快手Data Agent周活破万，大厂竞赛进入“兑现期”：规模化与质量成胜负手

一个Agent（智能体）跑通Demo（样本）不难，难的是“多少人在用、用得多频繁、用出了什么结果”三件事。9月19日，快手技术沙龙上，快手平台产品技术中心负责人张蕤在开场时给出判断：过去两年，行业热衷于比拼模型参数、演示效果、Demo惊艳度；而现在，竞赛的标尺正在被替换为上述三个更残酷的指标。

《每日经济新闻》记者现场注意到，快手给出的数据显示，其Data Agent（数据智能体）整体WAU（周活跃用户数）超过10600，周人均对话55次，单次任务提效中位数13倍。

而在“兑现期”到来前，快手高层已经定调。快手2025年报电话会上，快手创始人兼首席执行官程一笑明确将“Agent能力”列为2026年重点投入方向之一。这意味着，Agent在快手内部不是一项试验性技术，而是与大模型战略并线推进的核心战略。

图片来源：阿里云官网

就在前不久，阿里云拿下IDC（国际数据公司）中国Data Agent头名。此次评估有18家厂商入选，最终仅4家进入领导者象限，竞争门槛明显较2025年提高。字节跳动旗下火山引擎Data Agent在抖音集团内部取得初步PMF（产品市场契合），并在销售场景中落地。

Data Agent的竞争逻辑已经发生根本性切换。参数竞赛结束了，“兑现期”要开始了。

一年即迭代 快手要做统一的Data Agent

事实上，Data Agent是借助AI（人工智能）智能体技术将数据集成、治理、分析和业务决策串联为自动化闭环的新一代数据智能范式。换言之，就是让一个懂数据的AI员工跑通“找数—洗数—算数—看数—拍板”整条链路，人类只需要定目标、把关关键节点。

IDC预测，到2028年，60%的中国500强企业将部署企业级Data Agent。张蕤在演讲中反复强调一个判断，Data Agent的核心目标不是“能做多少事”，而是“泛化能力和准确性同时提升”。

但这条路并不平坦。

每经记者了解到，快手Data Agent的演进节奏很紧凑：2025年主要以Workflow（固定工作流）方式探索，沉淀第一版知识体系；2025年底转向“Agentic+Skill”（自主智能体模式+技能包）架构，解决Workflow“能力分散、流程固化”的痼疾；2026年第一季度完成生产和分析两个场景的Agentic应用落地。从Workflow到Agentic，耗时一年左右。

图片来源：每经记者 王郁彪 摄

不过，真正构成壁垒的不是架构选择，而是质量基础设施的厚度。据张蕤介绍，快手在上线前设置了评测准入卡口，累计评测60万条数据，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迭代，都要在数万条真实业务问题的回归测试中存活下来。

在诊断环节，快手提供了三层能力。其中，Trace（全链路追踪）平台做全链路请求还原，浏览器插件支持问题复现，内置智能诊断Agent实现一键排查，形成“发现—复现—诊断—修复—经验沉淀”的闭环。

张蕤在接受现场采访时透露，跨Agent的访问需求“非常普遍”，电商、商业化、生活服务的数据经常交织，“这也是为什么要做统一的Data Agent”。快手最终采用父子Agent架构，即子Agent保持业务专注，父Agent统一入口做路由，当前路由准确率达到95%。

更深层的变化则发生在组织层面。张蕤提到，数据平台内部的DE（数据工程师）和BPM（业务产品经理）边界正在模糊，两者融合为“数据FDE”，单人即可完成需求对接、数据建模和全链路交付。

研发团队则从产品、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接管了标准化的取数和分析动作，剩余人力向端到端复合角色集中的趋势，比任何效率数字都更具长期含义。

Data Agent路径分野：交付效率定座次、交付能力定终局

快手不是孤例，Data Agent的竞赛正在以不同的路径同时展开。字节、阿里、腾讯等大厂都在用各自的方式，探寻这场竞赛的胜负手。

阿里云的答案是全栈能力和规模化交付。每经记者了解到，阿里云的战略部署并非单一产品突进，而是将AI Agent能力嵌入数据库、数据中台等核心产品线，形成端到端的全栈覆盖。其自2025年初起即为汽车、互联网金融、零售等客户搭建Agent数据流程。

字节的路径是内部跑通再外化。火山引擎Data Agent从2023年立项，现已落地销售场景。据公开信息，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的瓶颈不在于“答不出”，而在于“准不准、可不可溯源”。怎么理解？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会直接给出数字，但数据来源、口径无从核验。腾讯要解决的就是这个问题——做法是搭建一张“语义图谱”，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，“记忆不宜过重，否则会混淆昨天和今天”。这句话也点出了一个容易被忽视的问题，Agent不是记得越多越好。腾讯选择让记忆“有选择地记住”，而不是“什么都记住”。

从多家大厂的布局思路来看，Data Agent的竞争重心已经生变。以前比谁的模型更强，现在比的是谁的知识层更准、交付链路更短、组织适配更快。技术本身不再是门槛，能不能把技术变成日常可用的东西，可能才是真正的分水岭。