腾讯云于7月30日正式发布智能数据湖计算平台AI DLC，旨在为自动驾驶、具身智能、Agent等AI场景提供从数据处理到Agent应用的一体化能力。该平台的核心突破在于将传统上分离的数据处理与AI训练推理环节整合到同一平台，大幅压缩了从数据到Agent的链路。

长期以来，企业开发AI应用通常需要先用Spark完成数据清洗和加工，再将结果写入存储，由AI团队通过Ray等框架完成训练和推理。不同环节运行在不同平台，数据需要反复搬运，权限、元数据和算力资源也要分别管理。AI DLC实现了Spark与Ray在同一平台运行：Spark负责大规模数据处理和特征准备，Ray承接多模态数据处理、模型训练、在线推理和Agent任务。两套框架共享数据、算力和权限体系，数据处理完成后即可直接进入训练和推理，无需跨平台搬运。据腾讯云介绍，这是业内首个在同一平台提供生产级Spark与Ray全托管服务的计算平台。

在算力层面，AI DLC采用Serverless架构，算力可按任务秒级弹性伸缩、按使用时长计费，企业无需预留和运维固定集群。平台将CPU、GPU、TPU等异构资源纳入统一资源池，根据任务动态调度，任务结束后资源可自动释放并分配给其他作业，减少固定集群长期闲置。平台整体资源利用率可提升数倍，并已适配国产主流GPU芯片，帮助企业在自主可控的算力底座上运行AI负载。

为进一步提升计算效率，AI DLC搭载了腾讯云自研的向量化计算引擎Meson和多模态计算引擎Xpark。Meson兼容Spark API、SQL语法及生态组件，在标准测试中查询性能提升3.6倍，部分复杂查询最高加速5倍，CPU使用率下降近一半。Xpark面向文档、图片和音视频等多模态数据，提供50多种多模态和大模型算子，相比开源方案推理吞吐提升3倍，GPU利用率可长期接近100%。

AI DLC还面向Agent进行了升级。Agent运行产生的轨迹、记忆和反馈可沉淀至数据湖，经过处理和后训练后持续反哺Agent；平台同时通过MCP、Skills和Open API开放能力，让WorkBuddy、CodeBuddy等Agent直接调用数据处理、训练和分析能力。这一模式已在腾讯内部得到验证：以腾讯自研的WorkBuddy为例，接入AI DLC后，其处理同一批数据的端到端时间缩短80%，完成相同任务所需算力约为此前的五分之一。WorkBuddy运行过程中持续产生对话、文档和用户反馈等数据，部分单字段达到GB级，数据量月增速超过100%。接入AI DLC后，这些数据可直接完成清洗、特征提取、模型后训练和评估回流，形成可复用的数据与训练流水线。

在自动驾驶场景中，博世测试车辆每天产生大量视频和传感器数据，抽帧和清洗主要消耗CPU，数据脱敏、模型训练与推理则依赖GPU。通过博世ARENA统一管控平台，博世将数据处理、推理和部分训练任务纳入统一调度。目前，其平台已沉淀200多个推理模板，每天处理上万个推理任务，持续提升自动驾驶数据闭环效率。

随着企业AI应用从模型走向Agent，数据平台也正从支撑数据分析升级为支撑Agent持续运行和迭代。在AI DLC之外，腾讯云已围绕Agent-Ready构建了覆盖基础引擎、统一控制面和上层Data Agent的完整数据平台能力，助力企业加快数据资产向智能应用转化。