腾讯云发布一站式多模态数据处理与训推方案，助力Physical AI释放生产力

10月30日，在2026腾讯全球数字生态大会大数据专场上，腾讯云发布一体化多模态数据处理与模型训推方案，面向具身智能、自动驾驶等Physical AI场景，贯通数据处理、模型训练、推理与仿真验证全流程，加速释放AI生产力。

会上，腾讯云还披露了数据智能体工作台DataBuddy的行业落地进展。在金融、零售、教育等领域，企业正借助DataBuddy开展数据开发、治理和分析，让更多业务人员通过自然语言获取数据洞察。

腾讯云副总裁黄世飞表示，随着Agent成为数据平台的新用户，企业数据的使用方式和计算负载正在发生变化。面向Agent时代，数据平台需要准确理解业务、支持任务受控执行，并高效承载多模态数据处理、模型训练与推理。

(腾讯云副总裁黄世飞发表主题演讲)

打通数据处理与模型训推，加速Physical AI研发

具身智能、自动驾驶等Physical AI应用，需要处理大量视频、传感器等多模态数据，并通过模型训练和仿真验证不断迭代。过去，这些任务往往分散在多套工具中，数据重复准备、开发协作和资产复用面临挑战。

针对这些需求，腾讯云通过DataBuddy工作流和数据湖计算AI DLC，提供一体化多模态数据处理与模型训推方案，将数据管理、开发编排和模型任务整合到同一平台，贯通数据处理、模型训练、推理与仿真验证。

平台通过Xpark、Meson多模态数据清洗、质检、标注和样本准备；TCRay提供分布式训练与推理能力，TCLake统一管理数据和AI资产。验证中发现的问题可以回流至数据准备环节，用于下一轮模型迭代。

通过统一管理多模态数据、结构化数据及AI资产，企业可以减少数据重复准备和工具切换。相关方案将数据准备周期从15天缩短至2天，GPU利用率提升接近200%，单卡日均成本降低35%。无问智科、卓驭科技和媲美科技等企业已使用相关方案。

在生命科学领域，百图生科基于腾讯云EMR DIaaS平台与TCRay，开展多组学数据处理、分布式训练与推理，支撑虚拟细胞系统研发。研究人员可以模拟细胞受到不同干预后的变化，为靶点发现、药物设计等研究筛选更有价值的实验方向。

在圆桌环节，腾讯云介绍了具身智能与智能驾驶领域的实践进展，并将过去一年服务数十家客户的工程实践经验沉淀为多模态AI数据湖TCLake，宣布将推出TCLake格物（XPhysis）平台，覆盖物理AI工程全链路。

DataBuddy深入企业业务，让Agent用好数据

一站式打通数据到仿真之外，数据智能体正从探索走向规模化应用。赛迪顾问《2026中国Data Agent市场研究报告》显示，2026年上半年，互联网、金融行业分别占中国Data Agent市场份额的22.4%和16.9%。其中，数据分析智能体是规模化落地较为成熟的品类，数据治理智能体也在加速发展。

在沙利文《2026年中国企业级数据分析智能体市场研究》中，腾讯云DataBuddy获平台型数据分析Agent厂商综合第一；在赛迪顾问2026H1中国DataAgent市场厂商竞争力象限分析图中，腾讯云DataBuddy位列第一。

针对企业数据分散、业务口径复杂等问题，腾讯云DataBuddy通过分析、工程、治理等智能体协同，参与数据接入、开发、治理和分析，让Agent理解业务规则，帮助员工通过自然语言获取数据洞察。TCDataAgent-AVA面向复杂查询、检索及运维等场景，与DataBuddy、WorkBuddy协同。

在教育领域，九学王借助DataBuddy辅助数据接入、建模和治理，项目从验证到生产用时三周，运营人员无需编写SQL，即可自助取数。

九学王还梳理了教材、章节、知识点、题目等数据之间的关系，统一业务口径。在一次问数测试中，引入语义层后，准确率从83.5%提升至95.9%以上。

对于已有数据平台和业务应用的企业，DataBuddy可以直连既有数据，并将分析能力嵌入原有应用。在华莱士的选品场景中，业务人员在熟悉的工作入口即可获得选品建议，选品耗时从两小时缩短至30分钟，推荐命中率达到60%以上。

DataBuddy还发布私有化方案，满足金融、政务等行业的数据安全需求。在某头部寿险公司的经营分析实践中，智能问数的答案可信度从不足70%提升至98%以上。基于DataBuddy打造的面向金融Agent的数据平台解决方案，还获得了2026“金科新区”金融应用场景大赛的探索实践奖。

除了数据智能体、Physical AI等新兴场景，腾讯云还以DataBuddy和AI原生数据平台构建统一的AI数据基础设施，支持企业在全球化、融合创新等复杂交付场景中，延续已有数据架构，平滑接入AI能力。

在海外，印尼某头部运营商通过腾讯云整合数据平台，性能提升14%，资源单核成本降低超60%。