數(shù)睿數(shù)據(jù)的做法恰是，其將原本面向企業(yè)數(shù)據(jù)側(cè)服務(wù)的獨立產(chǎn)品 ——“數(shù)據(jù)通” 所承載的數(shù)據(jù)工程能力，與面向企業(yè)軟件側(cè)服務(wù)的 “數(shù)字通” 所覆蓋的軟件工程交付流程體系，借助AI將能力和體系落地于smardaten 2.0，最終形成了能夠幫助企業(yè)實現(xiàn)端到端交付的軟件開發(fā) Agent 產(chǎn)品。
作者|皮爺
出品|產(chǎn)業(yè)家
今年3月，穆鴻很興奮。
因為就在剛剛過去的幾天里，DeepSeek橫空出世，其以獨特的深度思考模型和開源模式瞬間火爆全球，人們開始真正相信“AGI的時代真的即將到來”。
早在今年之前，穆鴻和他創(chuàng)辦的數(shù)睿數(shù)據(jù)就一直探索AI方向的落地，作為國內(nèi)低無代碼方向的領(lǐng)軍企業(yè)，也更是常年深耕在大數(shù)據(jù)方向的團隊，他們試圖找到一個能真正在企業(yè)級場景落地的AI方式。
組織架構(gòu)上的更早設(shè)置也更對應(yīng)著這種決心。在數(shù)睿數(shù)據(jù)內(nèi)部，負責未來產(chǎn)品預研的部門和體驗部門被獨立于研發(fā)部門存在，穆鴻對這些人的要求是“引領(lǐng)下一代產(chǎn)品的發(fā)展，而不單純是為了滿足當前客戶需求”。
DeepSeek給穆鴻和團隊帶來了巨大的靈感?！爸皼]有深度思考的方式，更多的方式是采用流程預設(shè)/搭建的形式一步步生成，不符合智能的定義?！蹦馒櫢嬖V我們，“但DeepSeek的深度思考模型可以解決這些問題?！?/p>
在他的推動下，一系列更新的研發(fā)動作在數(shù)睿數(shù)據(jù)內(nèi)部被緊鑼密鼓地推進。
從行業(yè)視角看，這種動作似乎并不算“快”。早在AI大模型浪潮瘋狂涌動的過去幾年里，不少市面上的低代碼/無代碼廠商就都推出了自己的AI產(chǎn)品，或聚焦在Agent層面，或?qū)I和低代碼底層工程進行融合。
但和這種熱烈相反襯卻是另外一個事實，對企業(yè)而言，真正能達到可用、可直接上手的AI產(chǎn)品和組件并不多見，如果再將其置于真正的軟件開發(fā)流程中進行適配，則符合條件的更是寥寥無幾。
“其實去年年初我們就開發(fā)出了Agent平臺，但沒有發(fā)布，因為我們覺得技術(shù)不是最重要的，更重要的是場景和應(yīng)用，是真正可控的端到端Agent產(chǎn)品。開發(fā)全流程恰恰是我們可控的，我們覺得應(yīng)該首先把軟件開發(fā)的Agent做好。”穆鴻告訴產(chǎn)業(yè)家。
這個回答對應(yīng)的恰是數(shù)睿數(shù)據(jù)的最新動作。數(shù)睿數(shù)據(jù)近期正式發(fā)布smardaten 2.0版本，在這個升級的版本中，一系列AI Agent能力被放到最新的產(chǎn)品界面之上，基于smardaten 2.0產(chǎn)品，企業(yè)不僅可以快速生成軟件應(yīng)用，同時還可以在生成后方便的通過Agent修改應(yīng)用。
“AI的企業(yè)級落地，不是一件容易的事，是一個系統(tǒng)性工程?！?/strong>穆鴻告訴我們。
2025年，在產(chǎn)業(yè)數(shù)智化持續(xù)邁進深水區(qū)的如今，在AI大模型價值備受期待的當下，穆鴻和數(shù)睿數(shù)據(jù)正在交出他們的答卷。
一、產(chǎn)業(yè)進化潮里：
看得見的新機會，
看得見的數(shù)字化“舊卡點”
在拆解數(shù)睿數(shù)據(jù)的這張答卷之前，一個更應(yīng)該被率先提出的問題是：中國企業(yè)的產(chǎn)業(yè)數(shù)字化浪潮到底走到哪了？或者說，在AI大模型浪潮涌動的過去幾年里，數(shù)智化的真實水溫到到底是如何？
根據(jù)一份來自畢馬威的《全球人工智能信任、態(tài)度與應(yīng)用調(diào)查報告(2025)》顯示，在過去的幾年時間里，在中國有超過90%的頭部企業(yè)將AI納入核心戰(zhàn)略，中小型企業(yè)的AI工具使用率在過去兩年里也更是同比提升31%。
數(shù)據(jù)背后，對應(yīng)的不少大型乃至中小企業(yè)的共同期待——即基于AI提高企業(yè)的數(shù)字化水平。但市面上的AI真的可以達到這種效果嗎？
根據(jù)不完全統(tǒng)計，在所有落地AI的企業(yè)中，僅有35%的AI項目可以做到規(guī)模化應(yīng)用，大部分企業(yè)仍然處于試點狀態(tài)，其中的問題幾乎遍布軟件開發(fā)的方方面面，比如不具備足夠的數(shù)據(jù)土壤，比如從需求到產(chǎn)品設(shè)計的鏈路不夠明晰等等。
這也正是在過去多年里軟件開發(fā)定制過程中存在的一系列問題。不論是從前期的需求調(diào)研、方案設(shè)計，還是中間過程的具體開發(fā)、測試，以及后期的運維，對企業(yè)而言，這其中有太多的“漏水口”。
“我們最開始使用Agent其實是打算用AI解決這些問題，包括也找了一些低代碼/無代碼廠商來重新做適配，但結(jié)果都不算太好?！币晃谎雵髷?shù)字化負責人告訴產(chǎn)業(yè)家。
這恰是當下的真實水溫。即在過去的幾年時間里，在一眾AI服務(wù)轉(zhuǎn)型中，低代碼/無代碼賽道被不少人關(guān)注，其背后的原因恰是不少企業(yè)試圖基于“低代碼+AI”的方式進一步降低自身的軟件構(gòu)建難度。
但事實是，從市面上的“低代碼+AI”產(chǎn)品來看，很少有企業(yè)進行如此相對重的AI轉(zhuǎn)型——即將AI完全嵌入到低代碼/無代碼的開發(fā)邏輯，其不僅僅是簡單的問答助手，更要做到真正的交互操作Agent。
“不少低代碼企業(yè)目前發(fā)布的產(chǎn)品更多聚焦在AI實現(xiàn)階段，比如簡單的應(yīng)用框架和頁面，不支持復雜頁面、復雜圖表等生成，這個跟很多平臺本身就不能開發(fā)復雜應(yīng)用，也不支持各種定制功能是有關(guān)系的。”穆鴻告訴我們。
難度不難預見。一個事實是，如果要將AI真正嵌入到整個低代碼的開發(fā)流程中，服務(wù)商需要做到的不僅僅是對固有低代碼組件模塊的AI編排和調(diào)度，還需要基于不同成熟場景，如業(yè)務(wù)管理、決策分析等進行特定的深度思考，以通過多個Agent的協(xié)同完成復雜的任務(wù)。
同時，在這些之外，和之前軟件和數(shù)據(jù)體系獨立調(diào)用的模式不同的是，服務(wù)商若想實現(xiàn)真正的AI軟件開發(fā)交付，則還更需要完成的一個關(guān)鍵環(huán)節(jié)是——做到“軟件+數(shù)據(jù)”的集中納管，將數(shù)據(jù)模型和軟件流程進行更深層的打通，最終基于AI進行統(tǒng)一調(diào)用和實現(xiàn)，數(shù)睿數(shù)據(jù)稱作“數(shù)用一體化”。
這是一個足夠精細化、足夠產(chǎn)業(yè)化，以及足夠長期的系統(tǒng)性工程。
二、一張“軟件工程+數(shù)據(jù)工程”的AI答卷
故事回到今年年初，在團隊被迅速拉齊之后，穆鴻和團隊開始思考的一個也恰是前文他提到的關(guān)鍵命題——“該如何打造端到端的Agent產(chǎn)品？”
基于這個命題，穆鴻為團隊設(shè)立了更精細化的指標?！拔覀冏铋_始提出的就是‘把應(yīng)用軟件交付效率再提升五倍’?！?/p>
這其中的難點在于，數(shù)睿數(shù)據(jù)團隊不僅要基于技術(shù)層面完成一系列諸如數(shù)據(jù)清洗標注、知識庫構(gòu)建、深度思考相關(guān)的提示工程等Agent訓練和構(gòu)建環(huán)節(jié)，更需要團隊對軟件交付的不同環(huán)節(jié)以及其在各種特殊場景下的流程有足夠清晰的梳理。
不過，這恰恰是數(shù)睿數(shù)據(jù)多年沉淀的核心優(yōu)勢所在。依托?smardaten?平臺的深度實踐，數(shù)睿數(shù)據(jù)早已完成了對軟件交付全流程的拆解與場景化沉淀——從需求調(diào)研到開發(fā)部署的每個環(huán)節(jié)，從通用場景到行業(yè)特殊流程的規(guī)則梳理，這些經(jīng)驗已轉(zhuǎn)化為平臺內(nèi)置的標準化流程框架與場景化知識庫，恰好為?Agent?對軟件交付環(huán)節(jié)的?“深度理解”?提供了底層支撐。
與此同時，此前打造的數(shù)字通與數(shù)據(jù)通兩大解決方案，更形成了強力互補：數(shù)字通通過構(gòu)建標準化開發(fā)鏈路，為?Agent?提供了清晰的流程導航；而數(shù)據(jù)通在數(shù)據(jù)治理與體系搭建上的積累，則為Agent?訓練所需的高質(zhì)量數(shù)據(jù)標注、場景化數(shù)據(jù)建模等技術(shù)環(huán)節(jié)，奠定了扎實的數(shù)據(jù)基礎(chǔ)。這種?“流程經(jīng)驗?+?數(shù)據(jù)能力”?的雙重積淀，讓數(shù)睿數(shù)據(jù)在突破?Agent?產(chǎn)品的落地難點時，具備了天然的先發(fā)優(yōu)勢。
在這三款產(chǎn)品的疊加配合下，一個公開的數(shù)據(jù)是，數(shù)睿數(shù)據(jù)如今服務(wù)大型企業(yè)數(shù)量超過500個，積累了超過1500多個組件以及15萬個配置項。
也可以理解為，這些從原子化平臺組件到數(shù)據(jù)體系理解，再到交付流程的軟件開發(fā)全生命周期產(chǎn)業(yè)know-how，也恰是穆鴻要構(gòu)建端到端的軟件交付Agent產(chǎn)品的底氣。
“我們最開始一共梳理了104個主要影響交付效率的問題，最后挑選出10個最重要的問題，集中細化場景，并且用AI來解決這些問題。”穆鴻表示。
攻堅還在數(shù)據(jù)側(cè)。穆鴻告訴我們，為了保證到端的軟件交付Agent產(chǎn)品的效果，數(shù)睿數(shù)據(jù)團隊對過去近十年的物料進行了重新梳理，交付團隊、市場部和研發(fā)部門把物料轉(zhuǎn)換為AI更易理解的Markdown文本，重新進行標注，打造新的知識庫底層。
這些工作匯聚到一起，也恰構(gòu)成了如今被放到臺前的smardaten 2.0。在這個升級的版本中，AI被放到最重要的位置。
具體來看，smardaten 2.0 AI能力的兩個著力點恰是軟件工程和數(shù)據(jù)工程的智能化。其中，在軟件交付環(huán)節(jié)，企業(yè)開發(fā)者可以通過自然語言交互進行對應(yīng)的如智慧園區(qū)、工業(yè)制造等場景的軟件設(shè)計，從軟件的數(shù)據(jù)模型設(shè)計、架構(gòu)設(shè)計到界面設(shè)計等以及對應(yīng)具體組件的調(diào)整優(yōu)化，和后續(xù)的可視化分析、數(shù)據(jù)大屏生成等等，都可以通過和智能生成助手的對話進行操作，極大提高工作效率。
而數(shù)據(jù)工程的智能化則面向的是企業(yè)內(nèi)部的數(shù)據(jù)工程體系。即基于smardaten 2.0的相關(guān)data agent能力，企業(yè)可以對自身的數(shù)據(jù)體系進行智能優(yōu)化，從數(shù)據(jù)清洗到數(shù)據(jù)標注、數(shù)據(jù)模型構(gòu)建到分析報告生成等，幫助企業(yè)搭建出適合AI發(fā)揮最大價值的數(shù)據(jù)土壤。
這對應(yīng)的也恰是穆鴻和團隊的另一個觀察。即伴隨著今年DeepSeek的爆火，盡管不少企業(yè)，包括央國企都對AI落地表示了明確的意向，但在落地過程中仍然卡點眾多，其中出現(xiàn)最多的問題恰是數(shù)據(jù)支撐體系不完善。
在穆鴻看來，如果說之前smardaten更多角色是軟件開發(fā)底座，企業(yè)可以基于其平臺上豐富的低代碼/無代碼組件進行個性化軟件的開發(fā)定制，那么在如今的smardaten2.0上，除了固有的軟件側(cè)AI升級之外，數(shù)據(jù)或者說知識積累則更是未來產(chǎn)品競爭力發(fā)展的重中之重，smardaten2.0成為AI應(yīng)用的底座。
數(shù)睿數(shù)據(jù)的做法恰是，其將原本面向企業(yè)數(shù)據(jù)側(cè)服務(wù)的獨立產(chǎn)品?——“數(shù)據(jù)通”?所承載的數(shù)據(jù)工程能力，與面向企業(yè)軟件側(cè)服務(wù)的?“數(shù)字通”?所覆蓋的軟件工程交付流程體系，借助AI將能力和體系落地于smardaten 2.0，最終形成了能夠幫助企業(yè)實現(xiàn)端到端交付的軟件開發(fā)?Agent?產(chǎn)品。
實際上，這些組件在以模塊化的方式呈現(xiàn)在產(chǎn)品界面的同時，它更已經(jīng)完全嵌入到整個端到端的smardaten 2.0?軟件AI開發(fā)流程中，不論是從軟件開發(fā)需求、流程調(diào)整、具體模塊（組件）定義、應(yīng)用框架，還是后端的大屏生成、可視化等等，企業(yè)都可以基于AI直接上手使用。
穆鴻還告訴我們，在smardaten2.0的端到端的Agent能力之外，其還為企業(yè)提供了Agent搭建平臺，企業(yè)還可以根據(jù)自身需要自定義AI能力，基于平臺上的不同組件結(jié)合自身企業(yè)場景和需求構(gòu)建自身專屬的Agent產(chǎn)品。
“我們現(xiàn)在的銷售通、研發(fā)通、服務(wù)通以及其他十幾個內(nèi)部應(yīng)用，都是smardaten2.0開發(fā)出來的，我們自己有完整數(shù)據(jù)鏈路，也有對應(yīng)的場景化數(shù)據(jù)，我們正在通過Agent全面改造和賦能這些應(yīng)用以全面提升公司效率和效能。我們自己先行先試有助于我們?yōu)榭蛻籼峁└?、更落地的產(chǎn)品?！?/p>
三、產(chǎn)業(yè)數(shù)智化深水區(qū)，
企業(yè)的AI底座應(yīng)該是怎樣的？?
如果說2025年最核心的主題是什么，那么AI必然是首選的選項；而如果把這個選項進行更細致一層的拆解，那AI落地則是當之無愧的核心主題。
這個主題背后對應(yīng)的不單純是人們對于AI技術(shù)如何進行價值表達的更細節(jié)關(guān)注，更本質(zhì)則是在企業(yè)數(shù)字化進入深水區(qū)的當下，企業(yè)應(yīng)該基于怎樣的AI能力和底座打破數(shù)字化轉(zhuǎn)型的掣肘難點。
據(jù)了解，如今smardaten2.0已經(jīng)在數(shù)睿數(shù)據(jù)內(nèi)部全面落地，在軟件開發(fā)的各個環(huán)節(jié)都交出不錯的成績單，比如在需求調(diào)研階段，基于智能助手，可以做到軟件原型繪制效率提升80%，單個中等復雜度功能模塊的需求確認周期從平均3天大幅壓縮至僅需4小時。
再比如在方案設(shè)計階段，系統(tǒng)設(shè)計工程師通過AI檢索知識庫，獲取成熟業(yè)務(wù)設(shè)計方案，結(jié)合項目業(yè)務(wù)場景微調(diào)后即可交付終稿，總體設(shè)計工作量減少超過60%。
“我們自己會先把產(chǎn)品用起來，在內(nèi)部基于更清晰的數(shù)據(jù)閉環(huán)基于smardaten 2.0搭建各個環(huán)節(jié)的產(chǎn)品，自己測試好才能真正開放給企業(yè)客戶?！蹦馒櫛硎荆鞍ê罄m(xù)我們會陸續(xù)開放給一些客戶試用，在真正確保效果不錯后再為企業(yè)客戶提供正式版本。”
從AI落地和數(shù)字化轉(zhuǎn)型的視角來看，smardaten2.0為企業(yè)提供的恰是一個更偏底層的AI基座能力，基于這個基座，企業(yè)可以更快速、更高效、更智能地推進軟件開發(fā)流程，在不同的場景結(jié)合自身積累的特定知識庫進行專項適配的AI數(shù)字化轉(zhuǎn)型。
穆鴻還告訴我們，在AI的產(chǎn)品能力之外，其實企業(yè)還應(yīng)該進行的是組織層面的轉(zhuǎn)型，“比如基于smardaten 2.0的軟件開發(fā)和之前的軟件開發(fā)流程不再一樣，各部門之間的關(guān)系和協(xié)作方式也不再相同?！比缃瘢@些變化也更在數(shù)睿數(shù)據(jù)內(nèi)部被逐步推進。
當下，一個共識是，伴隨著企業(yè)如今邁入數(shù)字化轉(zhuǎn)型的深水區(qū)，其需要的恰是一個AI時代的新底座。這個新底座不僅要具備固有類似無代碼/低代碼等的低門檻開發(fā)能力，同時還應(yīng)該具備數(shù)據(jù)智能、交付智能等一系列AI能力，讓企業(yè)可以做到以最小的門檻、最高的性價比進行各個環(huán)節(jié)的AI應(yīng)用搭建，基于AI進一步解決固有的數(shù)字化卡點、難點，提高企業(yè)的業(yè)務(wù)競爭力。
這也恰是數(shù)睿數(shù)據(jù)正在做的事情。據(jù)了解，一個內(nèi)部的時間表是，伴隨著如今smardaten2.0發(fā)布，2.0將會成為未來2年數(shù)睿數(shù)據(jù)的主力研發(fā)版本，同時基于“交付一代、研發(fā)一代和預研一代”的原則，重Agentic Agent能力的3.0版本也更在研發(fā)路上。
從實際問題出發(fā)，從“技術(shù)+產(chǎn)業(yè)“的視角拆解AI模型，從自行驗證到產(chǎn)業(yè)賦能加持，這恰是穆鴻和數(shù)睿數(shù)據(jù)在過去幾年探索出來的真實AI生產(chǎn)力路徑。
“有人把Agent作為新的企業(yè)服務(wù)范式，我相信真正大規(guī)模落地企業(yè)服務(wù)領(lǐng)域的Agent?其開發(fā)形式一定是無代碼化的。而我們的目標一直沒有變化，就是要做到‘讓人人都能開發(fā)Agent’?！蹦馒櫿f道。
特別聲明：本文為合作媒體授權(quán)DoNews專欄轉(zhuǎn)載，文章版權(quán)歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉(zhuǎn)載請聯(lián)系原作者及原出處獲取授權(quán)。(有任何疑問都請聯(lián)系idonews@donews.com)
