AI时代，只有NoETL是不够的

推荐语

AI时代数据管理新范式，NoETL已不能满足全方位需求，数据编织架构成为新宠。

核心内容：
1. AI时代对数据的新要求：语义理解、动态治理、上下文感知
2. NoETL的能力边界：缺乏元数据统一视图、治理能力、AI原生能力
3. 数据编织Data Fabric：AI时代的数据基础设施，提供全链条能力

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

AI时代，只有NoETL是不够的 —— 数据管理的新范式呼唤数据编织架构。

在AI时代，数据已成为驱动智能的核心燃料。为了更快地从数据中获取洞察，NoETL（NoExtract, Transform, Load）作为一种新兴的数据集成理念，强调通过数据虚拟化技术实现“即连即用”、减少数据复制、提升数据访问效率。然而，NoETL虽然突破了传统ETL在数据集成上的部分限制，却远远不能满足AI对数据管理的全方位要求。

一、AI时代对数据的新要求

人工智能系统，尤其是大模型，需要的不仅是原始数据的访问能力，更需要高质量、语义清晰、上下文关联的数据资产。这就引出了AI时代对数据提出的五个核心要求：

l 语义理解与统一： 数据需具备统一的业务语义，以便AI理解、归一和推理。

l 动态治理与质量保障： 数据需有实时的数据质量评估和治理机制，保障训练与推理的可信性。

l 上下文感知与关系建模： 数据之间的关联需被显式表达，以便AI建立因果关系和知识链条。

l 实时性与灵活接入： 数据需具备低延迟、高并发的访问能力，应对AI系统对数据实时性的需求。

l 安全合规与权限细粒度控制： AI系统需要处理高度敏感的业务数据，权限管理必须严格而灵活。

NoETL仅解决了“如何访问”的问题，而对于“访问的数据是否有意义、是否可信、是否能够推理、是否能够组合”等问题，NoETL并无能力回应。

二、NoETL的能力边界

NoETL典型代表如Trino、Presto等查询引擎，可以实现跨源查询、逻辑整合，却存在以下显著不足：

l 缺乏元数据统一视图： 不支持自动感知数据结构、字段含义与业务语义。

l 无法支撑知识驱动的数据访问： 查询需要手动编写，无知识图谱支撑的问题导向问答。

l 治理能力缺失： 对数据质量、敏感信息识别、数据血缘等缺乏内建支持。

l 权限管理粗粒度： 难以应对复杂企业环境下的细粒度权限控制和动态授权。

l 缺乏AI原生能力： 没有嵌入式支持AI Agent或大模型调用能力，不能主动发现数据洞察。

三、数据编织Data Fabric：AI时代的数据基础设施

数据编织（DataFabric）作为一种新一代数据管理架构，正好弥补了NoETL的不足，提供从“访问”到“理解”、“治理”、“融合”的全链条能力：

l 内置语义融合与知识图谱： 将元数据、业务词汇、属性词汇统一建模，实现语义级数据访问。

l 主动式AI中枢： 支持大模型/智能体接入，具备自动问数、数据洞察、图谱推理等能力。

l 智能治理引擎： 实时感知数据质量、字段敏感性、生命周期等，并自动推荐处理策略。

l 逻辑集成与物理集成统一： 结合NoETL的虚拟集成和ETL的数据入湖，实现混合场景支持。

l 一体化安全与策略引擎： 支持细粒度数据权限、政策合规、动态审计等企业级安全需求。

四、结语：NoETL+ Data Fabric，才是AI数据的全栈解决方案

在AI浪潮席卷的今天，企业若只停留在NoETL阶段，等同于“仅打开了数据之门，却没有点亮数据之灯”。真正让数据成为AI资产的，不是“连接”，而是“理解与治理”。只有将NoETL能力纳入更大范畴的数据编织架构，以语义驱动、智能协同、全局可控为核心理念，才能真正让AI走进企业、落地产业、释放价值。