腾讯云｜发布智能数据湖计算AI DLC，打通数据到Agent全流程

Agent要持续变聪明，先得把数据和算力塞进同一条流水线——腾讯云把答案写成了AI DLC。

腾讯云是腾讯集团面向企业客户的云计算与人工智能基础设施品牌，近年持续围绕大模型训练推理、智能体与数据平台构建产品矩阵。企业做AI，表面上缺的是模型，实际上常常卡在数据链路：清洗在一套系统，训练在另一套系统，Agent跑起来产生的轨迹与反馈又散落各处，很难形成「用—沉淀—再训练」的闭环。

7月30日，腾讯云正式发布智能数据湖计算平台AI DLC，面向自动驾驶、具身智能、Agent等场景，提供覆盖数据处理、训练、推理到Agent应用的一体化能力。公司以自研WorkBuddy为例披露：接入AI DLC后，处理同一批数据的端到端时间缩短约80%，完成相同任务所需算力约为此前的五分之一。

企业开发AI应用的老路径很熟悉：先用Spark完成数据清洗和加工，再将结果写入存储，由AI团队通过Ray等框架完成训练和推理。不同环节运行在不同平台，数据需要反复搬运，权限、元数据和算力资源也要分别管理。AI DLC的核心动作，是让Spark与Ray在同一平台运行——Spark负责大规模数据处理与特征准备，Ray承接多模态数据处理、模型训练、在线推理和Agent任务；两套框架共享数据、算力与权限体系，数据处理完成后即可直接进入训练和推理，无需跨平台搬运。

平台能力要点：

1. 架构：采用Serverless，算力可按任务秒级弹性伸缩、按使用时长计费，企业无需预留和运维固定集群；官方定位为业内首个在同一平台提供生产级Spark与Ray全托管服务的计算平台。
2. 算力池：将CPU、GPU、TPU等异构资源纳入统一资源池，按数据处理、训练和推理任务动态调度；任务结束后资源可自动释放，并适配国产主流GPU芯片。
3. 引擎：搭载自研向量化计算引擎Meson与多模态计算引擎Xpark。Meson兼容Spark API、SQL语法及生态组件，标准测试中查询性能提升约3.6倍，部分复杂查询最高加速约5倍，CPU使用率下降近一半；Xpark面向文档、图片和音视频，提供五十余种多模态与大模型算子，相较开源方案推理吞吐提升约3倍，GPU利用率可长期接近满载。
4. Agent闭环：运行产生的轨迹、记忆和反馈可沉淀至数据湖，经处理后训练再反哺Agent；通过MCP、Skills与Open API开放能力，让WorkBuddy、CodeBuddy等直接调用数据处理、训练和分析能力。

所谓数据湖，白话就是把原始与加工后的数据放进同一片「可随时取用」的水域，而不是每个项目各挖一口井。Serverless则意味着算力像水电一样按用付费，忙时扩、闲时收，不必常年养着固定集群空转。对Agent来说，真正贵的往往不是某一次推理调用，而是对话、文档、用户反馈以GB级字段、月增速翻倍的方式涌进来——没有统一平台，后训练与评估回流会先死在数据搬运上。

自动驾驶侧，博世相关测试车辆每天产生大量视频和传感器数据：抽帧与清洗主要消耗CPU，脱敏、模型训练与推理则依赖GPU。通过博世ARENA统一管控平台，相关任务被纳入统一调度；平台已沉淀二百多个推理模板，每天处理上万个推理任务，持续提升数据闭环效率。这说明AI DLC要服务的不只是办公Agent，还有高吞吐、多模态的产业现场。

随着企业AI应用从「调模型」走向「养Agent」，数据平台也正从支撑分析报表，升级为支撑智能体持续运行和迭代。下一观察点是企业侧真实迁移成本——历史作业与权限体系能否平滑迁入，以及Agent数据闭环能否从腾讯内部与头部车企样板，走到可复制的行业模板。