在智能体（Agent）领域，打造一个Demo（样本）并非难事，真正的挑战在于衡量其实际应用价值——有多少用户在使用、使用的频率如何、以及最终产生了哪些实际成果。9月19日，在快手举办的技术沙龙上，快手平台产品技术中心负责人张蕤开场便指出，过去两年，行业热衷于比较模型参数大小、演示效果炫酷程度以及Demo的惊艳度；然而，如今竞赛的评判标准已悄然转变，上述三个更为实际且严苛的指标成为了新的标尺。

据徽声在线记者现场观察，快手公布的数据显示，其Data Agent（数据智能体）的整体WAU（周活跃用户数）已突破10600大关，周人均对话次数达到55次，单次任务提效的中位数更是高达13倍，这些数据无疑彰显了快手Data Agent的强劲实力。

在“兑现期”来临之前，快手高层已明确战略方向。在快手2025年报电话会议上，快手创始人兼首席执行官程一笑将“Agent能力”列为2026年的重点投入领域之一。这表明，Agent在快手内部已不仅仅是一项试验性技术，而是与大模型战略并驾齐驱的核心战略。

图片来源：阿里云官网

无独有偶，就在不久前，阿里云在IDC（国际数据公司）中国Data Agent评选中脱颖而出，荣获榜首。此次评估共有18家厂商参与，最终仅有4家跻身领导者象限，竞争门槛较2025年显著提升。与此同时，字节跳动旗下的火山引擎Data Agent也在抖音集团内部初步实现了PMF（产品市场契合），并在销售场景中成功落地。

Data Agent的竞争逻辑已发生根本性转变。参数竞赛已成为过去式，“兑现期”的竞争才刚刚开始。

一年迭代，快手打造统一Data Agent的雄心

实际上，Data Agent是借助AI（人工智能）智能体技术，将数据集成、治理、分析和业务决策串联成一个自动化闭环的新一代数据智能范式。简而言之，就是让一个懂数据的AI员工能够自主完成“找数—洗数—算数—看数—决策”的全过程，而人类只需设定目标和把关关键节点。

IDC预测，到2028年，60%的中国500强企业将部署企业级Data Agent。张蕤在演讲中多次强调，Data Agent的核心目标并非追求“能做多少事”，而是要在“泛化能力”和“准确性”上实现同步提升。

然而，这条道路并非一帆风顺。

据徽声在线记者了解，快手Data Agent的演进节奏十分紧凑：2025年主要以Workflow（固定工作流）方式探索，沉淀了第一版知识体系；2025年底转向“Agentic+Skill”（自主智能体模式+技能包）架构，以解决Workflow“能力分散、流程固化”的顽疾；2026年第一季度，成功在生产和分析两个场景中实现了Agentic应用的落地。从Workflow到Agentic，快手仅用了一年左右的时间。

图片来源：每经记者 王郁彪 摄

不过，真正构成技术壁垒的并非架构选择，而是质量基础设施的厚度。据张蕤介绍，快手在上线前设置了严格的评测准入卡口，累计评测了60万条数据，评测任务超过1万个，上线准入门槛设定为80%。这意味着每一个功能迭代，都必须在数万条真实业务问题的回归测试中脱颖而出。

在诊断环节，快手提供了三层能力支持。其中，Trace（全链路追踪）平台负责全链路请求还原，浏览器插件支持问题复现，内置智能诊断Agent实现一键排查，从而形成了“发现—复现—诊断—修复—经验沉淀”的完整闭环。

张蕤在接受现场采访时透露，跨Agent的访问需求在快手内部非常普遍，电商、商业化、生活服务的数据经常交织在一起。“这也是我们为什么要做统一的Data Agent的原因。”快手最终采用了父子Agent架构，即子Agent保持业务专注，父Agent统一入口做路由，当前路由准确率已达到95%。

更深层次的变化发生在组织层面。张蕤提到，数据平台内部的DE（数据工程师）和BPM（业务产品经理）边界正在逐渐模糊，两者融合为“数据FDE”，单人即可完成需求对接、数据建模和全链路交付。

研发团队则从产品、设计、前后端QA（测试质量保障工程师）向PDE（产品设计工程师）和全栈工程师方向转型。当Agent接管了标准化的取数和分析动作后，剩余的人力向端到端复合角色集中的趋势，比任何效率数字都更具长期战略意义。

Data Agent路径分野：交付效率决定座次，交付能力决定终局

快手并非孤例，Data Agent的竞赛正在以不同的路径同时展开。字节、阿里、腾讯等大厂都在用各自的方式探寻这场竞赛的胜负手。

阿里云的答案是全栈能力和规模化交付。据徽声在线记者了解，阿里云的战略部署并非单一产品突进，而是将AI Agent能力嵌入数据库、数据中台等核心产品线，形成端到端的全栈覆盖。自2025年初起，阿里云已为汽车、互联网金融、零售等行业的客户搭建了Agent数据流程。

字节的路径则是先内部跑通再外化。火山引擎Data Agent从2023年立项至今，已成功落地销售场景。据公开信息显示，其能力已覆盖10类岗位角色、36类工作任务。

腾讯则选择了从知识工程的更底层切入。腾讯PCG大数据平台部Agent工程负责人王思懿在快手技术沙龙上介绍，腾讯“灯塔AI”的核心判断是，Data Agent的瓶颈不在于“答不出”，而在于“准不准、可不可溯源”。以查询“华东上个月净销售额扣减了哪些退款”为例，缺乏知识底座的Agent会直接给出数字，但数据来源、口径却无从核验。腾讯要解决的就是这个问题——通过搭建一张“语义图谱”，确保每个答案都能追溯到“这个指标定义在哪个表、这个口径来自哪个图卡”。

王思懿坦言，“记忆不宜过重，否则会混淆昨天和今天”。这句话也点出了一个容易被忽视的问题：Agent并非记得越多越好。腾讯选择让记忆“有选择地记住”，而不是“什么都记住”。

从多家大厂的布局思路来看，Data Agent的竞争重心已经发生转变。以前比的是谁的模型更强，现在比的是谁的知识层更准、交付链路更短、组织适配更快。技术本身已不再是门槛，能否将技术转化为日常可用的东西，可能才是真正的分水岭。