价值”

任何技术的革新，最终都要回归到商业价值的验证。记者注意到，目前，百思大模型已经成为政务、应急、央国企等关键领域落地的实战利器。

在智慧应急领域，广州市白云区应急管理局通过智能治理，对多源异构的预案数据进行了整合，支撑了高效的预案智能分析。在某省应急厅的“智能问数”应用中，跨业务数据的获取与决策效率显著提升，真正实现了从被动响应向主动治理的跨越。

这些案例折射出数据治理核心使命的变迁：从过去的“管好数据”，转向了“用好数据”。马伟凯认为，进入治理3.0时代，关键不只是把AI放进平台，而是把“行业知识变成可计算的原语”，让智能体去做那些重复性、规则性强的工作，让人去做更高价值的判断。

这一论断，也呼应了行业趋势。随着数据成为核心生产要素，治理能力的标准化、普惠化成为必然。马伟凯预计：“垂类大模型会越来越普及，未来的竞争不是参数大小，而是场景深度与知识厚度。”当跨行业知识实现互联互通，数据治理有望真正成为数字经济的底层支撑。

（编辑：张靖超 审核：李正豪 校对：颜京宁）