OpenClaw智能体应用爆火，一方面催化企业用户对AI的需求，另一方面也对数据分析市场产生冲击。当数据消费对象由真实用户转向智能体应用，传统数据看板和分析工具长期生存空间正被蚕食，BI厂商将何去何从？作为深耕数据分析市场15年的BI厂商，思迈特的核心战略已从“AI for BI“坚定转向“BI for AI”，近期即将发布白泽V5企业级数据智能体新产品，涵盖逻辑数据底座、自动化指标体系、多智能体协同等能力，正以BI产品为核心，构筑AI时代新型数据底座。近期，爱分析与思迈特CEO姚诗成进行深度交流，探讨OpenClaw智能体对BI市场的影响、Palantir实战经验借鉴、AI时代数据厂商的核心壁垒等话题。
核心观点
OpenClaw是BI行业升级的催化剂。
OpenClaw爆火加速AI从聊天走向自动执行，倒逼传统BI向智能化、场景化升级。
BI的价值不会缩小，而是升级为数据底座。
AI Agent虽成为数据消费核心载体，但必须依赖BI提供可信结构化数据和指标模型。BI从前端工具升级为Agent的数据底座，成为企业数字化的核心基础设施。
爱分析：在您看来，OpenClaw这类智能体框架，对BI数据分析市场会产生哪些影响？对思迈特这样的BI厂商来说，又是什么样的影响？姚诗成：OpenClaw爆火的主要原因，是让用户觉得AI真正可以帮人去做事情，这加速了AI能力的普及。对我们来说，这是第一个整体层面的机遇：它加强了AI的普及，把ToC端的能力推到了ToB市场，催熟了客户的认知和知识普及。对数据行业来说，它加速了数据分析自动化的进程，倒逼我们传统BI厂商要从原来的报表自助，向智能化、场景化升级。对思迈特来说，我们把它当做一个行业催化剂，这是机遇。OpenClaw最近的降温，恰恰说明企业级市场需要不一样的智能体。我们思迈特过去15年在BI行业的沉淀，可以用来打造更适配大企业的企业级智能体，而不是简单跟随开源框架，这会成为我们的差异化优势。爱分析：所以在您看来，OpenClaw更多解决了ToC的需求，并不会影响ToB市场？姚诗成：我们认为ToB市场会是一个非常漫长的路。从我们思迈特三年实践来看，ToB有三个核心问题要解决。第一个是数据不准确，客户不想用；第二个是数据不安全，客户不敢用；第三个是结果输出不稳定，客户不能普及。所以ToC和ToB对最终结果的容忍度天差地别。爱分析：最近看到思迈特要发企业版大龙虾（白泽V5）。这是针对今年OpenClaw爆火的应对策略吗？还是本身就有计划？姚诗成：其实有两个原因。第一个，我们公司技术方向从2024年就已经明确，核心是BI for AI。一方面夯实BI底座，一方面在AI能力上持续创新，这是既定方向。第二个，我们对技术的研究和应用采用全球化视野。2026年初我们就推出白泽V5新产品，把当前最先进的能力快速吸收融入AI产品主线。白泽V5主要增强了React和Skill能力，跟当前流行的龙虾使用能力高度契合。爱分析：所以思迈特的战略还是BI for AI？姚诗成：非常坚定，BI for AI。这里有两个核心要素：一是AI创新能力，更贴近客户使用和结果诉求；二是BI能力，要打造更好的数据底座，保障用数的准确性和安全性。爱分析：当前有一种说法，原来的BI数据看板更多服务于人，未来很多场景服务于Agent，传统报表和BI工具的价值在降低，这跟您提到的BI for AI的趋势判断不太一样？姚诗成：我并不认同传统报表和BI价值缩小的说法。AI Agent确实可以成为数据消费的核心载体，但Agent做决策，必须依赖BI提供可信结构化的数据和指标模型。所以BI的价值不是缩小，只是发生了变化。从原来的前端工具，升级成为AI Agent的数据底座，成为企业数字化的核心基础设施。我觉得更多是价值的转变。爱分析：从AI时代数据基础设施角度，大模型会调用很多非结构化数据，接下来非结构化数据的价值会提升，您觉得未来数据基础设施应该是什么架构？姚诗成：未来的数据底座，结构化数据只是其中一部分，一定会涵盖非结构化数据。我们白泽V5新产品已经支持非结构化数据，不仅支持，还做了语料质量的梳理和保障。在数据价值呈现上，也不单单是结构化数据或报表，还会输出报告类、文档类、视频类等能力，这些我们新产品都已经具备。爱分析：所以BI未来也会把非结构化数据统一管理起来。那在您看来，它还是叫BI吗？还是一个新的定位？姚诗成：当下我们对于BI的诉求，才真正回到了BI的英文business intelligence。前几年BI更多只是数据分析工具。当前BI这个方向增强了很多功能，更丰富了BI的概念和价值。爱分析：思迈特这样的厂商，未来是主要做Agent底座，还是本身也要做应用，成为从底层到上层的全栈解决方案厂商？姚诗成：我们认为有两重角色。未来BI和报表的核心定位，就是把底层数据基础设施、数据模型、指标模型，标准化、可信地为Agent提供数据支撑，解决Agent数据口径混乱、数据不可靠的问题，成为AI时代企业数据的信任基石。思迈特采用双轨并行、双轮驱动：一方面强化BI数据底座，完善数据模型、指标体系和数据治理，为各类Agent提供支撑；另一方面直接推出端到端的企业级数据智能体解决方案。既做地基也做成品，适配不同企业需要，市场空间也更大。爱分析：BI成为AI时代的数据底座，那原先的企业数据底座，比如数仓、数据中台这些，还会存在么？姚诗成：主要还是看客户的数据结构和规模。如果数据量不大或不复杂，BI里面已经包含数据治理和数仓能力，可以统一构建。如果客户已经建好数仓和数据中台，再叠加BI和Agent能力，可以更快享受到Agent应用成果。爱分析：从客户视角，如果BI变成数据底座，采购逻辑是不是也发生了变化？比如立项、预算投入方式。姚诗成：客户的需求和投资逻辑其实一直没有变化，只是原来没有更好的选择。今天企业对BI的投资，更多从工具采购转向价值投资。原来更多是技术部门发起，现在业务部门会直接参与。客户采购的根本不是工具，而是工具到底能带来什么价值和服务。我们不再只是看技术和功能，更多是关注BI能否支撑AI落地，提升决策效率、降低成本。我们提供的新价值核心，是从数据到决策的闭环。通过指标体系叠加多智能体协同，让数据不仅仅被看到，更能被Agent自动分析和执行，实现智能问数、诊断归因等，这才是客户真正想购买的产品服务。
