写方案、做分析、整理报表，越来越多工作让人想先问一句：“这活能不能交给WorkBuddy？”当Agent开始接手具体任务，一个更实际的问题也随之而来：想让它看懂生意，就得给它订单、财务和客户资料；可这些企业的“家底”，该怎么交、交多少、谁能用？
一面是希望Agent深入业务，一面是不能轻易放开核心数据。如何在两者之间建立可控的连接，正在成为智能体进入生产现场的关键。当越来越多的数据调用与处理交给能够自主执行任务的智能体，企业的数据底座应该如何变化？
在2026数据存储产业大会上，浪潮信息存储产品部总经理杨海军围绕“护航Agent规模化落地，筑牢AI数据安全底座”分享了浪潮信息的思考，并在媒体专访中进一步解释了Agent DataSpace存储方案的设计逻辑：为数字员工建立专属的工作环境，让企业存量数据能够安全使用，让运行过程能够管理，让产生的知识与成果能够持续积累。
从回答问题到持续工作，数据底座面临新要求
过去，企业评估AI能力，往往先看模型效果和算力配置。进入Agent场景后，一次任务可能涉及多轮对话、工具调用、数据检索与结果修正，背后需要计算、存储、网络和管理软件持续协作。
杨海军在演讲中指出，基础设施需要转向CPU与GPU协同的架构：GPU承担模型推理、持续产出Token，CPU支撑Agent运行、调度与工具执行，存储则向全业务域延伸，为智能体提供专属数据环境。
存储面临的变化尤其直接。
首先，访问方式变了。Agent可能反复读取业务数据、频繁操作小文件，并在执行过程中写入不同版本的结果。随着多个Agent并发工作，数据供给速度、元数据管理和并发承载能力，都需要重新审视。
其次，数据范围扩大了。除了模型权重和训练语料，推理上下文缓存、长期记忆、知识库以及任务产出，都进入了企业需要管理的数据范围。
更深一层的变化，是数据开始持续影响Agent的工作能力。企业希望它记住业务背景、理解岗位需求、复用已有经验，这些能力需要稳定的数据承载与明确的使用规则。
因此，Agent基础设施的建设目标，也从支撑一次任务执行，延伸到保障长期运行。数据是否拿得到、访问是否有边界、结果是否留得住，都成为Agent应用落地过程中的实际问题。
给数字员工一个工作空间，先把用数边界划清
企业并不缺数据，难的是让Agent在合适的权限下使用正确的数据。
采访中，杨海军谈到一个十分常见的现象：IT部门负责管理数据，业务部门理解字段和数值的含义，但两者之间仍存在距离。数据存下来了，并不意味着已经成为Agent可以理解和使用的业务知识。
与此同时，让智能体直接接触生产库，也会扩大误操作的影响范围。企业需要一种方式，既能供给业务数据，又能保护正在运行的生产系统。
浪潮信息的思路是，为Agent建立专属数据空间。这与该公司早前提出的Humagent理念相互呼应。Human与Agent共同参与工作，意味着企业需要像管理员工一样，为数字员工明确身份、岗位、权限和行为规范。落实到数据层，就需要给它配置相应的工作环境。
“Agent DataSpace存储方案给数据一个独立工作环境。”杨海军在采访中用新员工入职作类比：员工需要办公设备、访问权限和操作流程，Agent同样需要明确可以使用什么数据、在什么范围内执行任务。
具体来看，方案由三个核心模块组成：数据库沙箱负责安全隔离与数据供给，让Agent有数可用；智能数据底座负责数据访问与推理加速，让Agent高效运行；数据保险箱负责备份、回滚与资产保护，让重要知识和成果能够留存。三个模块协同，覆盖Agent用数、运行和成果沉淀的全过程。
其中，数据库沙箱承担数据供给与隔离的职责。通过快照、克隆、镜像与复制等机制，为生产数据生成供Agent使用的独立副本，让查询、分析和试错在隔离环境内进行。
面向这一需求，浪潮信息推出HF6000/5000G7数据库沙箱产品。产品支持秒级生成独立数据库镜像，并提供同步、周期异步、无周期异步等复制方式，以适应不同任务对数据时效性的要求。
这一设计回应了企业最直接的顾虑：可以让Agent接触业务数据，同时限制它对生产系统的影响。
而在杨海军看来，专属数据空间还需要延续性。“用完之后核心资产还可以保护和保留”，这是他在解释Agent DataSpace整体价值时强调的一点。Agent的一次任务可以结束，企业积累的知识和成果却需要留下来。
数据供得上，也要让Agent跑得稳、用得起
解决数据供给之后，规模化运行又带来新的压力：上下文越来越长，并发任务越来越多，缓存、记忆与模型数据都需要快速访问。
如果相同内容反复加载、相同上下文反复计算，资源消耗便会随着任务持续叠加。企业关心的成本，也因此从采购设备延伸到每一次任务的执行过程。
方案中的第二个模块，是以A9000系列为代表的AI数据平台，承担智能数据底座的角色。它面向模型权重、KV Cache、Agent Memory以及训练和推理数据，提供统一承载与访问能力。
KV Cache保存推理过程中可复用的计算中间结果。随着长上下文和多并发需求增加，如何在显存容量、访问速度与存储成本之间取得平衡，成为平台设计的重要问题。
杨海军在采访中解释，A9000希望通过一套系统兼顾高性能层与容量层，在企业自建Agent基础设施场景下支持缓存复用、数据共享和持续记忆。对应到产品能力，则包括KV Cache卸载、持久化与跨节点共享，以及多Agent、多租户之间的权限隔离和操作审计。
这意味着，共享和隔离需要同时成立：能够复用的数据应减少重复准备，属于特定岗位或任务的数据则必须保留访问边界。
Token成本的管理也与此相关。Agent DataSpace通过数据前置治理与按需供给，减少无效内容进入上下文，并通过缓存复用减少重复计算；数据回滚则帮助恢复受保护的数据副本，降低试错后的数据恢复与重建开销。
这些措施把成本控制推进到了数据使用环节。企业既要关注Token的供给价格，也要关注每项任务为什么消耗这些Token、哪些消耗可以减少。
从保存结果到积累资产，备份承担新的职责
Agent持续工作，还会产生另一类容易被忽视的数据：企业与智能体共同创造的新资产。
研发代码、分析报告、任务记忆、知识库，以及经过多次修订的业务结论，都可能在下一次任务中继续发挥作用。企业需要判断哪些值得保留、哪个版本可信、哪些可以共享，以及出现错误时如何恢复。
方案的第三个模块——以DB2000G7备份一体机为载体的数据保险箱——正是围绕这一需求展开。它通过副本管理、快照、回滚和多层保护能力，支撑Agent数据从创建、使用到保护、归档的生命周期管理。其中既包括为任务提供可用副本，也包括保留重要过程数据和推理产出。
杨海军强调，Agent生成的最新版本，不一定就是企业真正需要保留的版本。用户可能否定一次修改，要求回到此前的结论；企业也可能需要追溯某项判断依据了哪些数据、经历过什么调整。
“数据生命周期管理和版本管理同等重要。”他说。
浪潮信息内部的研发实践提供了一个具体切面。据杨海军介绍，员工与Agent共同生成的代码，需要经过专门的Agent进行安全审查，发现风险后修改，再进入代码库；与此同时，员工和Agent的访问仍受权限约束。
这一流程将产出、审查、权限和资产管理连接起来。代码生成只是其中一步，经过检查并纳入管理，成果才能成为后续工作可以使用的企业资产。
同样，数据回滚解决的是恢复问题，任务审批和结果校验仍需要相应的治理机制。数据底座与上层管理配合，才能让Agent的试错过程更可控。
从内部试用到组织推广，规模化需要共同建设
为什么浪潮信息选择从数据空间切入Agent落地？一个重要原因，是这些问题也出现在自身的使用过程中。
据杨海军在演讲中介绍，浪潮信息内部的企业级Agent基础设施已支撑7000余名用户、41个业务部门使用，覆盖研发、办公等场景。
在这套体系中，EPAI承担Agent开发与测评，元脑Humagent管理平台负责多Agent权限和行为管理，AIStation提供模型、算力与Token运营服务，InManage承担全局运维与管控。底层则由Agent主机、Token引擎、存储和网络协同支撑。
这些组件最终落在具体工作中。杨海军在采访中提到，员工利用平台开发多语言翻译工具，用Agent辅助标书分析与检查，也将其用于文档生成、财务分析和市场洞察。
推广过程同样伴随着调整。公司先在部分团队开展 Web Agent 试点，根据试用反馈完善平台，逐步扩大应用范围。员工通过浏览器登录工作台后，可在授权范围内选择智能体并提交任务。企业统一部署智能体运行环境，负责模型服务接入和访问权限管理，员工无需在个人电脑上单独安装和配置相关工具，从而降低了智能体的使用门槛。
对员工而言，变化体现在使用更方便；对企业而言，背后则是身份、资源和数据被纳入统一管理。
这也解释了杨海军为何反复强调，企业部署Agent需要业务部门、IT部门和CIO共同参与。试点开始之前，就应明确数据从哪里来、权限到哪里为止、谁来审核结果，以及经验如何沉淀。
“做得好，向不同领域扩展，这是一个持续的过程。”他在采访中说。
从这一视角看，Agent DataSpace的价值，在于把存储的可靠性、隔离、共享、备份与恢复能力，组织成面向智能体工作流程的数据支撑体系。它为上层应用提供条件，也需要与业务规则、组织管理和生态能力共同发挥作用。
Agent越深入生产现场，企业越需要回答一个具体问题：哪些数据可以交给它，交出去之后如何管理，完成任务之后又留下什么。
浪潮信息以专属数据空间回应这一问题，也为企业存储打开了新的价值空间——让已有数据能够安全使用，让运行过程有据可查，让人与Agent共同创造的成果，持续成为企业的积累。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表