▲ 数据中台的结构性失配：旧范式在AI时代的退潮

Gartner在2024年相关研究中将“数据中台“置于技术成熟度曲线的“泡沫破裂低谷期“。更值得关注的是，这一概念的重要实践者——阿里巴巴——也在近年的组织变革中反复强调集团中后台“做轻、做薄“。这不是简单的技术迭代，而是传统“大而全中台“模式与业务敏捷性之间的结构性失配。

❶ 三重信号：传统数据中台退潮并非危言耸听

第一重：权威机构释放”退潮信号”

Gartner在《2024年中国数据、分析及人工智能技术成熟度曲线》相关研究中，将数据中台归入”泡沫破裂低谷期”（Trough of Disillusionment）。这意味着企业正在重新评估其投入回报、实施复杂度与业务价值。与其说”数据中台即将消亡”，不如说”大而全、重建设、轻运营、弱业务闭环”的传统中台模式正在退潮。

“数据中台价值主张过于宽泛、与业务脱节和单纯交付技术。它在实施过程中的复杂性和缺乏业务支持导致了许多项目的失败，变得太过庞大和复杂，难以维持。“

—— Gartner高级首席分析师 费天祺

Gartner 2022年6月相关调研数据也反映出：企业对中台概念的理解和建设成熟度仍存在明显分化。

第二重：发明者主动”做轻做薄”

2015年12月，阿里巴巴CEO张勇启动”大中台、小前台”战略，张建锋（行癫）出任中台事业群总裁。这套架构曾被视为互联网公司治理标杆，被无数企业效仿。

▲ 传统中台沦为”低使用率平台”：业务人员宁愿用Excel也不用中台

阿里中台组织演进时间线：

2015.12  张勇启动中台战略，张建锋任中台事业群总裁，”大中台、小前台”正式提出

2018  阿里提出”业务-数据双中台”，中台进入拆分扩张期

2020  张勇内部直言”业务发展太慢，中台要变薄”，推动经营责任制改革

2021.12  阿里转向”多元化治理”，四大板块分立，中台核心人物墙辉（玄难）离职

2023.03  张勇启动”1+6+N”史上最大变革，宣布”集团中后台全面做轻、做薄”——强中台模式开始系统性调整

2024.11  阿里成立电商事业群，重新整合此前拆分的淘宝天猫、国际商业，中台拆分战略出现阶段性回调

更具标志性的是核心人物的去向：张建锋卸任集团CTO转任达摩院；数据中台负责人朋新宇（小芃）出走创办瓴羊；业务中台负责人墙辉（玄难）离职创业。这些变化并不能简单等同于”中台失败”，但至少说明：以集团级强集中为核心的”大中台、小前台”模式，已经不再适配阿里当前多业务、多区域、多周期的经营结构。

第三重：高失败率与低价值交付的项目账本

这不是阿里一家的困境。在不少企业实践中，数据中台项目都出现过投入高、周期长、业务低使用率、交付价值不清晰等问题。动辄数百万、上千万的投入，如果没有业务参与、数据质量和场景闭环，很容易沦为”PPT工程”或”沉睡资产”。

❷ 病灶解剖：传统中台的三大”结构性暴雷”

为什么数据中台从”标杆”变成”包袱”？问题不在技术细节，而在架构范式与业务演进之间的结构性矛盾。

暴雷一：”建而不用”的组织债

传统中台的核心逻辑是”先集中，后服务”——把各业务线的数据物理集中到中台，统一清洗、统一建模、统一输出。这个逻辑在数据量小、业务变化慢、组织边界清晰的时代有其合理性，但在今天往往意味着更高的协同成本和治理复杂度。

核心矛盾：中台团队离业务越来越远，业务团队离数据越来越远。中台花半年建好的数据资产目录，业务部门打开后发现：指标口径对不上、时效性满足不了、权限申请走不完。最终业务部门回到Excel，中台沦为”沉睡资产”。

某股份制银行的案例极具代表性：科技部门从阿里请来数据中台团队，轰轰烈烈立项。但业务部门全程未参与需求定义，等到交付时才发现——中台里的”客户流失预警模型”用的是技术口径的”30天未登录”，而业务部门定义的是”60天未消费”。数据模型与业务语义之间的鸿沟，不是技术能填补的。

暴雷二：静态资产目录 vs 实时决策的本质冲突

▲ 传统中台的”人找数据”模式已无法支撑AI时代的实时决策需求

传统数据中台交付的往往是”静态资产目录”：数据表、字段说明、血缘关系、质量评分——本质上是一份”数据说明书”。但AI时代的业务决策更需要”实时意图匹配”：例如在用户打开APP的极短时间窗口内，系统要综合调用行为数据、商品Embedding、库存状态、物流轨迹，并生成个性化推荐或下一步动作。

这份表格揭示的不是某个厂商、某个项目的失败，而是传统中台范式正在遭遇边界：当业务从报表分析走向实时决策、从结构化数据走向多模态数据、从人工取数走向AI Agent自动执行，单纯依靠集中建库、统一建模和静态目录，已经很难支撑新一代数据消费方式。

暴雷三：物理集中式架构的合规与成本死结

Gartner相关观点指出，传统数据中台更偏向”物理式集中”的数据管理架构，侧重统一归集和数据搬运。当数据规模指数级增长、数据主权法规（如GDPR、中国数据安全法）收紧、多云架构成为常态，”把所有数据搬到一处”本身就会变成高成本、高合规压力的命题。

“数据中台是‘人找数据‘模式，存在诸多弊端。用户需耗费大量时间精力在多个分散数据源中搜寻。而数据编织以‘数据找人‘为设计核心，借助智能算法与动态分析技术，在恰当的时间节点将适配的数据主动推送至需求方。“

—— Gartner 2024技术趋势解读

❸ 破局者：AI原生数据平台正在规模化落地

传统中台退潮的同时，新范式已经涌现。关键区分标准：不是”AI赋能中台”（给旧架构打补丁），而是”AI原生数据平台”（围绕语义、实时、智能交互和业务闭环重构）。以下案例并非同一种产品形态，但共同特征是：不再以”集中建库”和”资产目录”为终点，而是以统一语义、湖仓/编织、AI助手、自然语言交互和业务闭环为核心。

▲ AI原生数据平台：以”数据即模型、模型即服务”为核心的新范式

▎Microsoft Fabric：据公开披露，21000+企业组织的统一选择

Microsoft Fabric是AI原生数据平台的代表性产品之一。据Microsoft及相关公开资料披露，截至2025年，已有超过21,000家付费组织采用，其中包括约70%的Fortune 500企业。

Fabric的核心设计哲学是”OneLake”统一数据底座——让摄取、存储、转换、分析、BI、AI等工作负载运行在一个共享数据基础之上，尽量减少传统架构中”数据从一个系统搬到另一个系统”的脆弱交接。

▎Databricks Data Intelligence Platform：10000+客户的AI中枢

Databricks在2025年Data+AI Summit上披露：平台拥有10,000+全球客户，其中包括超过300家Fortune 500企业。其AI原生层的采用数据也值得关注：

真实客户落地：Mastercard构建”产品上线助手”，客户上线时间减少30%；Virgin Atlantic AI驱动预测性维护、定价优化，团队每天节省数小时；Providence Health 12万+护理人员访问65+工作空间的ML模型；Joby Aviation每分钟处理GB级电动飞机遥测数据。

▎字节火山引擎VeDI：从”等着看数据”到”主动参与生产”

字节跳动将内部服务抖音、今日头条的数据能力通过火山引擎VeDI对外输出，这是国内数据智能平台的重要落地样本之一。

平安银行 x 火山引擎：深度合作落地营销决策实验室，通过约300个数据实验有机组合和探索，用户活跃度提升接近40%（平安银行大数据平台技术总监沈百军公开数据）。

蔚来汽车 x 火山引擎：一个DataWind连接了2500多个数据大脑，员工从”等着看数据”到”主动参与生产”，效率提升超50%（蔚来汽车项目管理部高级总监姜勇公开数据）。

▎京东云鼎DaaS：大模型+产业数据的深度融合

京东云基于自研言犀大模型升级云鼎DaaS，在零售垂直场景实现了AI原生数据服务的深度落地：

❹ 范式转移：从”人找数据”到”数据找人”

回顾传统中台的困境与AI原生平台的突破，本质是一场数据消费方式的范式转移：

Gartner近年持续强调Data Fabric、主动式元数据管理和多模态数据管理的重要性。其背后的逻辑是：企业不能只依赖静态目录和人工找数，而要通过语义层、元数据自动发现、权限治理和智能推荐，把数据能力嵌入业务流程。这不是概念的更迭，而是底层数据消费逻辑的转换：

值得特别关注的是”最小可行治理”（Minimum Viable Governance）这一趋势。Gartner预测，到2027年40%的首席数据官将把治理重新定义为”业务使能”而非控制职能。通用汽车（GM）的数据治理负责人Pedro Martinez在2025年Gartner峰会上分享：”IT集中式数据治理从顶层推动，速度不够快、不够敏捷，减少了创新时间。”GM的做法是将治理”左移”到开发周期中，通过检查点前置治理预期，而非事后审查。需要强调的是，”数据找人”并不意味着无边界的数据分发，而是在权限、语义、血缘和审计可控的前提下，让系统主动完成数据发现、匹配和推荐。

—— 结 语 ——

传统数据中台的退潮，不是数据平台本身失去价值，而是”大而全、重建设、轻运营、弱业务闭环”的建设范式正在过时。当Gartner释放退潮信号、阿里主动做轻做薄、众多企业项目陷入低价值交付时，继续争论”中台好不好”已经不够。真正值得追问的是：既然传统强中台模式正在失效，新范式是什么？

从Microsoft Fabric的21,000+组织、Databricks的98% AI Assistant采用率、火山引擎VeDI的300+数据实验、京东云鼎的2000+智能标签——这些已经发生的落地事实中，我们已经可以看到轮廓：不是”给中台加AI模块”，而是”以AI为第一性原理重构数据平台”。不过，这些公开数据多来自厂商披露、峰会发布或客户案例，使用时应关注统计口径、样本边界和可复现性。

→ 下篇预告：《从“数据仓库“到“智能中枢“：AI原生数据中台的定义与第一性原理》

参考文献

[1] Gartner《2024年中国数据、分析及人工智能技术成熟度曲线》

[2] Gartner Top Trends in Data and Analytics for 2024/2025

[3] 阿里巴巴官方公告及张勇2015-2023年全员信

[4] 36氪《焦点分析 | 当阿里巴巴不再讲”中台”》

[5] 钛媒体/腾讯新闻《数据中台走向没落？数据编织能否取而代之》2024.12

[6] Microsoft Fabric官方数据及Forrester TEI 2024研究

[7] Databricks Data+AI Summit 2025官方发布

[8] 火山引擎VeDI发布会及合作客户公开数据

[9] 京东云2023年零售全场景解决方案发布会

[10] 赛意信息深交所互动易投资者关系回复