2026年，企业级AI最显著的变化，不是模型又变聪明了多少，而是Agent开始真正“干活”了。
它不再只是回答问题、生成文本，它开始调用系统、执行动作、完成任务。但Agent能干的活越多，一个问题就越尖锐：它凭什么“知道”该干什么？
答案不在模型参数里。答案在数据里。更准确地说，在此刻正在变化的、散落在各个系统里的、需要被实时装配的数据里。而这恰恰是过去十年数据基础设施没有真正解决的那道题。
一、数据流通的三重门，在Agent时代被同时推开
国家新材料大数据中心技术首席张雷有一个判断：数据要素的大规模流通，长期面临三重结构性挑战——找数难、用数难、定价难。
找数难：海量专业数据人工筛选，匹配率不足30%。你用关键词去搜，搜出来的东西要么太泛，要么不相关。用数难：建模分析和跨域协同门槛高，代码试错和多方拉扯的周期漫长。定价难：数据的真实价值和贡献难以客观量化，供数方和用数方信息严重不对称。
这三重门在“人用数据”的时代就已经存在，但在“Agent用数据”的时代，它们被同时推开了。因为Agent对数据的需求，和人对数据的需求，在三个维度上完全不同。
第一，频次。 人查一次数据，可能是一天一次、一周一次。Agent执行一个任务，可能需要在几秒钟内完成多次数据调用、状态比对、动作反馈。它不是在“查询”，它是在“感知”。
第二，精度。 人可以从一份报表里读出趋势，容忍一定的模糊性。Agent需要的是此刻的、精确的、结构化的状态信息。它需要知道这个订单现在是什么状态，不是上个月的平均状态。
第三，时效。 人可以在数据延迟的情况下做判断，因为人有经验和直觉来填补空白。Agent没有“直觉”。它拿到什么数据，就做什么决策。数据的时效性，直接等于决策的质量。
二、Multi-Agent驱动的可信数据空间，改变的是什么
2026年4月，国家新材料大数据中心与阿里云联合发布了由Multi-Agent驱动的AI可信数据空间。官方表述是“业界首次将多智能体技术体系深度融入可信数据空间”，标志着数据要素流通从“人工驱动”迈入“AI原生驱动”。
这个表述的技术含义，比字面看起来要深。传统可信数据空间的核心思路是“数据不出域，可用不可见”。安全，但静态。数据方把数据锁在自己的环境里，需求方提交计算任务，结果返回，过程不透明。这个模式解决了“敢不敢给”的问题，但没有解决“好不好用”的问题。
Multi-Agent架构改变的正是“好不好用”这一层。在这个空间里，不是一个人在找数据、跑模型、等结果，而是多个Agent在协同完成“找—用—评”的全流程。
找数环节，Agent基于千问大模型的逻辑推理能力，理解用户的真实需求，而不是关键词匹配。用户说“我需要一种耐高温的轻质合金数据”，Agent能拆解成材料类型、性能区间、工艺条件等多个维度，在跨域数据中完成匹配。效果是：找数效率从数天压缩到秒级，准确率从不足30%提升到90%以上。
用数环节，Agent不只是“取数”，它能在安全沙箱内完成联合建模、趋势分析、方案生成。数据不出域，但Agent在域内干活。用户拿到的不是原始数据，是Agent处理后的结果。
定价环节，AI自动生成数据贡献度和增量价值的预估，让“谁的数据起了多大作用”这件事，第一次有了可量化的参照。
更关键的是安全机制的分级。Level 1标准模式下，数据加密进入云端安全沙箱，各方在隔离环境内完成联合计算，仅结果返回，数据用完即销毁。Level 2高安全模式下，数据始终留在本地，模型加密传输到供数方环境完成计算，结果加密返回，真正实现“数据不动AI动”。安全不再是“一刀切的不出域”，而是根据敏感度匹配差异化策略。 这解决了过去“要安全就不够用、要够用就降安全”的两难。
三、Agentic Cloud：让云产品变成Agent能调用的“函数”
可信数据空间解决的是“数据怎么流”的问题。但Agent要真正在企业里干活，还需要另一个能力：它得能操作云产品，像人操作软件一样。
阿里云的Agentic Cloud战略在做的事情，是对云产品进行Skill化、MCP化、CLI化改造，让每一个云产品都变成Agent可以“像调函数一样调用”的标准化能力模块。
这个变化的意义，可以对照一个具体的产品来理解。EMR Serverless StarRocks发布了面向Agent的Skills，提供SQL开发、慢查询诊断、建表设计、数据导入、实例运维六大能力。以前，Agent要操作StarRocks，得由人写好SQL、调API、处理鉴权、管理重试。现在，StarRocks本身暴露了Agent友好的接口，Agent可以“用StarRocks干活”，而不只是“查StarRocks”。
AgentCore则把企业级Agent的基础设施标准化、托管化，支持长任务、失败重试、断点恢复、异步执行，官方数据是任务完成率提升至99%、TCO降低70%。Agent Sandbox提供隔离的执行环境，让Agent在“安全围栏”里操作真实系统。
四、数据产权登记：制度层给AI原生流通铺路
技术层的进展需要制度层的配合。2026年10月，全国统一的数据产权登记制度正式实施。国家数据局印发的《数据产权登记工作指引（试行）》，核心是给数据一个“身份证明”——明确“是谁持有的”“能拿来干什么”“谁可以用”。
对于AI原生的数据流通来说，这件事的意义很直接。当Agent在一个可信空间里调用跨域数据时，“这个数据是谁的、授权范围是什么、产出成果归谁”必须有据可查。没有产权凭证，Agent的每一次跨域调用都是一次潜在的权属纠纷。有了统一登记，Agent可以在一个有据可依的规则框架内运行，流通成本下降，信任成本下降。
第一批56份数据产权登记凭证已经发放，覆盖数据持有权、使用权、经营权。这不是一个技术事件，是一个基础设施事件。它让“数据作为生产要素”从原则走向可操作，也让Agent在调用数据时，不只是“技术上能调”，而是“规则上可调”。
写在最后
Agent时代的竞争，表面上比的是模型能力，实际比的是“模型能不能在正确的时刻拿到正确的数据，并且合法地使用它” 。
找数从数天到秒级，准确率从不足30%到90%以上，这些数字背后是一件事：数据流通的规则正在从“人找数据”重写为“Agent用数据” 。而阿里云在做的事情，是在技术层（Multi-Agent可信数据空间、Agentic Cloud）和生态层（云产品Skill化、数据产权登记的配合）同时推进，让“Agent干活”这件事，从Demo变成生产系统。
数据不再只是被“看”的报表，它正在变成被“用”的燃料。而让燃料高效、安全、合规地到达发动机的，是这一整套正在成型的基础设施。
