引言当数据中台建好之后治理才是真正的分水岭经过近十年的建设周期越来越多的政企客户发现数据中台搭好了数据接进来了但真正让人头疼的问题才刚刚开始——指标口径对不齐、数据质量参差不齐、跨系统报表排期以周计算。这些问题的根源不在计算层而在治理层。2025年11月百分点科技在第四届数据治理年会上正式发布百思数据治理大模型BS-LM与百思数据治理平台AI-DG。作为业内首个深度聚焦数据治理领域的垂类大模型BS-LM的发布标志着数据治理领域正从以专家经验为核心的传统模式向大模型驱动的“智能自治”新范式演进。这套产品体系的核心理念是“智能驱动、闭环自治”——将百分点科技十年来在近千个数据治理项目中积累的行业认知注入到大模型的能力之中让数据治理从“人治”走向“智治”。一、产品全景三位一体的智能治理体系百分点科技的数据治理产品体系由三个核心组件构成三者分工明确、协同运作共同构成了从“需求对话”到“任务落地”的完整闭环。百思数据治理大模型BS-LM是体系的“决策大脑”。BS-LM以“知识推理”为核心深度融合了DCMM、DAMA等权威治理框架、国家标准与行业规范以及百分点科技在政务、应急、公共安全、制造等领域近千个项目中积累的数据模型、质量规则和标准化文档。这种“理论框架与实战经验并重”的知识构建方式使模型具备了专家级的治理认知能力能够准确理解字段语义、自动匹配行业标准、智能推荐治理规则。百思数据治理平台AI-DG是体系的“执行中枢”。作为AI原生架构的智能治理平台AI-DG通过对话式交互驱动多智能体协同工作用户以业务语言描述需求后平台自动将任务拆解为标准设计、数仓建模、质量规则配置、ETL脚本生成等具体环节实现全链路的自动化治理。百分点大数据操作系统BD-OS是体系的“落地基座”。BD-OS承担多源异构数据接入、离线与实时数据处理、任务调度与资源管理等核心作业AI-DG生成的SQL脚本、接入任务和稽核规则可直接在BD-OS上执行形成“对话—规划—执行”的完整闭环。二、BS-LM业内首个深度聚焦数据治理的垂类大模型通用大模型在数据治理场景中常常面临“知识肤浅、幻觉频发”的困境——它们能理解自然语言但不理解数据标准能生成代码但不知道字段之间的业务关联。BS-LM的差异化价值正在于此它不是一个“万能助手”而是一个专为数据治理场景训练的“领域专家”。BS-LM的训练语料覆盖了数据治理专业书籍、数据相关法律法规、百分点科技近千个项目的经验沉淀、政府及行业政策文件以及来自互联网的优质内容。通过创新性的“知识原语”理念BS-LM将复杂的数据治理知识体系解构为可计算、可组合的语义单元在模型内部构建了精准且可扩展的语义理解基础。在训练策略上BS-LM采用了“通用指令学习→特定领域增强→能力对齐”的多阶段监督学习流程。首先通过通用指令学习获得数据治理领域的语言理解与任务遵循能力然后通过知识原语注入、多场景任务学习等手段进行垂直领域的知识强化最后通过能力对齐机制确保模型产出的安全性、可信性与一致性。这一体系化训练路线使BS-LM在数据治理这一专业领域的理解深度和生成准确度上明显优于通用大模型。从核心能力来看BS-LM围绕“认知—规划—执行—洞察”主线构建了完整的智能能力体系。在知识赋能层面模型具备深度语义解析与多步骤逻辑推理能力可实时响应复杂治理问题提供规则解读、标准对照与最佳实践推荐。在全流程规划层面可根据客户战略目标与数据现状自动生成涵盖制度体系设计、流程构建、资源调配的端到端治理方案。在资产生成层面可自动化完成数据模型设计、质量规则配置、资产目录构建等关键工作。在成效度量层面可智能评估治理对业务目标的支撑效果动态追踪关键价值指标。三、AI-DG对话式交互驱动全链路自动化治理BS-LM提供智能决策能力而AI-DG将这些能力转化为可执行、可落地的治理操作。AI-DG的产品定位是AI原生的新一代数据治理平台以自然语言交互为核心入口通过多智能体协同完成从需求解析到任务执行的全链路自动化。在实际使用中用户通过自然语言描述业务需求——例如“把应急管理系统的数据接入数据中台并按标准层模型清洗”——AI-DG自动完成从资源盘点、标准设计、数仓建模到质量规则推荐、Mapping映射和SQL脚本生成的全链路作业。整个过程中多智能体协同机制将复杂任务自动拆解为多个子任务并行处理数据接入智能体负责扫描源系统并生成接入台账标准设计智能体解析字段语义并推荐数据元定义模型规划智能体生成数仓分层架构开发智能体产出Mapping规则与ETL脚本最终由调度智能体在BD-OS底座上创建可执行任务。在治理成果的产出方面AI-DG覆盖了数据治理全生命周期的关键环节。平台支持智能数据资源盘点——自动扫描多种数据源深度解析库表、字段信息及物理关系自动生成源系统台账和业务流程图。在数据标准设计方面平台支持对国家标准、行业规范等文件进行智能解析自动抽取数据元定义、属性说明及约束规则并结构化入库形成可复用的标准资源。在数仓规划方面可根据业务目标与数据现状自动生成数据仓库整体设计方案明确分层架构和主题域划分。在数据处理方面平台智能推荐Mapping映射规则并自动生成标准化SQL处理脚本。平台还支持开放式的第三方平台集成。基于标准MCP协议AI-DG生成的数据接入任务、数仓模型、数据标准、质量规则等治理成果可通过标准化对接层写入第三方数据平台实现与现有技术体系的协同运行。这意味着企业无需替换现有数据平台也能使用AI-DG的智能治理能力。在模型底座方面AI-DG同样保持开放的模型生态支持接入本地私有化部署模型以及各类第三方大模型服务用户可结合数据安全要求、行业场景与成本需求灵活选择。效率表现方面AI-DG的数据集成效率较传统模式可提升80%治理交付周期平均缩短70%。对于数据标准设计这一传统治理中最耗时的环节AI-DG可将原本需要数周的人工梳理压缩至数天完成。平台设计遵循“AI起草、人工确认”的协作原则所有关键产出均设置人工审核节点确保治理过程的合规可控。四、BD-OS成熟的数据中台执行基座AI-DG生成的治理策略最终需要在数据中台上落地执行而BD-OS正是承担这一职责的执行基座。BD-OS是百分点科技自研的大数据操作系统定位为一站式智能数据管理平台让数据“进得来、管得了、治理好、看得见、控得住、可共享”。平台涵盖数据集成、数据治理、数据处理、数据组织、数据资产管理、数据安全等全生命周期管理能力为AI-DG的智能化治理提供了坚实的工程支撑。在数据集成层面BD-OS支持结构化、半结构化和非结构化数据的统一接入覆盖主流关系型数据库、国产数据库、消息队列、API等多种数据源类型提供全量、增量及实时接入方式。通过智能化的数据探查能力BD-OS可自动识别多源异构数据的结构、类型和特征智能推荐最优接入方式并支持接入任务的自动化生成将数据集成效率提升达80%。在数据处理层面BD-OS提供离线脚本开发、可视化ETL开发、流式数据处理等多种开发模式支持Hive、Spark、Python、Shell等多语言开发环境。平台内置丰富的处理算子和行业代码模板通过自然语言即可生成全场景数据处理代码显著降低开发门槛。在工作流调度方面BD-OS支持可视化拖拽式工作流设计可支撑百万级任务调度满足大规模数据中台的调度需求。在数据治理层面BD-OS构建了完整的治理工具链涵盖数据标准体系、质量管理、元数据管理、数据生命周期管理、数据资产管理、数据安全等核心模块。数据标准体系支持从数据类型、数据格式、数据值域等多维度构建规范支持国家标准、行业标准的导入导出和批量对标。质量管理模块内置数十种稽核规则覆盖完整性、一致性、准确性、唯一性等多个维度支持定时调度的自动化稽核和异常告警。元数据管理提供自动采集、血缘分析、关联关系可视化、版本对比等功能帮助企业厘清数据资产全貌。在信创适配方面BD-OS已全面完成与飞腾、鲲鹏等国产芯片、麒麟/统信UOS操作系统、达梦/人大金仓等国产数据库的兼容适配并于2025年获得华为Kunpeng Compatible与Kunpeng Native双认证。平台支持完全离线的私有化部署满足政企客户对数据不出域、治理过程自主可控的刚性要求。五、从技术架构到落地保障四大核心差异化能力综合来看百分点科技的数据治理产品体系在四个维度上形成了鲜明的差异化优势。一是知识驱动的领域深度。与在通用大模型上“外挂”治理模块的做法不同BS-LM的训练语料本身来自百分点科技在近千个政企项目中沉淀的数据标准、质量规则和行业模型。这种“从治理中来、到治理中去”的训练路径使模型对字段语义理解、标准映射推荐等治理核心任务的准确度明显高于通用模型。模型内置的数万个数据标准和行业模型覆盖政务、应急、生态环境、智慧城市等多个领域具备跨行业的专家级认知能力。二是全链路的自动化闭环。从需求调研到资源盘点从标准设计到数仓建模从数据接入到质量管控AI-DG将AI能力渗透到数据治理全生命周期的每一个环节而非停留在单点辅助。用户通过对话式交互提出需求平台自动完成需求解析、任务拆解、策略生成和执行落地治理成果可直接写入底层BD-OS执行形成从“需求对话”到“任务落地”的完整闭环。三是开放的架构设计。AI-DG不仅适配百分点科技自有BD-OS平台还基于标准MCP协议构建了开放式对接架构可面向第三方数据平台开展适配与集成。企业无需替换现有数据平台也能引入AI驱动的数据治理能力保障了技术路线的灵活性和后续升级的可扩展性。在模型底座层面平台同样保持开放生态支持接入本地私有化部署模型及各类第三方大模型服务。四是全栈信创与安全合规。在政务和央国企场景中数据安全和自主可控是不可退让的红线。百分点科技的数据治理产品体系已完成全栈信创适配支持从芯片、操作系统到数据库的全国产化部署构建了“数据不出域、模型可审计、过程可追溯”的全链路安全保障体系确保数据治理全过程自主可控。六、客户价值让数据治理从成本中心走向价值中心从实际客户场景来看百分点科技数据治理产品体系的核心价值可以归纳为三个层面。降低治理门槛让人人可参与治理。传统数据治理高度依赖专家经验——数据标准设计需要逐条翻阅国标文件数仓模型设计需要资深架构师反复评审ETL开发需要大量手工编写Mapping文档和SQL脚本。AI-DG通过对话式交互将治理的启动门槛从“技术语言”拉低到“业务语言”业务人员无需懂SQL或数据架构即可驱动治理全流程。压缩交付周期让治理提速增效。80%的数据集成效率提升和70%的交付周期缩短并非纸面指标而是经过多轮项目实战验证的真实表现。在政企客户数据中台建设中传统模式下需要6-18个月的治理周期可被压缩至1-4个月数十人的人力投入可缩减至5-8人。这一效率的跃升使数据中台从“建设投入”到“业务见效”的周期被系统性压缩。沉淀组织知识让经验不再流失。数据治理领域最大的隐性成本是专家经验的不可复制性——一位资深数据架构师的离职可能导致一个项目的治理方法论出现断层。BS-LM将百分点科技十年以来沉淀的治理知识和行业经验模型化、产品化使专家的能力从“个人手艺”转化为“组织可复用的系统能力”实现治理知识的永久沉淀和规模复制。结语数据治理领域正在经历一场范式级的变革。过去企业的数据治理高度依赖专家经验和个人判断交付周期长、知识难沉淀、质量不可控。今天以大模型为核心驱动力的智能治理平台正在系统性地解决这些困境。百分点科技的百思数据治理大模型BS-LM与百思数据治理平台AI-DG以“知识推理”为内核以“对话式交互多智能体协同”为手段以“全链路自动化闭环”为目标为政企客户构建了一套可演进、可解释、可自适应的智能化治理体系。对于已经建设数据中台但治理能力跟不上的企业这套方案提供了一种“不换平台、只升级治理”的轻量路径对于正在规划数据中台的新建项目这套方案则提供了一种从规划阶段就嵌入智能治理能力的系统化范式。无论哪种场景一个清晰的趋势是数据治理的价值正在从“后台保障”走向“前台驱动”成为数据中台能否真正兑现业务价值的关键变量。