在越来越多企业推进 AI 应用落地的过程中，一个共识正在逐渐形成：model-centric 的发展已经达到一定瓶颈，那么现在决定 AI 应用效果的就是数据是否完备了。尤其在真实业务场景中，AI 面对的从来不是“干净、规整的结构化表”，而是大量分散、异构、跨介质的多模态数据——合同、图片、音视频、扫描件、日志、文本记录，与少量结构化指标交织共存。如果这些数据无法被系统性管理和加工，AI 就只能停留在 Demo 阶段，难以真正走向规模化应用。
AI 时代的数据挑战：构建多模态数据底座
在银行、制造、政企等行业，我们看到大量企业已经完成了数仓建设，也开始尝试引入大模型、知识库或智能分析能力，但很快便遇到相似的问题：
- 非结构化数据分散在对象存储或文件系统中，只能依赖“人工查找”
- 数据无法被统一检索、关联和追溯，模型输入高度不可控
- 每一个 AI 场景都在重复进行数据准备，成本高、周期长、难以持续
从本质上看，这并不是 AI 工程能力不足，而是企业的数据体系仍停留在“结构化时代”。
而 AI 时代的数据底座，必须天然支持多模态。
多模态数据平台：AI 的“可控输入层”
多模态，并不等同于“把文件直接喂给模型”。真正决定 AI 能否长期可用的，是几个更基础的问题：
- 数据是否具备清晰、稳定的业务语义
- 数据是否可以被检索、筛选和灵活组合
- 数据的来源、加工过程是否完整可追溯
只有在这些条件之上，AI 才能建立在“可信数据”之上，而不是一个不可解释、不可复用的黑箱。
这正是袋鼠云数栈在多模态方向上的核心定位：为 AI 提供一个可治理、可复用、可持续演进的数据底座，而不是一次性的场景工具。
数栈多模态数据智能平台：从数据治理到 AI 应用的统一通路
数栈 DataZen 多模态数据智能平台，源于成熟的结构化数仓体系，并在此基础上向多模态数据能力自然演进，帮助企业统一解决多模态数据的采集、加工、治理与应用问题。
平台并不围绕某一个模型或 AI 框架展开，而是始终聚焦于数据本身：
- 让多模态数据第一次以“数据资产”的形式进入企业数据体系
- 让 AI 的每一次使用，都建立在可追溯、可解释的数据基础之上
（1）面向多模态的统一计算与存储底座
多模态数据，对底层能力的要求天然多样。
在数栈中，用户可以统一配置和管理：
- 结构化存储（如 HDFS）与非结构化对象存储（如 MinIO）
- 基于 Kubernetes 的统一资源调度能力
- 多种计算模型并行协作：
- Spark / Flink / MPP 处理结构化计算
- Ray 承载文本、图片、音视频等非结构化数据处理
这样的架构设计，并非为了追求“技术先进性”，而是为了更好地适应 AI 场景中不断变化的数据形态与处理需求。
（2）让非结构化数据真正进入数据体系
统一接入
数栈支持将文件系统、对象存储以及各类结构化数据源统一接入平台，打破数据形态之间的物理隔离。
通过数据同步任务，用户可进行结构化数据与非结构化数据的同步。
数据集化管理
文本、图片、音频、视频等数据，不再只是文件目录，而是以“数据集”的方式被创建、管理和版本化，为后续加工和 AI 使用奠定基础。
（3）面向 AI 的多模态数据开发能力
在数据开发阶段，数栈为不同模态提供了最适配的处理方式：
- 结构化数据通过 SQL 完成规则计算与指标处理
- 非结构化数据通过 Ray 算子完成解析、切分与转换
更关键的是，二者可以在同一工作流中被编排和关联。
以知识库或智能风控场景为例：
- 先对合同、说明文档、影像资料进行解析与要素抽取
- 再与结构化业务数据进行关联与筛选
- 最终生成可被模型稳定消费的高质量输入数据集
这使得 AI 场景中的数据准备，从“一次性工程”转变为“可持续复用的能力”。
（4）为 AI 打造可信的数据资产体系
在多模态场景下，数栈构建了统一的数据资产与元数据体系：
- 自动解析多模态数据的结构与内容
- 构建全文索引与向量索引
- 支持基于元数据、内容和向量的综合检索
数据血缘、加工过程和业务语义被完整保留，使每一份被 AI 使用的数据都可回溯、可解释。
（5）连接 AI 平台，而非绑定模型
经过治理和加工的数据资产，可以被推送至外部 AI 平台和知识库系统中，作为模型训练、推理和 RAG 应用的稳定数据来源。数栈并不绑定特定模型或厂商，而是通过标准化的数据输出能力，让企业可以根据自身节奏灵活演进 AI 技术路线。
哪些企业最容易在 AI + 多模态上取得效果？
- 已启动 AI 项目，但受限于数据质量与准备效率的企业
- 拥有大量文档、影像、音视频资产的行业客户
- 希望构建企业级知识库与智能分析能力的组织
- 对数据合规性、可追溯性要求较高的业务场景
在 AI 时代，真正拉开差距的，并不是模型参数的规模，而是数据底座的成熟度。数栈希望通过一套面向未来的多模态数据平台，帮助企业为 AI 提前准备好可以长期使用的数据基础设施。
