火山引擎Data Agent再拓新場景，重磅推出用戶研究Agent
10月16日，火山引擎AI創新巡展武漢站成功舉辦，在下午場的「Data +AI專場閉門會」上，近百名來自各行業的企業管理人員和技術專家共同探討了在AI浪潮下，企業如何跨越數據應用的鴻溝，真正實現既懂數據又懂業務的智能化升級。
會上，火山引擎重磅發布了Data Agent-用戶研究Agent，并深入解讀了Data Agent與多模態數據湖之間如何協同增效，共同為企業增長提供歷經實踐且可復用的“務實路徑”。
從BI到智能體的協同演進
“AI投入翻了一倍，但業務價值呢？”火山引擎Data Agent項目負責人海書山在演講開場，便拋出了當前許多企業在數智化升級過程中面臨的共同困惑。他談到，現階段部分企業在積極擁抱大模型的同時，又時常陷入神化大模型能力、混淆技術和業務價值關系等“隱形陷阱”，導致AI的巨大投入與預期產出存在較大落差，甚至無法轉化出應有的業務價值。
破局的核心在于能幫助企業找到一條務實的數智化升級演進路徑。以火山引擎推出的Data Agent為例，它并非是取代傳統的商業智能（BI）系統，而是與之形成協同關系——BI保障了企業決策中對“確定性”的核心需求，如財務報表重的準確數字、KPI監測過程中的完成度確認；Data Agent則在BI基礎上提供更靈活、更深度的洞察能力，能夠主動發現異常、深入分析原因，并為未來趨勢提供預判。
而智能體價值則取決于模型能力、工程可靠性、領域知識密度三個維度的組合——核心不是無限提升模型性能，而是通過上下文管理和工程化手段管理和對沖不確定性。在Data Agent評估體系上，也應該超越單一的準確率指標，建立包括業務理解、分析洞察、可視化呈現、系統魯棒性等在內的立體評估框架。
上述理念已在多個客戶和場景中得到驗證，過去幾個月，火山引擎Data Agent推出的智能分析Agent和智能營銷Agent，在包括極氪汽車、得物APP、達能（中國）等多家企業落地并收獲成效。
Data Agent再拓用戶研究新場景
在「Data +AI專場閉門會」上，火山引擎數智平臺副總經理徐冰泉正式發布Data Agent新能力：用戶研究Agent。
他在分享中提到一個案例，某企業的APP產品與運營團隊面臨拉新用戶留存率顯著下滑的難題，“團隊內部也曾經進行多次討論和分析，想探究原因到底是產品功能太多太復雜？還是用戶對推薦的內容并不喜歡？”
基于過往業務經驗和用戶調研訪談判斷大概的幾個探究方向后，該企業的數據分析團隊就以人工的方式一個一個地進行用戶案例分析，牽扯包括數據看板搭建、數據分析、結論總結等大量基礎性復雜工作，整個過程耗費近兩周時間，處理數據超10萬條。
Data Agent-用戶研究Agent的問世，將正式宣告用戶認知將完成從初期的“人工調研期的1.0時代”和“數據工具期的2.0時代”，跨越到“智能洞察期的3.0時代”，這也意味著用戶研究將從企業內部少數專家的“手藝活”，降門檻成為每個業務人員都能輕松上手的“日常工作”。
對企業來說，Data Agent-用戶研究Agent的核心能力主要體現在四個方面：
- 精準用戶洞察理解：能夠深度理解用戶操作背后的真實意圖，無論是復雜的轉化路徑分析，還是異常行為歸因，都能一鍵生成洞察報告。
- 高效用戶評估分析：基于AI對用戶理解的沉淀，企業無需組織真實的用戶訪談，即可模擬目標人群的反饋，極大縮短驗證周期，降低研究成本。
- 多維數據全面融合：打破系統壁壘，將企業自有的多維度數據和第三方數據全面打通，喚醒沉睡在數據倉庫中的寶貴資產。
- 靈活開放快速落地：提供超過10種覆蓋泛互、零售、金融等行業的內置場景模板，企業最快可在1小時內完成配置并生成分析報告。同時，產品支持靈活集成，并提供一對一的專屬團隊落地支持。
數據顯示，通過引入Data Agent-用戶研究Agent，上述企業僅用2人天便完成了過去需要8人天才能完成的分析工作，效率提升近4倍，此外用戶研究Agent不僅自動洞察到APP“63%的新用戶因畫像標簽不準導致推薦內容不匹配”等關鍵問題，還發現了人工分析時忽略的“跳轉鏈路斷裂”等細節問題，通過系列策略輸出和應用，最終幫助該APP的拉新用戶留存率提升了8%。
多模態數據湖打造智能體堅實底座
Agent在不斷擴展應用場景，離不開與日俱新的數據基礎設施建設。
火山引擎數智平臺產品總監王彥輝在他的分享中提到：“模型能力決定了Agent應用的下限，而數據能力決定其效果的上限。”認為高質量數據是驅動Agent智能涌現的核心燃料。多模態數據湖解決方案則是企業打造高質量數據的基礎。
但目前，隨著視頻、音頻、文本、向量等非結構化數據占比超過80%，傳統的企業數據基礎設施正面臨嚴峻挑戰。基于企業級市場現狀，火山引擎在今年上半年推出了多模態數據湖解決方案。
多模態數據湖解決方案以專為AI場景設計的列式表格式Lance為核心，具備統一存儲、高性能隨機訪問、靈活Schema變更和版本控制等能力，能夠有效應對多模態數據帶來的存儲挑戰；在計算層面，還引入了分布式多模態計算引擎Daft，原生支持CPU/GPU異構資源調度和Python DataFrame & SQL，解決了傳統大數據引擎對GPU支持不足、Python腳本難以規模化等問題。
更重要的是，多模態數據湖還能與Data Agent形成強大的協同效應。它不僅能為Data Agent提供了統一、高效、可管理的數據底座，幫助企業解決“數據孤島”和非結構化數據利用難題，其內置的多模態數據處理算子（如PDF內容提取、圖片Embedding、視頻關鍵幀抽取等）也能大大加速了企業內部Agent應用的開發和落地。
舉個例子，當一家企業需要搭建一個能理解用戶上傳的圖片、分析客服語音通話、或是在海量文檔中尋找答案的Data Agent時，多模態數據湖解決方案可以為其提供堅實的數據設施基礎，以保障Data Agent可以更直觀地“看懂”和“聽懂”業務需求，從而更好更快地實現從BI到智能體的越階，成為能夠全方位感知和理解復雜業務場景的“數字專家”。
從Data Agent的務實路徑，到用戶研究Agent的正式發布，再到多模態數據解決方案的底層支撐，火山引擎正在為企業展示出一幅清晰的企業智能化升級藍圖。
這不僅是工具的革新，更是企業構建核心認知能力、重塑決策鏈路的開始。正如會上所強調的，AI時代的企業智能躍遷，關鍵在于從現在開始，構建屬于自己的“認知引擎”。
浙公網安備 33010602011771號