Cloudera刘隶放：企业级AI走向规模化，数据底座成关键

21世纪经济报道记者 陈归辞

今年以来，合肥、苏州成为Cloudera大中华区技术总监刘隶放频繁走访的城市。Cloudera是一家混合数据和AI平台公司，帮助企业构建、部署和规模化运行生产级数据与AI应用，全球业务涵盖金融、生命健康、公共部门和制造业等多个领域。

刘隶放告诉21世纪经济报道记者，在中国，先进制造已成为公司业务增长的重要引擎。从长三角到珠三角，先进制造企业对数据平台和企业级AI的需求正在增长。而随着AI应用规模不断扩大、企业推进全球化布局，如何兼顾成本、数据治理与部署灵活性，成为企业需要面对的问题。

Cloudera最新发布的《2026年企业AI现状：规模化的新规则》报告显示，89%的全球受访者表示，已经因词元（Token）消耗增加而限制或重新设计AI应用场景；75%的受访者认为，治理与合规要求是AI规模化应用的制约因素；84%的受访者表示，数据驻留、主权或特定司法管辖区的要求会影响AI工作负载的部署位置。报告还显示，如果能够重新开启AI之旅，49%的全球受访者会从一开始就加强治理，46%会更早投资于数据质量，45%会更早推进基础设施现代化。

如何在保障数据安全与合规的前提下，让模型和智能体灵活地调用企业数据？企业该如何选择适合自身业务的数据基础设施？又该如何控制AI应用带来的成本？这些问题正成为企业级AI规模化落地必须回答的课题。围绕这些问题，21世纪经济报道记者专访了Cloudera大中华区技术总监刘隶放。

《21世纪》：过去两年大量企业尝试部署AI，但将其真正融入生产经营流程仍存在困难。从你们与客户的接触来看，企业落地生产级AI的主要困难是什么？

刘隶放：从个人效率提升来看，目前企业已经普遍引入AI。但要让AI真正进入生产环境，需要解决几个问题。

首先一个突出的问题是数据的权限管理，不能随意赋予Agent访问生产数据的权限。我们目前是通过语义层再加MCP标准接口划定应用边界，对Agent的数据访问进行约束，建立明确的安全边界。其次是数据可信，AI进入生产环境必须要接入可信的数据。第三是投入产出比（ROI），企业最终还要回答接入这套系统后，能否真正创造业务价值和带来回报。

对于企业级AI的落地进程，我认为，一个纯自动化的AGI时代还没有到来，但一个能够在企业内部可控运行的Agentic AI时代已经正在展开。不同客户所处的阶段有所不同，有的还在提升个人效率，有的已经开展Chatbot应用、智能问数，也有一些开始让Agent辅助决策。

《21世纪》：哪些应用场景有比较好的ROI表现？

刘隶放：我觉得可以反过来看这个问题。有没有可能大家都在推进AI应用，最终市场份额并没有明显变化，但如果你不做，就可能被竞争对手甩在后面？因此，ROI很多时候不一定是看能带来多少新增收入，而是看能否实现降本增效。

我们的很多客户会直接基于Cloudera现有平台构建自己的AI系统，无需重新搭建一套系统，也就不必额外投入硬件。此外，如果数据分散存储在不同系统中，还会出现对数问题，同一套数据计算出的结果不同。在我们的多模态湖仓一体平台上，企业可以实现数据的统一存储和管理，减少重复存储和对数的成本。这也是目前整个数据行业都在关注的方向。

《21世纪》：企业在部署业务Agent时，如何在敏捷性与可控性之间找到平衡？

刘隶放：我认为最重要的是先建立标准，而不是等出现问题之后再补标准。敏捷性不会因为约束而消失，事后治理才会使敏捷性消失。具体来说，有几个方面。

第一，通过标准化的数据网关控制访问数据库的权限。第二，对高风险流程，比如下订单、设计终稿等，保留人的最终审核权。第三，要建立模型或Agent开发的全链路能力，以便在模型持续迭代的过程中，能够快速完成训练和部署，并通过监控工具评估运行效果、持续优化。

《21世纪》：当前大模型迭代速度很快，企业是否有必要持续追赶最新模型？

刘隶放：这是一个特别好的问题。模型追赶是没有终点的，目前模型已经相对成熟，如果企业认为现有模型已经能够满足生产需求，就应该以稳定应用为主，没有必要一味追赶最新模型。毕竟，企业使用AI不是为了追求模型本身的先进性，而是为了解决实际业务问题。

当然，企业仍需要掌握模型训练方法，具备根据业务需求调整模型的能力。这样，当新模型确实能够带来价值时，也可以及时跟进。

《21世纪》：Cloudera提出“企业级AI已经超越仅依赖公有云的模式”。这是否意味着混合云、主权云正在成为企业级AI落地的主流路径？

刘隶放：这要看企业的业务性质和数据要求。国内云服务商的公有云框架已经非常成熟，美国三家主流云服务商也是如此。对于核心业务和用户数据保护要求相对简单的企业或应用场景，可以采用公有云。但对于我们的目标客户，如金融、制造、医疗、生物医药等行业的企业，数据使用受到较严格的法规约束，企业不能随意在公有云上进行训练。

此外，企业还会考虑长期成本。公有云前期投入较低，但随着AI应用规模扩大、调用量和使用频次增长，使用成本也会随之增长。私有化部署虽然前期硬件投入较高，但规模扩大后，长期成本会在某个阶段出现拐点。

《21世纪》：Cloudera看好中国市场哪些行业的企业级AI应用前景？接下来有何重点布局？

刘隶放：先进制造是我们非常看好的方向。我们希望打通先进制造领域从数据到AI的通道。作为一家传统的数据分析公司，我们的优势不仅在于提供AI能力，更在于以数据治理为基础，为AI提供可靠的数据底座。

目前，我们在中国重点投入两个方向，一是多模态数据解决方案，二是数据仓库和语义层建设。此外，我们还推出了Cloudera Anywhere Cloud产品，希望将云的速度和灵活性应用于企业数据。