今年以来，合肥、苏州成为Cloudera大中华区技术总监刘隶放频繁走访的城市。作为一家混合数据和AI平台公司，Cloudera的核心业务是帮助企业构建、部署和规模化运行生产级数据与AI应用，全球业务覆盖金融、生命健康、公共部门和制造业等多个领域。刘隶放指出，当前企业级AI正走向规模化落地的关键阶段，稳定可靠的数据底座已经成为支撑这一进程的核心要素。在中国市场，先进制造领域的数字化、智能化升级需求持续释放，已经成为Cloudera业务增长的重要引擎，长三角和珠三角区域的大量先进制造企业，对适配自身业务场景的数据平台及企业级AI解决方案的需求正在持续攀升。

生产级AI落地的三大核心挑战

　　过去两年间，大量企业都在不同程度上尝试部署AI相关应用，但要将AI能力真正融入日常生产经营的核心流程，仍然存在不少现实阻碍。从一线客户接触的实际情况来看，企业推进生产级AI落地，首先要面对的就是数据权限管理难题，不能随意赋予智能体访问生产环境核心数据的权限，一旦权限边界模糊，很容易引发数据泄露、误用等安全风险。

　　第二个核心挑战来自数据可信度层面，AI系统接入生产环境后，所有输出的决策结果都直接关联实际业务操作，一旦输入的数据存在错误、偏差或者来源不明，很可能导致生产环节出现失误，给企业带来直接的经济损失。第三个挑战则是投入产出比的平衡问题，企业引入AI系统后，必须清晰核算相关投入能否真正转化为实际业务价值，为经营带来可衡量的正向回报，这也是很多企业在推进AI项目时最关注的核心指标。

　　刘隶放表示，目前纯自动化的通用人工智能时代尚未到来，但能够在企业内部可控运行的智能体AI时代已经正式展开。不同企业所处的AI落地阶段各有差异，部分企业还停留在借助AI提升个人办公效率的阶段，部分企业已经落地了智能客服、智能问数等应用，还有少数走在行业前列的企业，已经开始尝试让智能体辅助核心业务决策。

AI成本管控与投入产出优化路径

　　随着AI应用规模不断扩大，不少企业都发现相关的算力、存储等成本正在快速攀升，如何有效控制AI应用的综合成本、提升投入产出比，已经成为行业普遍关注的问题。控制AI成本和提升ROI的关键，并不在于盲目追逐市面上最新发布的大模型产品，而是要充分利用企业现有的数据平台基础，通过数据湖仓统一架构对所有数据进行集中管理，从根源上减少不同系统之间的数据重复存储问题，降低不必要的对数成本，最终实现整体运营的降本增效。

　　很多企业此前已经搭建了成熟的数据管理平台，完全可以直接基于现有平台构建自身的AI系统，不需要从零开始重新搭建一套全新的底层架构，也就不必额外投入大量硬件资源，避免了重复建设带来的资源浪费。不少先进制造领域的客户，已经通过这种方式打通了从底层生产数据到上层AI应用的完整通道，不需要额外投入大量成本就能快速落地适配自身生产场景的AI功能。

　　这里也引出了行业普遍关注的开放性问题：如果企业一味跟风追逐最新的大模型技术，不断投入资源更换底层架构，最终能否获得预期的业务回报？在AI应用规模化推进的过程中，如何在技术迭代速度和实际业务收益之间找到平衡点，也是所有企业都需要结合自身实际情况思考的核心问题。

AI部署的可控性建设核心要点

　　企业在推进AI部署的过程中，不能一味追求应用落地的敏捷性，忽略了系统运行的可控性，应当优先建立统一的技术标准，在业务响应速度和风险管控能力之间找到合适的平衡点。具体落地过程中，企业可以通过数据网关对所有数据访问权限进行统一管控，明确不同角色、不同智能体的数据访问边界，避免核心数据被越权调用。

　　对于涉及核心生产操作、资金流转等高危业务流程，企业应当保留必要的人工审核环节，不能完全交由AI自动执行，避免系统出现偏差时直接引发不可挽回的业务损失。除此之外，企业还需要逐步搭建起覆盖模型开发全链路的能力体系，从数据接入、模型训练、测试验证到上线运行、后续迭代，所有环节都实现可追溯、可管控，保障AI应用的长期稳定运行。

　　不少企业此前推进AI项目时，没有提前搭建完整的全链路开发能力，后续一旦核心技术人员出现岗位变动，整个项目的迭代维护就会陷入停滞，通过标准化的全链路能力建设，企业可以摆脱对个别技术人员的依赖，保障AI相关应用能够长期持续优化，适配不断变化的业务需求。

混合云与主权云成为主流落地路径

　　据21世纪经济报道，受行业相关法规约束，以及公有云长期使用成本会随着数据规模扩大持续上升等因素影响，混合云和主权云架构，正在成为金融、制造和医疗等对数据安全要求较高的行业，落地企业级AI的主流选择。这类架构既能够保留公有云在弹性算力、快速部署方面的优势，又能将核心敏感数据保留在企业可控的本地环境中，满足数据驻留、合规监管等多方面的要求。

　　Cloudera最新发布的《2026年企业AI现状：规模化的新规则》报告显示，89%的全球受访者表示，已经因为词元消耗增加而限制或重新设计AI应用场景；75%的受访者认为，治理与合规要求是AI规模化应用的制约因素；84%的受访者表示，数据驻留、主权或特定司法管辖区的要求会影响AI工作负载的部署位置。报告同时指出，如果能够重新开启AI之旅，49%的全球受访者会从一开始就加强治理，46%会更早投资于数据质量，45%会更早推进基础设施现代化。

　　面向未来的业务布局，Cloudera将重点投入多模态数据解决方案、数据仓库与语义层建设两大方向，始终以完善的数据治理能力为基础，为各类AI应用提供稳定可靠的数据底座。作为一家深耕数据分析领域多年的平台服务商，Cloudera的核心优势并不仅仅是提供基础的AI技术能力，更在于通过成熟的数据治理体系，打通从底层数据资产到上层AI应用的完整通道，帮助不同行业的企业在保障数据安全合规的前提下，稳步推进AI应用的规模化落地。

(编辑：曲昂)