人工智能数据互联互通状况报告：2026年展望

核心观点与关键数据

• 企业 AI 应用现状： 78% 的企业已将 AI 应用从实验阶段转向实际生产，但只有 17% 的企业实现了可衡量的 ROI。大多数企业（78%）处于“实施”和“扩展”阶段，而只有少数（17%）处于“优化”或“领先”阶段。
• AI 成功的关键因素： 数据基础设施的成熟度是 AI 成功的最强预测指标。60% 的最高 AI 成熟度企业拥有最成熟的数据库基础设施，而 53% 的最低 AI 成熟度企业拥有最不成熟的数据库系统。
• 主要挑战： 数据治理和连接性是企业 AI 应用面临的主要障碍。73% 的企业将数据质量和集成列为主要障碍，71% 的企业将数据连接性列为主要挑战。
• 实时数据的重要性： 66% 的企业表示，超过四分之一的 AI 应用需要实时或近实时数据访问，而 80% 的企业支持实时或混合（实时和批量）集成能力。
• 语义集成： 83% 的企业正在构建或计划构建集中式数据访问层，44% 的企业将“缺乏统一元数据和语义上下文”列为主要障碍。

研究结论

• 数据基础设施决定 AI 成功： 企业 AI 成熟度与集成成熟度密切相关。企业无法扩展 AI 应用，除非首先解决数据集成问题。
• 集中式语义数据访问是可扩展 AI 的先决条件： 企业正在转向集中式、语义一致的数据访问，以提供 AI 所需的上下文。
• 实时连接和语义智能是新的差异化因素： 企业将数据治理、质量和谱系列为 AI 准备工作的首要投资领域，其次是实时连接和语义智能。
• 软件提供商面临类似的挑战： 77% 的软件提供商已将 AI 功能投入生产，但只有少数（9%）实现了自主代理功能。数据碎片化和集成复杂性是 AI 功能开发的主要限制因素。
• AI 连接性势在必行： AI 应用需要连接、治理和理解数据。投资数据连接性、实时基础设施和语义智能的企业将在 AI 竞争中占据优势。