在云原生基础上构建数据底座与AI能力

在2026年Google Cloud出海峰会上，长期致力于数据和算法工作的北京琥珀创想科技有限公司BI总监富星豪，把话题放在了一个更底层的问题上：当越来越多行业谈论AI落地时，真正决定AI能否持续产生价值的，往往不是某一个模型本身，而是支撑模型运转的整个平台、基础设施以及数据。

过去两年，随着大模型快速普及，AI落地生产面临诸多现实难题：各类数据分散异构、口径不一，同时业务对实时分析、知识检索、智能体协同提出更高要求，亟需配套与AI能力伴生的基础设施，这也是富星豪在业务实践中持续攻坚的方向。

本科攻读数学与应用数学的经历，培养了富星豪对数据、变量与模型的敏感度。跟随导师参与世界银行项目时，他真切体会到真实世界的数据普遍存在缺失、延迟、标准不统一等问题，这也是数据落地应用首先要攻克的难题。

2020年加入琥珀创想后，富星豪面对的是更高强度的业务现场。彼时，公司应用矩阵全球下载量已突破2亿，日活跃用户达到800万。业务需要厘清增长质量、用户长期价值、跨市场渠道投入产出、营销预算分配等现实问题。围绕用户全生命周期价值量化，他牵头完成相关专利，搭建起一套用户增长效率、留存活跃、变现能力、投入回报等核心指标决策体系，为预算优化、渠道评估提供决策依据。

为摆脱人工汇总、口径混乱的痛点，他主导搭建数据仓库，打通用户、营销、广告变现等业务数据，统一关键指标定义。后续带领团队完成从传统数据仓库向湖仓一体升级，实现多类型数据统一沉淀，支撑经营分析、用户价值研判、增长预测等工作，让数据从事后复盘工具转变为业务决策和AI应用的基础资源。这套系统进一步迁移至Google Cloud，相关建设经验也被Google官方作为案例研究公开发布。

与此同时，富星豪就读电子科技大学中法联合硕士项目，在学习过程中研究计算机视觉，围绕影像数据处理、多模态融合建模等方向持续积累应用经验，同时补足系统工程、硬件等视角，并把相关能力落到更具体的医学影像场景中，参加中国研究生人工智能创新大赛，同时完成了论文发表。在他看来，AI应用必须落到具体数据场景中、具体任务和可验证结果中。

多模态数据处理的研究经验，反哺互联网业务，助力完整刻画用户行为与需求。在他看来，AI基建不是概念，而是一套实现数据汇集、管理、调用、反馈的基础能力，是AI从演示原型走向生产应用的前提。

在标签数据充分利用之后，团队进一步探索依靠环境交互持续迭代模型的强化学习技术。基于优化游戏玩家体验的实际需求，他主导设计可在移动设备自主运行游戏的AI机器人，构建“感知—决策—执行—反馈”闭环：借助计算机视觉识别画面状态，强化学习输出决策，在边缘设备执行并持续迭代优化。这一实践打通智能体工程化链路，也印证A-gent绝非简单的大模型调用界面。落地业务的Agent，离不开数据访问、状态管理、任务编排等能力，企业还需要搭建面向Agent的语义层，梳理业务指标、实体规则，让Agent不止对话问答，更能读懂业务、调用数据、辅助决策。

行业交流中，他参与Goog le Cloud、NVIDIA GTC、北京智源大会等技术盛会；也在B站输出人工智能科普内容，播放量破百万，同步开源代码分享实践经验。在AI喧嚣的浪潮下，富星豪坚持一个判断：靠谱的AI始于数据采集治理与工程体系建设，筑牢数据底座，大模型、强化学习、Agent才能真正落地生产。

（许倩）