快手Data Agent周活破万，大厂竞赛步入“兑现期”：规模化与质量成制胜关键

在智能体（Agent）领域，打造一个能够成功运行Demo（样本）并非难事，真正具有挑战性的在于“用户规模、使用频率以及应用成效”这三个关键维度。9月19日，在快手举办的技术沙龙活动中，快手平台产品技术中心负责人张蕤在开场时明确指出：过去两年间，行业内热衷于在模型参数、演示效果以及Demo的惊艳程度上展开激烈竞争；然而当下，竞赛的衡量标准正逐渐转变为上述三个更为严苛的指标。

据《每日经济新闻》记者在现场的观察，快手公布的数据显示，其Data Agent（数据智能体）的整体WAU（周活跃用户数）已突破10600大关，周人均对话次数高达55次，在单次任务提效方面，中位数达到了13倍之多。

在“兑现期”来临之前，快手高层便已明确战略方向。在快手2025年报电话会议上，快手创始人兼首席执行官程一笑郑重地将“Agent能力”列为2026年的重点投入方向之一。这一举措充分表明，Agent在快手内部并非是一项试验性的技术探索，而是与大模型战略并行推进的核心战略布局。

图片来源：阿里云官网

近期，Data Agent领域的竞争态势愈发激烈。就在不久前，阿里云在IDC（国际数据公司）中国Data Agent评选中脱颖而出，荣登榜首。此次评估共有18家厂商参与角逐，最终仅有4家成功跻身领导者象限，竞争门槛相较于2025年显著提高。与此同时，字节跳动旗下的火山引擎Data Agent在抖音集团内部初步实现了PMF（产品市场契合），并在销售场景中成功落地应用。

由此可见，Data Agent的竞争逻辑已发生了根本性的转变。曾经盛行的参数竞赛已逐渐落幕，“兑现期”的大幕正缓缓拉开。

一年实现迭代升级 快手致力于打造统一的Data Agent

实际上，Data Agent是借助AI（人工智能）智能体技术，将数据集成、治理、分析以及业务决策等环节有机串联，形成一个自动化闭环的新一代数据智能模式。简单来说，就是让一个精通数据的AI“员工”能够独立完成“找数—洗数—算数—看数—决策”的整个流程，而人类只需负责设定目标以及把控关键节点。

IDC预测，到2028年，将有60%的中国500强企业部署企业级Data Agent。张蕤在演讲中多次强调一个重要观点：Data Agent的核心目标并非在于“能够完成多少任务”，而是要实现“泛化能力和准确性的同步提升”。

然而，实现这一目标并非一帆风顺，前方的道路充满了挑战。

据《每日经济新闻》记者了解，快手Data Agent的演进节奏十分紧凑。在2025年，主要采用Workflow（固定工作流）的方式进行探索，并沉淀形成了第一版知识体系；到了2025年底，转向“Agentic + Skill”（自主智能体模式 + 技能包）架构，成功解决了Workflow存在的“能力分散、流程固化”等长期困扰的问题；2026年第一季度，顺利完成了生产和分析两个场景的Agentic应用落地。从Workflow到Agentic的转变，仅用了一年左右的时间。

图片来源：每经记者 王郁彪 摄

不过，真正构成行业壁垒的并非是架构的选择，而是质量基础设施的雄厚程度。据张蕤介绍，快手在Data Agent上线前设置了严格的评测准入卡口，累计评测数据高达60万条，评测任务超过1万个，上线准入门槛设定为80%。这意味着每一个功能的迭代，都必须在数万条真实业务问题的回归测试中经受住考验，才能得以推出。

在诊断环节，快手提供了三层强大的能力支持。其中，Trace（全链路追踪）平台能够对全链路请求进行精准还原，浏览器插件可辅助问题复现，内置智能诊断Agent能够实现一键排查，从而形成了一个“发现—复现—诊断—修复—经验沉淀”的完整闭环。

张蕤在接受现场采访时透露，跨Agent的访问需求极为普遍。在电商、商业化、生活服务等领域，数据常常相互交织。这也是快手致力于打造统一的Data Agent的重要原因。最终，快手采用了父子Agent架构，即子Agent专注于特定业务，父Agent作为统一入口进行路由分配，目前路由准确率已达到95%。

更深层次的变化还体现在组织层面。张蕤提到，数据平台内部的数据工程师（DE）和业务产品经理（BPM）的职责边界正在逐渐模糊，二者融合形成了“数据FDE”，使得单人即可完成需求对接、数据建模以及全链路交付等工作。

研发团队也正从传统的产品、设计、前后端QA（测试质量保障工程师）向PDE（产品设计工程师）和全栈工程师方向转型。当Agent承担了标准化的取数和分析任务后，剩余的人力资源向端到端复合角色集中的趋势愈发明显，这一变化比任何效率数字都更具深远的长期意义。

Data Agent路径分化：交付效率决定排名、交付能力决定最终结局

快手并非个例，Data Agent的竞赛正以多种不同的路径同时推进。字节、阿里、腾讯等互联网大厂都在凭借各自的方式，探寻在这场竞赛中取得胜利的关键因素。

阿里云的策略是注重全栈能力和规模化交付。据《每日经济新闻》记者了解，阿里云的战略部署并非局限于单一产品的突破，而是将AI Agent能力深度嵌入数据库、数据中台等核心产品线，实现了端到端的全栈覆盖。自2025年初起，阿里云便开始为汽车、互联网金融、零售等行业的客户搭建Agent数据流程。

字节跳动的路径则是先在内部实现跑通，再逐步向外推广。火山引擎Data Agent自2023年立项以来，已在销售场景中成功落地。据公开信息显示，其能力已覆盖10类岗位角色、36类工作任务。

腾讯则选择了从知识工程的更底层切入。腾讯PCG大数据平台部Agent工程负责人王思懿在快手技术沙龙上介绍，腾讯“灯塔AI”的核心判断是，Data Agent的发展瓶颈不在于“无法给出答案”，而在于“答案的准确性和可溯源性”。以查询“华东上个月净销售额扣减了哪些退款”为例，缺乏知识底座的Agent可能会直接给出一个数字，但对于数据来源和口径却无法进行核验。腾讯要解决的就是这一问题，其做法是搭建一张“语义图谱”，确保每个答案都能追溯到“这个指标定义在哪个表、这个口径来自哪个图卡”。

王思懿坦言，“记忆并非越多越好，否则容易混淆过去和现在”。这句话也点出了一个容易被忽视的问题，即Agent并非记忆量越大就越好。腾讯选择让记忆“有选择地保留”，而不是“盲目地全部记住”。

从多家大厂的布局思路来看，Data Agent的竞争重心已经发生了转变。过去比拼的是谁的模型更强大，如今比拼的则是谁的知识层更精准、交付链路更短、组织适配更快。技术本身已不再是难以跨越的门槛，能否将技术转化为日常可用的实用工具，或许才是真正的分水岭所在。