颁奖典礼将在上海举行，此次榜单/奖项的评选依然会进行初审、公审、终审三轮严格评定，并会在国内外渠道大规模发布传播欢迎申报。
过去十年，数据中台经历了“全民建中台”的热潮，也走过“建用脱节”的迷茫。随着AI技术的爆发，尤其是大模型对高质量数据供给的迫切需求，数据中台的定位正在被重塑——它不只是数据的“管理者”，更要成为AI能力落地的“赋能者”。未来的数据中台，只有两条路：要么成为AI Infra的核心支撑，要么在技术迭代中被边缘化出局。这是我深耕大数据产业十年，最坚定的判断。
十年前，我在阿里深耕大数据基础设施——搭平台、建数仓、做实时计算，服务电商、金融等核心业务。彼时一个判断愈发清晰：数据基础设施绝不会只服务网络公司，终将成为所有行业的公共基建。正是这个判断，让我选择离开阿里云，联合创办了袋鼠云，全力投身让大数据走进产业的事业。这个决定在当时并不被普遍理解：从头部平台下船，去做一件高投入、长周期、短期看不到回报的事，风险不言而喻。但对我而言，大数据已证明技术可行，接下来必须回答：它在产业一线是不是真的有价值？我想成为验证这件事的人。
回望袋鼠云的前半程，我们做了大量不华丽却关键的基础工作：帮企业打通ERP、CRM等系统的数据壁垒，把散落在各处的数据汇聚起来，搭建统一的大数据平台和数仓，推进数据治理与资产盘点，或者换个说法，就是让数据中台的理念通过产品化的方式落地。对很多客户来说，这是第一次拥有完整可用的数据底座。我们跑遍能源、制造、金融、政务、高等教育等行业，既是方案提供者，更是陪客户试错的同路人。
项目越做越多，一个问题始终萦绕在我心头：我们到底是在造一套更高级的软件系统，还是在重塑企业用数据的方式？若只是前者，即便平台再大、报表再多，企业决策仍可能停留在经验+会议的传统模式。数字化的价值会被窄化为一个个IT项目，而非生产力的根本性变革。
带着这个疑问，伴随着生成式AI的技术突破，过去几年我们迈入智能化阶段的探索：仅有数据能算数已不够，企业要的是把数据转化为随时可用的智能的能力。也因此，我们主动从大数据基础软件提供商，升级为大数据基础软件与AI应用服务商，系统性思考数据基础设施如何同时服务AI与业务。
·以多模态数据智能中台为一体：作为统一数据底座，承接结构化、半结构化、非结构化及时序、时空等多源数据，完成从采集、治理到资产化、服务化的全流程管理，数据才是是企业AI Infra的核心支柱；
·以数据智能为一翼：在底座之上，围绕指标体系、知识库和多智能体应用，推动企业从报表驱动升级为指标+智能体驱动，形成跨部门对齐的数字语言和可复盘的决策机制；
·以空间智能为另一翼：面向城市、工厂、园区等复杂物理空间，将实时数据与数字孪生、仿真推演结合，把AI从屏幕推向真实运行现场，让业务状态可观、可算、可推演。
对我个人而言，比公司规模更重要的是两件事：一是袋鼠云参与并推动了中国大数据基础软件从跟随到自立的蜕变；二是我们提前想明白了、实践了如何为AI时代打地基这件关键事。
我常借用卡尔洛塔·佩雷斯的技术经济范式转型理论观察行业：每一次技术革命，都要经历安装期—泡沫期—部署期三阶段，这十年的大数据产业也不例外。
2015年前后，中国大数据基础软件进入安装期：Hadoop生态迅速普及，分布式存储、离线计算、数仓、中台等体系加速落地企业。那时的核心逻辑是先建起来、先收进来，完成数据的初步聚合。
随后几年，在资本、政策、舆论的一同推动下，产业快速进入泡沫期：大数据平台数据中台项目遍地开花，几乎所有规模企业都在跟风上项目。但使用端的反馈却很分裂：不少平台验收后使用率骤降，沦为昂贵的存储柜和复杂的报表生成器。建设热闹，价值不均，是我在一线看到的最真实场景。
近两三年，随着大模型、智能体、空间智能等新技术涌现，部署期的轮廓才逐渐清晰。企业终于意识到：大数据基础软件不再只是服务报表和传统应用，更要承担起为AI提供高质量数据供给+支撑智能应用闭环落地的双重责任。
过去我们常提数据飞轮：更多数据→更好算法→更好产品→更多用户→更多数据。这个逻辑没错，但在很多企业里，飞轮卡在了中间——数据量巨大，但真正进入算法、影响决策的少之又少。
下一阶段的核心，是构建更扎实的价值回路：数据→大模型→智能体→业务行为→新数据再生。
具体来说，数据进入到多模态数据中台，经治理后输入大模型；大模型能力通过Data Agent等智能体形态嵌入业务流程；业务应用在智能体辅助下决策执行，产生新数据；新数据回流再优化模型与业务规则。只有这条回路跑通，大数据才算从技术红利真正转化为生产力红利。
一提到数据分析，很多企业大部分会选择BI和可视化工具，让管理层看到更多数据报表——这是必要的起步，但问题很快显现：报表越多，口径越乱；数据看得越细，争论越激烈。根源在于缺少一套统一的、公认的指标体系。
于是，指标驱动的分析方法成为新趋势：先梳理企业核心指标体系，统一口径、明确责任、固化计算逻辑；再围绕指标构建数据资产、分析模型和应用场景；最后由智能系统自动发现异常、解释变化、给出建议。
十年耕耘，袋鼠云已成长为能提供多模态数据智能中台+数据智能+空间智能一体化能力的服务商，累计服务5000+行业客户。而中国大数据基础软件也在AI时代到来的同时开启了大航海时代：从引进模仿，到把本土复杂场景中打磨的能力输出到全球市场。从这个意义上说，回首创业十年，大数据和AI能力的新一轮全球化跃迁，才刚刚开始。
站在创业十年的路口，除了回望来时路，我更关心2026年起的下一个十年，大数据产业的真正分水岭会在哪里？基于十年创业积累的实践经验，我有三个愿意押注的行业趋势判断。
过去十年，企业数据架构多是以结构化数据为主的数据仓库或者数据湖中，非结构化数据、时空数据通常被割裂在不同的系统中，只能做局部分析，甚至大多处于存而不用的“闲置”状态。但大模型时代彻底改变了这一点——文本、图像、视频、传感器数据、三维场景等，都需要纳入统一语义空间。
这意味着，未来有价值的数据中台，必然是多模态数据操作系统：既要统一治理、调度多源多模态数据，也要将模型Embedding、推理结果等AI产物纳入管理。以此为标准，数据中台有两条清晰的生死线：
一是能否为大模型及智能应用提供稳定、高质量、可追溯的数据供给，支撑训练与推理；二是能否承接数据—大模型—智能体—业务行为→新数据再生的完整闭环，让AI结果真正落地业务流程。
做不到这两点，数据中台就只是更昂贵的存储和报表系统。未来的分化会很明确：为AI充分服务的，将成为核心基础设施；跟不上AI浪潮的，只会被边缘化。
过去十年，BI和可视化工具是数据使用的主入口，但一线实践暴露了明显局限：高频使用BI的，只是少数专业分析师；决策者和业务人员更多还是依赖分析师的汇报间接碰数据，数据价值难以高效触达业务端。
大模型与智能体技术，让人用数据的方式迎来重构。Data Agent的核心，是把复杂的查询、建模、分析逻辑封装在后台，前台只给业务人员暴露自然语言对话+业务语义输出的极简界面。它不仅懂字段和表，更懂企业的指标体系和业务规则，能在可追溯、可解释的前提下，直接给出分析结论和决策建议。
我相信2026年开始，企业会慢慢的多出现这样的日常：业务人员打开的第一个入口，不是满屏仪表盘，而是一位数据智能助手；他们问的是这个月门店客流下滑原因，而非写SQL查询；智能体的结论可被追问为什么，效果可被追踪复盘。传统BI工具不会消失，但会退为底层能力；前台人机交互入口，将逐步被Data Agent接管。
十年前，我们靠报表和日志理解数据与业务；今天，慢慢的变多场景指向城市、工厂、矿山、港口等时空系统——这类场景的核心是流动：人流、车流、物流、能流在空间中持续演化。
5G、物联网、工业互联网、边缘计算已铺好感知网络，下一阶段的核心是构建理解与推演能力，也就是空间智能。数字孪生正从静态3D展示，升级为可预测、可推演的动态系统；决策不再是看大屏，而是在多方案仿真的世界模型中验证。
未来十年，世界模型会从概念变成落地场景的基础设施：城市管理者在模型里推演交通疏导和应急方案；制造企业在模型里优化排产和能耗；能源企业在模型里调度复杂电网。在这些场景中，大数据、AI与空间智能不再是平行线，而是融合成统一的方法论。
过去十年，我是大数据产业的参与者、构建者与见证者；下一个十年，我更想成为一名推动者——推动数据基础设施真正演进为AI Infra的核心支撑，推动Data Agent真正成为业务一线的数字同事，推动空间智能从概念成为数字世界与物理世界的融合交汇的生产力。
最后用一句话总结：围绕真实业务问题持续迭代，把数据、算法和场景打磨成可复用、可复盘的生产力，这是袋鼠云为中国乃至全球企业数智化转型贡献的核心价值。
宁海元（花名：江枫），袋鼠云联合发起人、CEO，数据智能领域专家、浙江大学MBA、原阿里云“数加”大数据平台创始人之一。2015年联合创办袋鼠云，现任集团CEO，以“Data+AI”为核心战略，主导研发多模态大数据中台、数据智能、空间智能等核心产品，推动集团进入“袋鼠云智能时代”，专注为客户提供全球领先的数智化基础软件与应用服务。陆续出版了《高性能MySQL（第3版）》、《大数据平台部署与运维》、《数据可视化技术与应用》，获得二十余项发明专利（5篇一作），并入选浙江省科技专家库企业专家。
★本文由袋鼠云联合发起人、CEO宁海元撰写并投递参与“数据猿第八届年度金猿策划活动——2025中国大数据产业年度趋势人物十年先锋人物奖”评选。
