AI Data Platform
Oracle AI 数据平台统一您的企业数据，创建并应用 AI 准确行动所需的业务上下文，并部署智能体来自动化各项职能部门的工作流、决策和流程，实现企业级规模化应用。这是一个端到端平台，具备受治理的数据基础和嵌入式智能。
Oracle AI Data Platform 的新增功能
-
ISG AI 和 Data Platform 购买指南™ 2026
《购买指南》重点介绍了 AI、数据管理、部署能力等领域的知名提供商。立即阅读，了解 Oracle 为何被评为“整体领导者”。
-
构建真正服务于业务的 AI
AI 的表现取决于其基础。了解 Oracle AI Data Platform 如何提供可信且受治理的环境，帮助大规模构建准确的 AI。
-
Enterprise AI 帮助金融服务公司实现回报的 3 种方式
了解 Oracle AI Data Platform 如何帮助金融服务公司统一可信数据、应用行业模型，并将 AI 嵌入核心工作流，从而使团队能够更快地根据洞察采取行动。
-
Oracle AI Data Platform 可为您的业务带来的 5 种优势
了解 Oracle AI Data Platform 可通过哪五种关键方式革新您的企业数据和 AI 举措。
Oracle AI World：探索 AI 的未来
感谢您参加在 Las Vegas 举办的 Oracle AI World。在 11 月 25 日之前，您可以通过直播观看主题演讲、产品亮点和 Oracle TV，以及学习课程。探索下一波 AI 创新浪潮。
为何选择 Oracle AI Data Platform？
企业 AI 的成功取决于以下三者的结合：企业信任的数据、反映企业实际运营方式的情境，以及嵌入决策场景中的智能。
-
可信赖的企业数据
Enterprise AI 的可靠性取决于其背后的数据。Oracle AI Data Platform 可将您的各个业务系统（包括 Oracle Fusion Cloud ERP、SCM、HCM、客户体验 (CX) 以及非 Oracle 数据源）中的结构化和非结构化数据整合到统一基础上。数据可保持安全并满足您的合规性要求，既可在原位访问，也可通过可信且可跟踪沿袭的管道进行移动，从而让 AI 基于完整、准确的信息（而非碎片化副本）运行。
-
深层业务语义
AI 模型能够理解语言，但它们并不天然了解您的业务。Oracle AI Data Platform 可对定义企业在财务、供应链、人力资源和客户运营方面运营方式的指标、关系、领域逻辑和流程上下文进行编码。基于此语义层构建的智能体和分析可以用您的业务语言进行推理，并生成一致、可解释且受到决策人员信任的输出。
-
AI 在工作流程中的应用
AI 只有在付诸行动时才会创造价值。Oracle AI Data Platform 将智能体和智能直接嵌入到制定决策的业务工作流中 — 包括 Oracle Applications 内部以及第三方运营系统。嵌入式 AI 可呈现建议、优化审批，并在能够改变结果的关键节点推动行动。
AI Data Platform 客户成功案例
-
都柏林大学学院旨在利用 Oracle AI Data Platform 改善慢性病护理
都柏林大学学院 (UCD) 临床研究中心通过 Oracle AI Data Platform 变革呼吸系统护理，将非结构化临床数据转化为富有实用价值的全方位洞察。通过结合合成数据集和开放数据集，该中心构建了一个研究分析工具，以支持慢性疾病研究和数据分析。
-
Clopay 利用 Oracle AI Data Platform 推动制造业务取得成功
Clopay® 车库门公司利用 Oracle AI Data Platform 改变其理解客户需求和服务客户的方式。面对产品线中数百万个独特 SKU，Clopay 用 AI 赋能的洞察取代了手动电子表格分析，准确预测经销商流失情况，并在趋势显现前发现端倪，从而推动提升业务绩效、优化决策及改善盈利能力。
了解 Oracle AI Data Platform
AI 数据平台智能体
构建、部署和治理企业级智能体及其所需数据。AI 数据平台的集成工作台为开发人员和领域专家提供可视化和基于代码的方式，用于创建智能体工作流并将其投入生产。
- 以可视化方式或代码方式构建
在通用环境中使用可视化画布、Python、笔记本和开放式开发框架。 - 连接企业上下文和工具
为智能体提供对企业数据、知识、模型、API、MCP 服务器和可重用工具的受治理访问权限。 - 通过控制进行测试和部署
在集成式演练环境中评估每个步骤，并在托管式 AI 计算资源上部署，同时提供身份、访问控制、跟踪和可观测性。
AI 数据平台中的湖仓功能
将结构化、半结构化和非结构化数据汇聚到一个完整的湖仓中—可在数据所在位置直接访问，也可迁移到湖仓，而无需不必要的复制。将原始数据转化为可信的 AI 就绪信息，用于分析、机器学习和 AI 代理。一个数据湖仓。统一的环境。
- 整合所有数据
连接 Oracle 和非 Oracle 来源的企业数据，同时扩展现有数据资产。 - 创建一条从原始数据到 AI 就绪数据的路径
使用托管式 Apache Spark 准备数据，并使用 Oracle Autonomous AI Database 为分析、机器学习和智能代理提供精选信息。 - 将信任融入每个阶段
应用编目、沿袭和访问控制，让下游用户和 AI 工作负载共享同一受治理的基础。
AI 注册中心
在共享清单中注册、组织和治理企业 AI 能力。帮助团队发现现有资源、复用经批准的能力，并在企业 AI 应用不断扩展时管理访问权限。
- 注册代理和支持功能
整合来自 Oracle 和其他受支持环境的符合 A2A 标准的代理、MCP 服务器、工具和可重用技能。 - 组织和治理访问权限
描述功能、记录管理职责和依赖关系，并应用基于角色的访问控制。围绕业务需求，将相关功能分组为主题。 - 使功能可供重复使用
帮助团队通过受支持的助手、应用程序和 Agent Hub 发现并访问经批准的功能。
Agent Hub
为业务用户提供对话式体验，助其使用经批准的企业智能体和工具。无需借助开发人员工具或了解各项功能的构建方式，即可提出问题、请求执行操作并继续推进工作。
- 查找相关代理和工具
使用 AI Registry 中的描述、主题和访问信息，确定针对问题或任务的已获批准的功能。 - 跨受支持的代理开展工作
通过一致的对话体验与 Oracle 及兼容的第三方代理交互，或直接使用已注册的 MCP 工具。 - 结合上下文继续工作
通过会话历史记录和生成的输出返回到之前的对话，并遵循底层代理或工作流中的必要审批。
AI 数据平台中的安全性和治理
将安全性、访问控制、目录治理、数据血缘和可审计性引入用于构建和运行数据、分析、模型及智能体的同一环境。
- 将权限保留给客户
客户定义身份、角色、策略、权限、审批和执行边界。 - 统一治理数据和 AI
对 AI 数据平台管理和编目的资产应用目录、访问、元数据、沿袭、版本控制和生命周期控制。 - 协作不失控
使用权限感知型发现、分离式工作区和数据访问，以及经过明确授权的数据共享。 - 保持可追溯性
使用审计和运营记录来了解数据访问、用户活动、代理交互和管理变更。
查看 AI Data Platform 的实际应用
数据工程师
构建从原始数据到 AI 就绪的黄金层数据的完整数据湖仓架构
Oracle AI Data Platform 为数据工程师提供了一条贯穿结构化和非结构化数据从摄取到使用的路径。原始数据进入对象存储后，使用 Spark 优化为可信的白银层数据集，并作为经过整理的黄金层数据交付，可用于分析、AI 智能体和下游应用。
在一个托管工作区中设计管道
数据工程师可以通过工作流作业构建摄取、转换和扩充管道，而无需切换平台。这缩短了开发周期，同时确保每个阶段都受到访问控制、可重用，并且更易于在企业规模下运行。
在数据所在位置运行 Spark 和 SQL
团队可以使用 Spark 进行大规模处理，并使用 SQL 进行快速探索和报告，从而为每个工作负载选择合适的引擎。借助对对象存储和连接数据库的就地访问，工程师可以分析和准备数据，而无需进行不必要的移动或复制。
利用 AI 辅助工程加快管道交付
AI 辅助开发可通过代码生成、智能建议和引导式工作流创建，帮助工程师更快地从源连接过渡到生产就绪管道。结合直接的 Oracle Fusion 数据集成，团队可以将 ERP、HCM、SCM 和 CX 数据快速转换为托管的 AI 就绪资产。
数据管理员
跨整个 Oracle Cloud 数据资产的统一元数据层
主目录充当中央元数据层，无需移动或复制底层数据即可注册和组织元数据。它可以连接到位于 Autonomous AI Database、Oracle Database 和 OCI Object Storage 中的数据，涵盖表、视图和架构等结构化资产以及非结构化数据。
在所有 AI 和数据工作负载之间实现一致的访问控制
一个集中式的基于角色的访问管理框架，旨在支持安全的数据使用。Oracle AI Data Platform Workbench 在数据层提供精细的访问控制和策略管理，帮助组织管理用户和 AI 工作负载访问数据的方式，同时支持可扩展的 AI 计划。
全面了解所有 AI 和数据工作负载中的数据访问情况
通过审计日志跟踪谁访问了哪些数据、访问时间以及访问方式，从而提供透明度和安全性。在整个 Oracle AI Data Platform Workbench 中获得端到端可视性，以进行审计和运营监督。
跨 AI 和数据工作负载的基于角色的访问管理
定义和管理角色，确保用户和 AI 工作负载能够适当访问数据、工具和平台资源。细粒度的基于角色的控制可简化管理、增强安全性，并使访问策略的应用更加轻松。
无缝数据共享
在团队和项目之间安全共享数据，而无需进行不必要的复制或数据移动。Oracle AI Data Platform 支持受控的策略驱动型数据共享，可改善协作，加快对可信数据的访问，并简化企业级数据运营。
数据科学家
每个团队工作区的实验跟踪
Oracle AI Data Platform Workbench 中的实验可按工作区隔离团队，同时自动日志记录会捕获参数、指标和工件，创建可重现的历史记录，从而减少返工，并便于使用受控更改重新运行过去的实验。AI Data Platform Workbench 负责处理管理任务，让数据科学家能够专注于科学工作。
通过一键式运行比较，将优胜模型提升至模型注册中心
数据科学家可以筛选和比较运行结果，以确定性能最佳的模型，然后将其从实验运行结果注册到由主目录支持的模型注册中心，并附加版本、标签和自定义字段，从而将“最佳运行结果”转变为可共享、可发现的冠军资产。AI Data Platform 会在进行改进时自动管理版本。
从最佳模型到推理，无打包开销
借助自动版本控制、标记和自定义元数据，将最佳模型提升到模型注册中心，从而轻松发现和重用合适的模型，而无需依赖机构知识或非正式渠道。将最新版本或特定版本直接加载到 Notebook 中，并运行批量推理。AI Data Platform 可确保从实验到推理的整个过程简单、一致且可重复。
端到端数据沿袭有助于使生成的模型具有可解释性和可审计性
AI Data Platform 中的已注册模型可以追溯到生成这些模型的确切实验运行，从而呈现沿袭关系和运行条件，例如超参数、环境变量、指标和工件。团队可以了解构建了什么、是如何构建的，以及为什么会有这样的性能表现。
AI 开发人员
用于构建、管理和部署企业 AI 的统一平台
Oracle AI Data Platform 汇集了各类工具、集成方案、访问管理和审计功能，全面满足团队将 AI 从开发推向生产环境的需求。通过链接到主目录的原生向量存储集成，基于企业知识，使用可视化低代码工具或代码优先的 Notebook 构建智能体和应用。可通过 OCI Generative AI 和 Oracle AI Database 26ai 使用同类优秀的 LLM，并通过完整的生命周期管理，确保每个 AI 资产都经过注册、版本控制和测试。Fusion AI Agent Studio 集成可让定制智能体直接嵌入 Oracle SaaS 应用，从而打通 AI 开发与实际业务工作流之间的闭环。
具备完整平台能力的高代码智能体开发
在 AI Data Platform 中使用 LangGraph、开源框架和第三方 Python 库以代码形式定义智能体流。通过内置实用程序库，智能体可以无缝访问模型配置、护栏和系统工具，例如 RAG、MCP、SQL 和提示管理。代码构建或画布构建，所有流都通过相同的统一练习区进行测试。
平台内置端到端观测功能
Oracle AI Data Platform 提供了内置的观测工具，可帮助团队全面了解 AI 智能体在生产环境中的表现。从跟踪单次运行到实时监视输出并发现问题，团队无需离开平台即可检测、诊断和解决问题。
灵活构建、测试和调试智能体，并提供可追溯性和集成式练习区
Oracle AI Data Platform 通过 LangGraph 同时支持无代码的画布式智能体流程定义和基于代码的开发，让团队能够自由选择最适合自身工作方式的构建方法。专用的构建和测试面板让开发人员能够快速迭代，在构建阶段所做的更改可立即用于全面的测试练习区，从而帮助团队顺畅地从想法推进到可运行的智能体流程。
业务用户
您的所有智能体集中于一处
您的组织使用的每个 AI 智能体（无论是内部构建的、嵌入 Oracle Fusion 的，还是从第三方系统连接的）都可以通过单一对话界面访问。提出问题后，系统会自动将其路由到适当的 AI 智能体，并在每次交互中保留完整的会话历史记录，让您能够从上次中断的位置继续。
-
2026 年 9 月 18 日
智能体、工具和技能：更高效的企业 AI 方法
-
2026 年 8 月 12 日
您的数据早已知道答案。现在，它可以据此采取行动。
-
2026 年 6 月 30 日
Oracle 在 ISG Research 人工智能和数据平台类别中处于领先地位
