AIGC 正在以前所未有的速度重塑技术与产业。从通用大模型到垂直模型，从内容生成到智能体应用，模型能力的跃迁不断刷新行业想象力。模型参数更大、推理能力更强、多模态更丰富，但一个现实问题正在被越来越多开发者与企业反复讨论：当模型能力逐渐趋同，AI 的长期竞争力，究竟由什么决定？
在刚刚召开的 2026 AIGC 开发者大会 上，杭州仓颉智能科技产业有限公司的CEO张小博参与本次大会，与行业共同探讨一个我们长期关注、也正在投入实践的核心判断：数据，正在成为 AI 时代最关键、也是最容易被忽视的基础设施。
1. 从“模型可用”到“产业可落地”，差距在哪里？
过去两年，AI 行业的关注点高度集中在模型层，谁的模型参数更多，谁的生成效果更好，谁的多模态能力更强，但在真实产业场景中，我们看到的却是另一幅图景：模型能力并不是落地的最大瓶颈，数据才是。在制造业、机器人、具身智能、自动驾驶等领域，模型能否真正“跑起来”，往往取决于是否拥有足够贴近真实世界的高质量数据，数据是否具备明确的任务结构与工程标准，数据能否持续生产、反复利用，而非一次性消耗。这也是为什么，AI 正在从“模型中心”逐步转向“数据中心”的阶段。
2. 仓颉智能的选择：把“数据”当作第一性问题
作为一家以 “数据要素 × AI 应用” 为核心定位的科技公司，仓颉智能从成立之初就选择了一条相对“慢”、但更贴近产业本质的路径：先解决数据问题，再谈模型规模与应用爆发。
我们关注的不是“有没有模型可用”，而是有没有可规模化生产的数据体系，数据是否能直接服务模型训练与应用落地，数据能否沉淀为长期可复用的数据资产。围绕这一逻辑，公司持续投入于复杂场景数据构建、多模态数据工程、具身智能与制造业相关数据体系建设，试图为 AI 从实验室走向真实产业，提供更稳固的底座。
3. 为什么说，AI 的护城河正在回到“数据工程”？
在与大量企业和开发者的交流中，我们越来越清晰地感受到一个趋势：未来拉开 AI 企业差距的，不是谁先用上了大模型，而是谁先建立起自己的数据能力。
真正有价值的数据，并不只是“多”，而在于是否具备面向具体任务与场景的结构化设计，可验证、可迭代的数据质量体系，能与模型训练、推理、应用形成闭环的数据生产机制。当数据具备工程属性与资产属性，模型能力才有持续进化的空间。
4. 大会深度对话：四大议题的行业共识与实践路径
大会召开期间，我们在 AIGC 开发者大会上，与更多同行围绕以下议题展开交流：
- 大模型之后，企业如何构建自己的数据护城河？
- 垂直领域与具身智能，对数据提出了哪些新要求？
- 数据如何从“成本项”转变为“长期资产”？
- 数据、模型与真实业务，如何形成正向飞轮？
这些问题，正是杭州仓颉当前正在实践、也希望与行业共同探索的方向。
5. AI 的下半场，从数据开始
当模型逐渐标准化、算力逐步普惠，AI 的竞争逻辑正在发生根本变化。真正决定 AI 能走多远的，不再只是模型能力，而是是否拥有理解真实世界、持续生产高质量数据的能力。也正因如此，本次 AIGC 开发者大会，对我们而言不仅是一场技术盛会，更是一场关于 AI 未来基础设施的集体讨论。期待在大会现场，与更多开发者、研究者与产业实践者交流，也期待让“数据”在 AI 时代，回到它应有的位置。
