“當(dāng) AI 成為企業(yè)軟件服務(wù)的新引擎，將 AI 的‘智能化’與無代碼的‘低門檻’深度融合，通過打造貫穿軟件交付全流程的端到端 Agent，真正踐行‘人人可構(gòu)建、場景易落地’的核心使命?！?——數(shù)睿數(shù)據(jù)創(chuàng)始人穆鴻在發(fā)布企業(yè)級無代碼軟件平臺 smardaten 2.0時強調(diào)。

一、深水區(qū)困局：AI落地遭遇系統(tǒng)性壁壘

畢馬威在其 2025 年相關(guān)報告中指出，過去幾年間，中國超 90% 的頭部企業(yè)已將 AI 納入核心戰(zhàn)略布局，中小企業(yè)的 AI 工具使用率近兩年同比提升 31%。這組數(shù)據(jù)的背后，折射出無論是大型企業(yè)還是中小企業(yè)的共同期許 —— 借助 AI 提升企業(yè)數(shù)字化水平。然而，市場上的 AI 技術(shù)真的能實現(xiàn)這一目標(biāo)嗎？

據(jù)不完全統(tǒng)計，在所有已落地 AI 應(yīng)用的企業(yè)中，僅 35% 的 AI 項目能夠?qū)崿F(xiàn)規(guī)模化推廣，絕大多數(shù)企業(yè)仍停留在試點階段。造成這一現(xiàn)象的問題幾乎貫穿軟件開發(fā)的各個環(huán)節(jié)，例如缺乏充足的數(shù)據(jù)基礎(chǔ)、從需求提出到產(chǎn)品設(shè)計交付的鏈路不通暢等。

面對這樣的困境，在過去幾年，低代碼 / 無代碼賽道因 “低代碼 + AI 或能降低軟件構(gòu)建難度” 被關(guān)注，成為企業(yè)試圖突破困境的方向。但現(xiàn)實是，多數(shù)企業(yè)未推進深度 AI 轉(zhuǎn)型：未將 AI 完全嵌入開發(fā)邏輯，僅停留在問答助手層面，缺乏真正的交互操作 Agent。

深究根源，不少低代碼產(chǎn)品的 AI 功能只聚焦基礎(chǔ)階段，生成簡單框架和頁面，不支持復(fù)雜頁面、圖表，這與平臺本身無法開發(fā)復(fù)雜應(yīng)用、不支持定制有關(guān)。若要將 AI 嵌入低代碼全流程，服務(wù)商不僅要實現(xiàn)固有組件的 AI 編排調(diào)度，還需針對業(yè)務(wù)管理、決策分析等場景深度思考，并構(gòu)建支持多 Agent 協(xié)同解決復(fù)雜任務(wù)的能力，挑戰(zhàn)巨大。

二、破冰行動：十年沉淀鍛造“雙核引擎”

面對困局，數(shù)睿數(shù)據(jù)的解法直指核心——打造與軟件工程、數(shù)據(jù)工程深度融合的AI底座。為實現(xiàn)這一深度融合的AI底座，團隊首先發(fā)起了一場針對核心痛點的攻堅戰(zhàn)。

從104個痛點開始的攻堅戰(zhàn)

團隊耗時三個月梳理出整個企業(yè)級軟件定制交付全流程中影響交付效率的104個關(guān)鍵痛點，最終鎖定10大核心問題集中突破。比如需求調(diào)研時無法抓住用戶核心痛點、原型繪制效率低下、配置開發(fā)過程中重復(fù)性工作提效等，具體可以總結(jié)為三大關(guān)鍵瓶頸：讓抽象需求精準(zhǔn)落地為復(fù)雜界面、讓業(yè)務(wù)數(shù)據(jù)自動轉(zhuǎn)化為決策洞察、讓行業(yè)知識沉淀為可復(fù)用資產(chǎn)。

行業(yè)知識到可復(fù)用資產(chǎn)的AI標(biāo)注

要借助AI解決這些問題，其中一項頗具挑戰(zhàn)的是行業(yè)知識庫的構(gòu)建與快速迭代。交付、研發(fā)、運營三大部門聯(lián)手，將十年積累的實施方案、設(shè)計文檔、客戶案例等非結(jié)構(gòu)化資料整理歸類、統(tǒng)一格式，通過smardaten 2.0 實現(xiàn)文檔向量化轉(zhuǎn)換和元數(shù)據(jù)標(biāo)注，構(gòu)建AI可理解的語義知識圖譜。

數(shù)睿數(shù)據(jù)知識商超上已積累的海量業(yè)務(wù)場景模板，包含應(yīng)用模板、頁面模板、大屏模板、卡片模板等，產(chǎn)品研發(fā)團隊進行人工標(biāo)注（標(biāo)簽、樣式等），AI通過學(xué)習(xí)這些標(biāo)注信息，能夠輸出新的不同類型/跨行業(yè)模板方案。通過以上通用以及個性化的整合，最終為 smardaten 2.0 構(gòu)建了強大的行業(yè)知識庫支撐，為AI提供了一個貼身的“業(yè)務(wù)助手”，讓AI在現(xiàn)有的積累之下進行創(chuàng)新。

“雙通合璧”的技術(shù)突破

數(shù)睿數(shù)據(jù)依托 smardaten 平臺的深度實踐，將十年沉淀的 “流程經(jīng)驗”與“數(shù)據(jù)能力”凝練為強大的 “雙核引擎”——數(shù)字通與數(shù)據(jù)通。二者強力互補：數(shù)字通構(gòu)建標(biāo)準(zhǔn)化軟件定制開發(fā)鏈路，為 Agent 提供清晰的流程導(dǎo)航，確保任務(wù)高效執(zhí)行；數(shù)據(jù)通聚焦數(shù)據(jù)治理與可視化分析，為 Agent 訓(xùn)練所需的高質(zhì)量數(shù)據(jù)標(biāo)注、場景化建模等關(guān)鍵環(huán)節(jié)，奠定堅實的數(shù)據(jù)基礎(chǔ)。兩者通過“數(shù)據(jù)模型驅(qū)動洞察，應(yīng)用模板加速落地”的雙輪驅(qū)動，讓每個業(yè)務(wù)場景都能高效釋放數(shù)據(jù)價值，確保企業(yè)數(shù)字化的建設(shè)時不僅解決當(dāng)下問題，更持續(xù)積累數(shù)字資產(chǎn)，贏在未來賽道。

從場景驗證來看：在軟件定制全流程的實踐落地中，某制造業(yè)軟件服務(wù)商交付團隊借助smardaten2.0的智能助手，將調(diào)研階段的軟件原型繪制效率提升80%，單個中等復(fù)雜度功能模塊的需求確認周期從平均3天大幅壓縮至僅需4小時。方案設(shè)計階段設(shè)計工程師通過AI檢索知識庫，獲取成熟業(yè)務(wù)設(shè)計方案，結(jié)合項目業(yè)務(wù)場景微調(diào)后即可交付終稿，總體設(shè)計工作量減少超過60%。

在數(shù)據(jù)治理與分析中，某醫(yī)療集團案例中，信息科周主任通過系統(tǒng)提交自然語言需求：“提取各分院 2024 年第二季度皰疹病例，篩選出皰疹數(shù)量≥10 個且體溫≥39℃的患者，按年齡分段統(tǒng)計分布情況”。

AI智能引擎即時響應(yīng)，自動關(guān)聯(lián)各分院患者基本信息表、診療記錄表，10 秒內(nèi)完成數(shù)據(jù)調(diào)取、條件篩選與數(shù)據(jù)分析，直接生成年齡分布圖表。

傳統(tǒng)模式下，這類需求需信息科聯(lián)合臨床統(tǒng)計員手動對接 23 家分院導(dǎo)出數(shù)據(jù)，至少 1人耗時3小時才能完成匯總分析，數(shù)據(jù)通通過自動化處理實現(xiàn)效率躍升，同時避免人工統(tǒng)計誤差。

三、AI底座驅(qū)動企業(yè)智能轉(zhuǎn)型三重奏

smardaten 2.0 作為強大的AI底座，其價值遠不止于提升單點效率。它正深度重構(gòu)企業(yè)核心能力，驅(qū)動一場圍繞軟件交付流程、數(shù)據(jù)價值根基與組織協(xié)作模式的智能轉(zhuǎn)型三重奏。通過將AI深度融入開發(fā)基因、構(gòu)建滋養(yǎng)AI的數(shù)據(jù)沃土、以及培育面向場景的Agent生態(tài)，smardaten 2.0 為企業(yè)提供了實現(xiàn)全面智能化轉(zhuǎn)型的核心引擎。

（1）再造開發(fā)基因：從“功能模塊”到“神經(jīng)中樞”

傳統(tǒng)AI工具往往作為獨立插件存在，而smardaten 2.0將AI深度植入開發(fā)基因。當(dāng)某汽車廠商需要定制經(jīng)銷商管理系統(tǒng)時，AI不僅生成界面原型，更同步構(gòu)建數(shù)據(jù)模型、優(yōu)化頁面設(shè)計、調(diào)用API接口文檔、配置權(quán)限規(guī)則，實現(xiàn)需求到上線的端到端貫通，如同系統(tǒng)的‘神經(jīng)中樞’般協(xié)調(diào)運作。

（2）革新數(shù)據(jù)土壤：為AI扎根奠基

“沒有高質(zhì)量數(shù)據(jù)，AI就是無根之木。”穆鴻強調(diào)?；趕mardaten 2.0 數(shù)據(jù)通提供的 data agent 能力，企業(yè)可以對自身的數(shù)據(jù)體系進行智能優(yōu)化，從數(shù)據(jù)清洗到數(shù)據(jù)標(biāo)注、數(shù)據(jù)模型構(gòu)建到分析報告生成等，構(gòu)建起滋養(yǎng)AI價值最大化的“數(shù)據(jù)沃土”。

（3）重構(gòu)組織協(xié)同：組織效能提升與生態(tài)初現(xiàn)

在數(shù)睿數(shù)據(jù)內(nèi)部，一場由Agent驅(qū)動的顛覆性效能正在發(fā)生。用戶服務(wù)部率先開發(fā)的“智能客服Agent”，通過深度學(xué)習(xí)歷史用戶FAQ和用戶手冊等物料，不僅能實時生成精準(zhǔn)的智能應(yīng)答，還可自動輸出結(jié)構(gòu)化技術(shù)文檔與配置開發(fā)方案。該Agent上線后，成功釋放80%的重復(fù)性技術(shù)答疑人力投入。

此外，公司正構(gòu)建AI Agent矩陣生態(tài)。除客服場景外，“界面智能優(yōu)化Agent”、“智能流程編排Agent”已進入開發(fā)階段。這些由不同部門孕育的、面向特定場景的Agent，正滲透各業(yè)務(wù)環(huán)節(jié)，編織企業(yè)級應(yīng)用生態(tài)，有力印證“全民開發(fā)”理念的可行性。

四、通往Agent民主化的道路

伴隨著企業(yè)如今邁入數(shù)字化轉(zhuǎn)型的深水區(qū)，需要的恰是一個AI時代的新底座。這個新底座不僅要具備固有類似無代碼/低代碼等的低門檻開發(fā)能力，同時還應(yīng)該具備數(shù)據(jù)智能、交付智能等一系列AI能力，讓企業(yè)可以做到以最小的門檻、最高的性價比進行各個環(huán)節(jié)的AI應(yīng)用搭建，基于AI進一步解決固有的數(shù)字化卡點、難點，提高企業(yè)的業(yè)務(wù)競爭力。

這也恰是數(shù)睿數(shù)據(jù)正在做的事情。站在smardaten 2.0發(fā)布的時間點，數(shù)睿數(shù)據(jù)已啟動更激進的3.0計劃。新版本將引入Agentic Agent架構(gòu)，實現(xiàn)AI自主拆解任務(wù)、協(xié)調(diào)資源、閉環(huán)驗證的能力。“我們的目標(biāo)一直沒有變化，就是要做到‘讓人人都能開發(fā)Agent’?！蹦馒櫿雇f道。