报告概览 - 报告标题为“2026趋势报告：数据与人工智能”，综合了DataArt高级数据、AI和技术领导者在2025年9月和10月的访谈见解 [3][4][5] 核心观点与投资评级 - 报告的核心观点是：2026年AI的成功将由数据基础设施驱动，而非新模型；组织正从广泛实验转向具体、高价值用例；AI正从概念验证阶段发展到企业级部署 [3][11] - 报告揭示了各行业人工智能雄心与实际运营之间存在“大脱节”，例如82%的文化机构缺乏用于生产部署的数据治理框架和员工技能，金融核心业务功能仍高度依赖遗留数据库和手动Excel文件 [6] 2026年数据与人工智能趋势 - 趋势1：AI成功由数据基础设施驱动：最高投资回报率的技术投资是现代数据基础设施，而非最新的AI模型 [11]；最具影响力的投资聚焦于去中心化数据平台（如数据网格架构）及Snowflake、Databricks等提供的现代技术堆栈 [14]；三到五年前投资云计算平台的公司正看到规模回报，其规模是AI目前无法匹敌的 [9][14] - 趋势2：转向具体高价值用例：AI在精确、受限的应用中创造真实商业价值，最清晰的胜利来自智能自动化 [15]；开发者生产力工具（如Cursor）已近乎普遍应用，非结构化文档处理（提取、摘要）变得常规可靠 [15]；在零售业，AI在需求预测、动态定价等领域能在几个月内产生可衡量的投资回报率 [17]；现成AI解决方案比定制方案能提供更具一致性的价值 [18] - 趋势3：从概念验证到企业级部署：到2026年，AI采纳将从广义实验、战略试点，演进到生产部署与编排，最终成为嵌入式的主流成熟能力 [19][26]；通用AI工具将让位于更专业、代理化的应用，AI将从被动辅助转向工作流的主动协调 [22]；在零售业，大部分日常决策将由自主或半自主代理在幕后处理 [27] - 趋势4：重新思考无法扩展的短期战略：报告指出了五大关键错误：先技术后问题、在流沙（差数据）上建造、夸大能力未达预期、战术思维战略忽视、误解AI（将其视为精确机制而非概率系统） [33][34][35][37][40] - 趋势5：语义建模、对话智能和治理成为关键差异化因素：语义建模和知识图谱是统一数据平台、消除数据孤岛的关键使能者 [42]；对话智能与自然语言查询将使业务用户轻松访问数据 [44]；AI治理、监控和可观察性能力对于生产部署至关重要但仍被低估 [45]；AI项目失败的主要原因包括数据质量不足（30%）、糟糕的业务案例定义（25%）和治理缺失（20%） [43] - 趋势6：优先数据生命周期、现代化和人力能力：未来18个月的五大优先领域为：在全生命周期中投资数据；立即现代化遗留平台；培养人才而不仅仅是模型；制定真实可执行的AI计划；支持结构化实验 [47][48][51][53][54][55] - 趋势7：协调数据、人员和目标以负责任地扩展AI：2026年蓬勃发展的公司是那些具有组织层面自我意识、打破技术与业务界限、普及数据访问并赋予员工先进工具的公司 [59]；成功取决于理解数据的价值、如何解读数据驱动业务、以及将AI视为核心业务战略而非工具 [61] 2026年行业特定预测 - 航空公司：在竞争激烈、复杂且受监管的环境中，快速实验将成为常态和强制要求 [32][65]；预测AI通过动态重路由可大幅减少延误 [71] - 零售业：到2026年，AI将比人们意识到的运行更多零售运营，变得“隐形”，大部分日常决策由自主或半自主代理处理 [27][66]；商店将采用生成式AI进行动态定价和实时产品策展 [71] - 媒体与娱乐：存在逆转媒体消费孤立趋势、重现现实社交体验的兴趣 [67]；生成内容预计将占媒体输出的50% [71]；投资将AI与强大数据管理结合可带来超个性化客户体验等切实成果 [14] - 科技领域：需要更多技术工程师，AI生成代码的能力不会消除工程师的需求 [68]；代理型AI系统将自主管理云基础设施并优化代码 [71]；面向工程等内部用例的AI PC采用将增长，将部分应用卸载到本地托管的开源模型 [28][71] - 医疗保健：监管清晰将推动创新，FDA已批准用于提高肺活检实时导航精度的AI代理，预计2026年将获更广泛批准 [17][28][69]；AI驱动的个性化治疗将在大型医院系统中成为标准 [71] - 金融服务：实际实施主要发生在技术团队内，核心业务功能仍高度依赖遗留系统和手动流程 [6]；在决策和α生成方面，AI仍主要处于实验阶段 [17] 如何为2026年做准备与结论 - 需停止的实践：停止将技术与业务分离；结束打勾式治理；停止过度定制；停止实施未与核心业务流程集成的“AI伴侣”；重新审视移动应用狂热；停止在软件开发中不当使用AI [74][75][76][77][78][79][80] - 关键行动：遵循“爬行-行走-奔跑”原则，从具体高价值用例开始快速证明投资回报率然后扩展 [82][85]；证明项目投资回报率对获取资金至关重要，增加收入的项目通常被优先考虑 [84]；技术团队与业务部门的物理和组织分离需要消失，技术应融入业务 [86] - 结论与未来路径：2026年将取决于谁建立了最强大的数据基础设施、治理框架和具备AI素养的员工队伍 [87]；出现三条清晰路径：1) 基础优先成功，从试点转向生产；2) 校正和重置，因缺乏基础而失败后重新投资基础；3) 战略停滞，竞争差距扩大 [89][90][94]；基础设施投资窗口正在缩小，尚未解决基础问题的组织将难以追赶 [86][96]；到2026年，AI将变得平凡且必要，就像Excel一样嵌入式 [25][95]