数据栈正在为 Agent 重构：从"给人看"到"给 Agent 用"
2026 年 7 月中旬，短短一周里发生了三件看似无关的事：
- 7 月 14 日，老牌数据编目厂商 Alation 发布 AIOS（Intelligence Operating System），把 Agent、上下文、数据、治理打包成一个"智能操作系统"；
- 同一天，工程咨询公司 Xebia 推出 Axis——一个用 AI Agent 来"把企业数据 ready for AI"的 agentic data foundation；
- 两天后的 7 月 16 日，数据虚拟化厂商 Denodo 发布 9.5，主打为 agentic AI 提供 Active Context（活的上下文）。
三家公司出身天差地别——一个做编目、一个做咨询、一个做数据虚拟化，却在同一周端出了同一类东西：给 AI 用的数据底座。 这不是巧合。本文想讲清的判断是：数据技术正在经历一次"主语"的更替——消费数据的，正从"人和应用"变成"Agent"；而整个数据栈，正在被迫为"Agent 消费"重构。 这三连发，就是这场重构进入"产品化落地"的信号弹。
一、一条演化线：数据从"给人看"到"给 Agent 用"
要看清这场重构，得先把数据栈的服务对象捋一遍。过去几十年，它其实只换过两次"主语"，而现在正在换第三次。
| 阶段 | 主语（谁在消费数据） | 数据栈为谁而建 | 交付形态 |
|---|---|---|---|
| 报表 / BI 时代 | 人（管理层看结论） | 固定报表、指标口径写死在报表里 | 报表、看板、周报 |
| 现代数据栈 / 自助分析 | 人（分析师自助探索） | 湖仓、语义层、self-service BI | 可拖拽的看板、SQL |
| Agent 消费时代 | Agent（机器自主推理） | 上下文层、治理内嵌、可被 Agent 取用的地基 | API / MCP 供给的"活上下文" |
前两个时代，无论怎么变，消费者始终是人——数据栈的终点是一块给人看的屏幕，人会用常识、经验和上下文去脑补那些数据里没写清的东西。到了第三个时代，消费者换成了 Agent，一切都不一样了。
我在治理下沉那篇里拆过这个新消费者的四个"反常"特性：它绕过应用直连数据（过去二十年贴在应用上的护栏全部失效）、概率式生成 SQL（同一个问题不同时刻可能选不同表、不同口径）、以机器速度探索式查询（一个问题发起成百上千次查询）、需要业务语义才不会猜错口径。而在上下文层那篇里我又论证过：数据 Agent 连"上季度营收增长多少"都答不好，缺的不是模型，是一份始终最新、把散乱数据和部落知识系在一起的上下文。
把这两点合起来看，结论就很清楚了：为"人读报表"设计的数据栈，喂不动"自主推理的 Agent"。 人能容忍的模糊、能脑补的口径、能绕过的护栏，Agent 一个都扛不住。于是数据栈必须重造——这就是三连发背后真正的推力。
二、地基在重构：语义层 → 上下文层 → 治理内嵌
那么"为 Agent 重构"，到底重构哪几块？把前两篇的结论压缩一下，是三块新地基：
- 语义 / 上下文层：从"具体指标定义"升级为"指标 + 规范实体 + 真相源 + 部落知识 + 治理指引"的超集，还得从静态 YAML 变成活的、持续更新的语料——这是上下文层那篇的核心。
- 治理与执行：enforcement 必须从"应用层事后过滤"下沉到"Agent 绕不过去的执行层"，走"治理与执行分离"的混合架构——这是治理下沉那篇的核心。
- 数据本身的"AI-ready"：数据得先干净、被理解、被打通，Agent 才有得吃。这一块过去被当成脏活累活，现在成了地基的一部分。
有意思的是，7 月这三连发，恰好一家认领了一块。 换句话说，我此前两篇讲的"应该怎么做"，现在被三家公司分头做成了产品。
三、7/14 三连发：把上下文、治理、地基做成产品
Alation AIOS：把"上下文 + 治理 + Agent"打包成一个操作系统。 Alation 是数据编目（catalog）、血缘、数据质量的老兵，去年收购了做自然语言转 SQL 的 Numbers Station。这次它把 agents、context、data、governance 整合进一个"开放、治理、自进化"的智能操作系统，主打治一个很具体的病——Agent 的"静默失败"（confident but quiet fail）：它不报错，只是自信地给你一个错答案，然后你拿去做了决策。 里头有让你造可信 Agent 的 Agent Studio、有管住上下文/血缘/权限的 Agentic Data Governance，接下来还要加本体（ontology）能力。它代表的，是"上下文层 + 治理"被打包成一个统一底座的产品化。
Denodo 9.5：把语义层升级成"活的上下文层"。 Denodo 干脆把自己重新定义成"AI data layer"，核心概念是 Active Context Layer（活上下文层）：新增 Metric Views（可治理、可复用的业务指标语义）、把数据产品扩成一张涵盖业务/技术/治理/使用上下文的知识图谱，并通过 MCP 把治理过的上下文暴露给 Agent。它走的是联邦、zero-copy 路线——不强迫你把数据搬到一处，而是"在消费点提供活的上下文"，让 Agent 不必自己重建业务含义。 CTO 一句话点题：AI 系统需要理解业务上下文、用可信指标、访问实时数据、在治理约束内行动。它代表的，是语义层向"活的、联邦供给的上下文层"的升级。
Xebia Axis：干脆用 Agent 来重造数据地基本身。 这家最"元"——它不是给 Agent 供数据，而是用 Agent 团队（配人类工程师）去把企业数据地基本身建起来。六个模块串起数据全生命周期：Readiness（扫描数据资产、出迁移蓝图）、Platform（生成合规的基础设施即代码）、Knowledge（把散在文档/邮件里的知识转成治理过的数据层）、Migration（带校验的数据与管线迁移）、Observability（监控数据质量与 Agent 行为）、Operations（上线后做根因分析、以 PR 形式提交修复给人审）。号称比传统人力交付快约 3 倍。它代表的，是连"数据工程"这件事本身，也开始被 Agent 重构——Agent 造给 Agent 用的地基。
三家摆到一起，分工一目了然：
| 产品 | 出身 | 核心概念 | 主打的那块地基 | 关键接口 |
|---|---|---|---|---|
| Alation AIOS | 数据编目 / 血缘 | 智能操作系统，治"静默失败" | 上下文 + 治理（打包） | Agent Studio、本体（将出） |
| Denodo 9.5 | 数据虚拟化 | Active Context Layer | 语义 / 活上下文（联邦供给） | Metric Views、知识图谱、MCP |
| Xebia Axis | 工程咨询 | Agentic Data Foundation | 数据地基本身（Agent 化） | 6 模块、PR 式自愈 |
注意一个共同信号：三家都在往"标准接口"上靠——尤其 MCP，正在成为"数据↔Agent"之间的那道握手协议。 这和我在MCP 直连数据库那篇里的判断对上了：谁定义了这道接口，谁就握住了数据供给 Agent 的咽喉。
四、可落的判断：数据栈正在为"Agent 消费"重构
把演化线和三连发合起来，能落地的判断有三条：
- 主语变了，地基就得换。 数据栈的消费者从"人和应用"变成"Agent"，这是过去几十年最大的一次范式切换。为人设计的模糊、脑补、事后过滤，在 Agent 面前全部失效——这不是给旧数据栈打补丁，而是重造地基。
- 新地基是三件套：可维护的语义 / 上下文层（Denodo、Alation）、下沉且分离的治理与执行（Alation 的 Agentic Governance）、以及数据本身的 AI-ready（Xebia）。三家分头认领，拼起来就是完整的"为 Agent 消费"的底座。
- MCP 正在成为标准握手。 当上下文、语义、治理都要"供给"给 Agent，就需要一道标准接口；三家不约而同指向 MCP。数据栈的价值重心，正从"存得下、算得快"转向"能不能把治理过的活上下文，标准化地喂给 Agent"。
这也接着我上一篇反复讲的那句：大模型的"预制菜时代"正在结束。 过去比谁的模型大、跑分高，像端标准化预制菜；接下来无论哪条路，真正的护城河都在数据这门"食材功夫"——上层是可维护、对得上业务的上下文，底层是干净、可治理、Agent 拿得走的地基。开放式厨房的时代，比的是食材和火候。
五、ICE 观察
技术视角：这三连发最该记住的，不是三个产品名，而是它们同时印证了一条主线——数据 Agent 的天花板不由模型决定，由它脚下的地基决定。 我此前两篇的判断（"上下文层决定准确率天花板""治理与执行必须分离下沉"），如今被三家出身迥异的公司分头做成了产品——当编目老兵、数据虚拟化厂商、工程咨询公司都往同一个方向转身，说明这不是某家的赌注，而是行业的共识。
落地视角：给正在选型的团队三条务实建议。① 别急着买一个"AI 操作系统"就以为万事大吉——先盘清自己的四块地基现状：语义/上下文有没有、真相源清不清、治理 enforcement 在第几层、数据 ready 不 ready；② 把 MCP 当接口标准来对待，评估任何方案都先问"它怎么把治理过的上下文暴露给 Agent"；③ 警惕"静默失败"——像 Alation 说的，Agent 不会报错，只会自信地给错数，所以纠偏回灌、可观测、审计这些"运营机制"比产品本身更决定成败。
本土视角：这场重构在国内有额外的分量。国产数据栈普遍跳过了"现代数据栈"的完整演进，数据更散、部落知识更依赖人——这意味着"为 Agent 重构"的起点更低，但机会也更大。 政策侧的"数据要素×"、可信数据空间、信通院与蚂蚁的智能体安全互联协议（ASL），本质上都在回答同一个问题：怎么让治理过的数据，安全地供给 Agent 消费。谁能把"语义/上下文层 + 库内/域内治理 + 数据 AI-ready + 标准接口"这条链路，在国产底座上打通，谁就握住了强监管客户"敢让 Agent 用核心数据"的钥匙——这和我这条数据主线一脉相承：Agent 时代真正稀缺的，是可验证的信任与可维护的上下文，不是又一个更大的模型。
结论
把这篇收成几句话：
- 数据栈在换主语：从"给人看"到"给 Agent 用"，这是过去几十年最大的一次范式切换。
- 地基在重构：语义/上下文层、治理下沉、数据 AI-ready，正在成为新的三件套；7 月三连发（Denodo、Alation、Xebia）分头把它做成了产品。
- 接口在收敛：MCP 正在成为"数据↔Agent"的标准握手，数据栈的价值重心随之转移。
- 对从业者：与其追更强的模型，不如把功夫下在这三块地基上——这是这一轮最被低估、也最难被替代的能力。
最后留个问题给你：如果明天你要给一个 Agent 开数据权限，它拿到的，是一份为"人读报表"准备的旧数据栈，还是一份为"机器自主推理"重造过的新地基？ 这个问题的答案，大概率决定了你的 Agent 到底能不能用。
本文部分内容由 AI 辅助生成，经人工审校和补充后发布。