OceanBase CEO杨冰：人工智能时代，如何重构现代数据架构 | 2025 ITVa

第一个挑战，是数据量的通货膨胀，现在亿级的数据量已经是个普通体量了，很多业务线上化或者数据汇聚后者打通后，自然就到了这个量级。第二个挑战，数据孤岛和碎片化严重，现代应用需要用不同的数据模型来描述业务，比如关系模型，图，时序，还有向量，底层用了一堆不同的数据存储系统，但需要分析洞察的时候需要费很大的劲才能将其汇聚，对齐，很多时候这些数据是描述同一业务的不同侧面。第三个挑战就是数字化后对数据的分析需求会爆发，只将数据存在那里是没价值的，只有分析才能挖掘更大的价值，但要想分析的更准。🆕

一文了解数据要素下数据资产全链条

数据价值化的痛难点当前信息数据化存在一定的痛难点，主要包括：🈺开云网址1.信息存储太少，不满足数据治理的基础量：在数据采集的过程中，由于数据源不足或者数据质量不高，可能会导致信息量不足，无法形成有价值的数据。此时，需要进行数据采集和数据集成，以增加数据的多样性和丰富性，从而更好地发掘数据中的价值。2.信息存储不互通，数据孤岛严重：在信息化的过程中，由于各系统、各平台之间的数据格式、标准不一致，可能会导致数据之间难以互通互联，形成数据孤岛。此时，需要加强全量数据的概念，将各个系统、平台的。

赛意信息携手深信服，以高性能存储助力中国智造高质量发展

02 “存不下”：存储空间不足手动处理数据效率低下 在传统存储方案中，IT部门使用大容量磁盘做数据管理。由于磁盘空间有限，需要辗转腾挪，并且操作麻烦，很容易出现数据误删除、数据无法找到等问题。传统存储方案的运维效率低下、数据安全隐患频出，无法真正发挥智能制造的降本增效理念，实现高效运维。03 “成本高”：海量数据长期存储成本居高不下 受行业合规的要求，零配件生产供应商需要根据产品生命周期时间保存生产过程数据，保存时间短则数月，长达15年。企业若要满足大容量、🌻开云网址高可靠、高性能等存。

【金猿人物展】数元灵科技CEO朱亚东：何以数智化

目前有大量的企业使用 Hadoop + Hive 的方式搭建数据仓库。然而由于 Hive 无法支持实时、流式的场景，需要通过 Lambda 架构维护实时、批量两套数据处理逻辑，带来重复开发、数据口径不一致、架构复杂等问题。3、数据湖。数据湖使用云上的对象存储，能够解决存储扩展性问题。然而数据湖原先是为存储任意类型的数据所设计，缺乏对元数据的组织管理，容易形成数据沼泽，难以发挥数据的价值。4🌟、湖仓一体。湖仓一体作为新一代架构，仍然需要解决 Hadoop/Lambda 架构的固有。

王江平：加强数据治理 推动“人工智能 + 制造”行动落实！

通过政策引导和标准规范，一些头部企业数据安全管理逐步走向系统化、专业化。虽然我国工业数据行业管理在政策法规、标准建设、企业能力等方面取得了一定进展，但仍面临政策落地难、标准不完善、企业能力不足、数据共享与隐私矛盾、技术创新与安全平衡难题以及行业协同不足等问题。未来，需进一步加强政策执行力度、完善标准体系、提升企业数据管理能力、探索数据共享与隐私保护的平衡机制，并推动行业协同与生态建设，以实现工业数据的高质量发展与高水平安全。三、人工智能时代工业数据治理挑战（一）数据治理难工业。