打造一个智能体（Agent）的演示版本（Demo）并非难事，真正的挑战在于评估其实际应用情况：用户规模有多大、使用频率有多高、以及实际解决了哪些问题。在9月19日的快手技术沙龙上，快手平台产品技术中心负责人张蕤明确指出，过去两年，行业热衷于比较模型参数、展示效果和Demo的惊艳程度；而如今，竞争的焦点已经转向了用户活跃度、使用频率和实际成果这三个更为严苛的指标。

据徽声在线记者现场了解，快手公布的数据显示，其Data Agent（数据智能体）的周活跃用户数（WAU）已突破10600，用户平均每周对话55次，单次任务效率提升中位数达到13倍。

在“兑现期”来临之前，快手高层已经明确了战略方向。在快手2025年的财报电话会议上，快手创始人兼首席执行官程一笑将“Agent能力”列为2026年的重点投资领域之一。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行推进的核心战略。

图片来源：阿里云官网

不久前，阿里云在国际数据公司（IDC）的中国Data Agent评估中脱颖而出，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年显著提高。与此同时，字节跳动旗下的火山引擎Data Agent在抖音集团内部初步实现了产品市场契合（PMF），并在销售场景中成功落地。

Data Agent的竞争逻辑已经发生了根本性转变。参数竞赛已告一段落，“兑现期”正式开启。

一年内快速迭代 快手致力于打造统一的Data Agent平台

实际上，Data Agent是一种借助AI智能体技术，将数据集成、治理、分析和业务决策串联成自动化闭环的新一代数据智能模式。简而言之，就是让一个懂数据的AI员工能够独立完成“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控关键节点。

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功能的多样性，而是实现泛化能力和准确性的同步提升。

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年主要采用固定工作流（Workflow）方式进行探索，并沉淀了第一版知识体系；2025年底转向“自主智能体模式+技能包”（Agentic+Skill）架构，以解决Workflow模式中能力分散、流程固化的问题；2026年第一季度，成功在生产和分析两个场景中实现了Agentic应用落地。从Workflow到Agentic，仅用了一年左右的时间。

图片来源：每经记者 王郁彪 摄

不过，真正构成竞争壁垒的并非架构选择，而是质量基础设施的完善程度。据张蕤介绍，快手在上线前设置了严格的评测准入标准，累计评测了60万条数据，完成了超过1万个评测任务，上线准入门槛设定为80%。这意味着，每一个功能迭代都必须经过数万条真实业务问题的回归测试，才能得以应用。

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的访问需求非常普遍，电商、商业化、生活服务等领域的数据经常相互交织，“这也是我们为什么要打造统一的Data Agent平台的原因”。快手最终采用了父子Agent架构，即子Agent保持业务专注性，父Agent作为统一入口进行路由分配，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，数据平台内部的数据工程师（DE）和业务产品经理（BPM）的职责边界正在逐渐模糊，两者融合为“数据FDE”，能够独立完成需求对接、数据建模和全链路交付等工作。

研发团队则从传统的产品、设计、前后端测试质量保障工程师（QA）向产品设计工程师（PDE）和全栈工程师方向转型。随着Agent接管了标准化的取数和分析任务，剩余的人力资源正逐渐向端到端复合角色集中，这一趋势比任何效率数字都更具长远意义。

Data Agent发展路径分化：交付效率决定排名，交付能力决定未来

快手并非个例，Data Agent的竞赛正以多种路径同时展开。字节、阿里、腾讯等科技巨头都在以各自的方式探索这场竞赛的制胜之道。

阿里云的策略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的突进，而是将AI Agent能力深度嵌入数据库、数据中台等核心产品线，形成端到端的全栈覆盖。自2025年初以来，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。

字节跳动的路径则是先内部跑通再向外推广。火山引擎Data Agent自2023年立项以来，已在销售场景中成功落地。据公开信息显示，其能力已覆盖10类岗位角色和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“无法回答”，而在于“回答的准确性”和“答案的可追溯性”。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可能会直接给出数字，但数据来源和口径却无法核验。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”。这句话也揭示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”，而非“什么都记住”。

从多家科技巨头的布局思路来看，Data Agent的竞争重心已经发生了变化。以前比拼的是谁的模型更强，现在比拼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工具，可能才是真正的分水岭。