企业出海，如何构建支撑全球业务的数据与 AI 平台？

当企业业务进入不同国家和地区，数据与 AI 能力也需要随之布局：当地业务产生的数据需要及时处理，AI 应用需要连接相应的数据与计算资源；总部则需要掌握全局资产、统一关键标准，并组织跨区域协作。

如何兼顾区域运行的独立性与全局管理的一致性，成为出海企业建设数据与 AI 平台时的一项关键课题。

近年来受到关注的“主权 AI”（Sovereign AI），进一步凸显了企业对 AI 部署与运行的需求。企业在建设 AI 平台时，需要统筹考虑数据管理、访问权限、治理规则、基础设施与运营管理，明确数据在哪里处理、AI 在哪里运行，以及由谁访问、管理和维护。对于出海企业，这意味着平台建设需要明确：哪些能力必须在区域内运行，哪些事项需要总部统一管理，以及两者如何协同。

集散架构，正是围绕这组需求展开的一种架构选择。

业务走向全球，平台协同面临哪些挑战？

企业进入一个新的海外市场时，可以先建设一套当地能够独立运行的平台，支撑数据处理和 AI 应用。随着业务扩张，不同区域可能分别使用公有云、私有云及不同厂商的数据引擎，多云、多区域、多引擎逐渐成为实际运行环境。平台数量增加后，企业需要处理的协同问题也随之增多。

首先是区域运行的稳定性。当地业务有自己的生产节奏，如果数据任务和 AI 服务频繁依赖远端中心，跨区域网络的延迟与波动就可能沿着调用链影响业务。

其次是全局管理的一致性。各区域分别开发、分别治理，容易产生不同的指标口径、资产目录和管理规则。以跨区域经营分析为例，即使各地都能产出报表，销售额、退货率和库存周转等指标的定义不同，集团层面的比较和分析仍然需要反复校准。

还有持续扩张带来的建设投入。每增加一个区域，都可能带来新的部署、适配和运维工作。已有的数据资产、模型服务和开发成果，能否在明确的权限与使用条件下被发现和复用，也会影响后续建设效率。

这些问题共同指向一个架构要求：让各区域具备本地生产能力，同时建立覆盖全局的管理与协作机制。

集散架构：统一治理，区域生产

集散架构的核心，可以概括为：统一治理，区域生产。

“集”体现在标准、业务语义与资产治理上；“散”体现在各区域的存储、计算、开发与服务运行上。中心与区域各有职责，并通过信息同步与规则执行建立协同。

区域侧，支撑本地生产与服务运行。

各区域部署相应的平台能力，连接当地存储与计算资源，承担数据集成、加工、任务执行及相关服务。对于需要在当地运行的 AI 工作负载，也要同步规划其数据、算力与服务依赖，使部署边界与业务运行要求相匹配。

中心侧，统一关键标准与资产视图。

管理中心负责组织数据标准、指标口径、逻辑模型和资产管理规则，帮助企业从全局了解资产分布与使用关系，并将统一要求落实到各区域的生产过程中。

中心与区域之间，让治理规则贯穿执行过程。

以数据侧为例，各区域在明确的权限与共享范围内采集、同步元数据；中心统一定义逻辑数据实体、指标口径及相关规则；区域据此完成物理模型落地、数据生产与质量检测。全局标准由此与本地执行建立联系。

这种分工，有助于减少本地生产过程中不必要的跨区域依赖。对于已经具备本地数据、资源和服务条件的工作负载，区域可以依靠本地能力开展生产；资产信息同步、跨区域共享和中心管理操作，则按照各自的通信要求进行组织。

集散架构也由此为主权 AI 所关注的部分控制需求提供了架构支撑：企业能够更清楚地确定能力部署在哪里、由谁管理，以及哪些工作依赖跨区域连接。具体的数据访问、安全与运营控制，仍需要结合业务场景落实。

数新智能：以统一架构连接数据与 AI

在数新智能的一站式多云 AI 原生数智平台中，数据平台与 AI 平台均采用多云、多区域部署架构。企业可以在中心与区域协同的框架下，规划数据生产、AI 运行及资产管理。

其中，CyberData 提供数据集成、开发、运维、治理、分析与服务能力，负责将分散的数据组织为可使用、可管理的数据资产；CyberAI 提供机器学习与大模型训推、模型管理及算力管理等能力，支撑企业构建和运行 AI 应用。

两者通过数据供给与模型服务形成协同。数据平台为 AI 提供所需的数据，AI 平台将模型能力转化为服务，进一步支撑业务应用。底层的 CyberEngine 提供多云资源纳管、元数据、集成、调度和引擎访问等能力，为这条链路提供底座支撑。

对于企业而言，这种协同需要落到具体的运行路径上。

例如，一个区域的库存优化应用，需要连接当地业务数据、完成数据准备，并调用智能体等服务提供分析结果。平台规划时，需要同时明确数据处理位置、计算资源位置和业务访问方式。集团层面则需要统一管理相关业务口径和资产规则，使不同区域的工作能够在共同标准下展开。

某全球头部运动品牌企业的实践提供了一个具体场景。面对私有云、华为云、阿里云、AWS 等异构环境，数新智能通过区域内的数据生产与全域资产治理组织分散资源，并结合 CyberData 与 CyberAI，支撑选品优化、库存优化、营销推荐等业务方向。

在这一过程中，集散架构承担的是整体组织作用：各区域保留运行所需的平台能力，集团统一管理关键标准和资产，数据与 AI 在同一套架构下协作，实现数据生产“分散式”，数据治理“集散式”。DataAgent 等上层应用，也可以在此基础上使用已有的平台能力。

从单一区域到全球布局，让架构随业务演进

企业的全球化布局往往分阶段展开，平台架构也需要具备相应的扩展能力。

在业务初期，企业可以先在单一区域建设数据与 AI 平台。当业务进入混合云阶段，可以在网络条件较好的范围内，通过集中式管理纳管不同环境中的资源。

随着海外区域增加，再为当地业务配置相应的平台运行能力。全局资产规模和协作需求进一步增长后，强化中心治理，形成区域生产、中心管理的集散式架构。

不同形态还可以组合使用。例如，全球范围采用集散式组织方式，在某个区域内部集中管理多个云环境，形成“全局集散＋局部集中”的部署模式。

这种演进同样需要考虑成本。多个区域的平台需要持续维护，中心与区域之间的信息同步、版本管理和治理协作也需要持续投入。企业应结合区域独立性、网络条件、全局管理需求和运维能力，选择合适的部署方式。

数新智能基于多云集散架构，实现数据平台与 AI 平台的全球多云覆盖和跨云协同，支持企业根据业务发展阶段选择、组合和演进不同的 Data＋AI 平台部署形态。

对于正在出海的企业，平台规划可以从几个具体问题开始：哪些工作需要在当地持续运行，哪些标准需要全局一致，哪些资产可以跨区域复用，以及新增一个区域时需要补齐哪些能力。将这些问题落实为明确的中心与区域职责，让数据与 AI 平台高效协同，持续支撑全球业务的发展。