北京大学:数据智能体赋能决策智能产业研究报告(2026年)

这份报告由北京大学联合中国信通院云计算与数字化研究所发布，围绕决策智能赛道，剖析大模型 Agent 落地遇到的数据孤岛、AI 推理黑箱、项目定制化难复用等现实痛点，系统阐述数据智能体作为可信底座的技术体系、国内外产业现状、行业实践，并且给出发展建议与未来方向。

报告梳理决策智能的四代演进：商业智能做事后可视化统计；预测分析输出风险概率信号；增强分析自动挖掘业务洞察；决策智能阶段实现从原始数据、洞察挖掘、方案生成到业务执行的端到端闭环，直接输出可落地行动建议。市场测算显示，2025 年国内决策智能应用市场规模 485 亿元，预计 2030 年将达到 1229 亿元。

产业落地面临三大核心瓶颈：一是多系统数据碎片化、实体身份口径不统一，难以形成全域业务视图；二是通用大模型存在幻觉，推理过程不可解释不可追溯，无法满足强监管业务要求；三是项目大多为定制开发，知识与模型难以跨场景复用，跨主体数据协同受合规约束。

数据智能体以本体建模、语义对齐为内核，为现实世界实体构建唯一数字身份与关联网络，核心价值体现在五点：确立实体统一数字身份；打通显性、隐性实体关联关系；将可解释、可追溯内置到底座；沉淀可跨场景复用知识资产；实现风险研判、趋势预判，提升业务决策效能。

报告给出六层分层技术架构：数据接入层完成多源异构数据归集；数据治理层负责本体建模、语义映射、口径归一；构建融合层实现知识融合、关联与因果推演；应用支撑层封装组件化服务，支持多智能体组网；安全防护层完成权限管控、脱敏、全链路审计溯源；协同管理层负责全生命周期调度与任务闭环。同时明确四大关键支撑技术：本体建模与语义对齐、知识图谱与关联推理、隐私计算可信流通、因果推断归因技术，分别解决实体歧义、关系挖掘、跨域合规、AI 推理黑箱四大难题。

产业现状方面，国外以 Palantir、C3.ai 为代表，采用本体底座叠加智能交互的路线，已实现规模化商用；国内依托数据要素与 “人工智能 +” 政策，云厂商、行业解决方案商、数据运营机构多元协同，整体处于快速追赶阶段，标准与生态仍待完善。报告列举金融风控、医疗公共卫生、能源电力、城市政务、智能制造供应链、公共反诈六大落地场景，介绍数据智能体如何打通异构数据、构建实体关系网络，实现风险溯源、故障研判、碳核算、政策智能匹配等业务价值。

报告提出四点产业建议：深化本体工程夯实语义底座；技术 + 管理双轮打通数据合规流通；推广平台集约复用模式，减少重复定制建设；补齐标准体系，培育懂业务、懂本体建模的复合型人才。

最后展望四大演进方向：技术上本体‑知识图谱‑隐私计算深度融合，实现数据智能体（底座）与 AI 智能体（任务执行）里‑面协同；产业从零散项目走向供需协同生态集聚；应用由单点试点升级成全链路体系化价值重构；战略层面确立可信决策范式，数据智能体作为可信底座，和擅长任务执行的 AI 智能体互为补充，成为千行百业数智化转型重要基础设施。

后台回复“261019”，可获得下载资料的方法。