2025年,随着智能体(AI Agent)成为人工智能领域的核心焦点,企业对其应用需求持续深化,但通用工具向专业决策智能体的升级面临数据基础设施的系统性挑战。火山引擎推出的多模态数据湖解决方案,通过存储、计算与管理范式的创新,为AI Agent时代构建了高效、灵活的数据基座。

 当前,数据形态正经历根本性变革。非结构化数据占比已超80%,并以每年30%-40%的速度增长,到2028年全球数据总量预计达393ZB,其中多模态数据成为主体。传统数据技术栈难以应对此类数据的异构性、时空对齐难题与高处理成本。例如,存储端面临多模态数据统一存储与高性能点查的需求,计算端需实现CPU与GPU的高效协同,而管理端需打破结构化与非结构化数据间的壁垒。

 火山引擎多模态数据湖方案以“湖存储Lance+湖计算Daft”针对性地解决了这些痛点。在存储层,Lance格式支持多模态数据列式存储,实现高压缩比与灵活Schema变更,在实际生产中,100G 的 Tensor 数据经 Lance 压缩后可降至 2G,大幅节省存储成本;同时支持冷热分层管理,显著降低存储成本。在计算层,Daft引擎基于Ray框架实现分布式扩展,原生支持多模态数据类型与GPU/CPU异构调度,并通过延迟计算技术减少不必要的IO消耗,使大规模多模态数据处理效率提升可达70%。

 该方案在实践中已取得显著成效。在自动驾驶场景中,某企业通过Daft+Lance替代传统Argo+K8S+LMDB架构,端到端处理时间缩短70%。在LLM图文混排场景中,该方案通过Row ID关联替代传统大Join操作,解决了数据处理的稳定性难题。此外,火山引擎推出的“算子广场”功能,将音频识别、视频抽帧等复杂算法封装为即插即用的算子,支持可视化拖拽编排工作流,进一步降低多模态数据开发门槛。

 面向未来,火山引擎将持续深化多模态数据湖能力,并强化与开源社区的协作。多模态数据湖正成为企业从商业智能向AI驱动决策转型的关键基础设施,助力包含Data Agent在内的Agentic AI、具身智能等前沿场景落地。随着Data+AI的深度交织,火山引擎通过新一代数据基建设施,为千行百业的智能化升级注入持续动力。