过去一年，生成式AI迅速从“前沿技术”演变为企业讨论中的常规议题。从董事会到业务一线，关注点已经不再是“要不要用AI”，而是企业在不同发展阶段，应该如何选择落地路径、如何判断投入节奏，以及如何尽量降低不必要的试错成本。

从市场实践来看，企业的AI探索并不存在统一范式：有的企业从具体应用场景切入，有的优先推动流程自动化，也有企业选择先夯实数据和平台基础。这些选择背后，往往与行业属性、组织能力、数字化成熟度和管理目标密切相关，并不存在绝对正确的先后顺序。

在这一过程中，企业级应用、企业级服务以及数据库与数据管理，往往以不同形式、不同权重出现在企业的AI实践中。IDC开展相关研究，并非试图将这些因素“硬性绑定”为成功前提，而是希望更真实地反映市场的复杂性，帮助企业理解不同路径下可能面临的机会与约束。

IDC之所以持续追踪这些细分场景，是因为企业在做AI投资决策时，往往需要回答一个现实问题：哪些应用场景已经具备规模化条件，哪些仍处在早期探索阶段。这类研究的价值，在于帮助企业避免“平均用力”，而是将有限资源投入到最有可能产生业务回报的方向。

数据库正在从“后台系统”走向“AI基础设施”

如果说企业级应用决定了AI“做什么”，那么数据库和数据管理决定的则是AI“能不能做、做得好不好”。

在生成式AI快速演进的同时，中国数据库市场也正在经历深刻变化：一方面，AI对数据实时性、多模态和向量能力提出更高要求；另一方面，国产化进程推动本土数据库厂商在功能和市场份额上持续提升 。

AI for Data：让数据库更智能

IDC在数据库研究中发现，AI正在反向赋能数据库自身：

• 自动调优与容量预测

• 基于AI的异常检测和安全防护

• 更智能的运维和资源调度

这些能力直接降低了数据库复杂度，使企业能够用更少的人力支撑更复杂的业务和AI负载。

Data for AI：让AI真正可用

更关键的是，数据库正在成为AI应用的“能力上限”：

• 向量引擎和多模数据管理决定了Agent是否具备“长期记忆”和上下文理解能力

• 数据治理和权限体系决定了AI是否可信、可控

• 实时数据能力决定了AI是否能够参与业务决策，而不仅是事后分析

IDC在数据库管理系统市场的研究中强调：未来企业AI竞争的本质，是数据架构和数据能力的竞争。

IDC之所以持续在企业级应用、企业级服务以及数据库与数据管理领域投入研究，一方面，这些领域是企业AI价值真正发生的位置：应用决定AI是否进入业务流程，服务决定AI能否规模化运行，数据库管理和数据治理决定AI是否长期可持续。任何一环缺失，AI都很难从“亮点项目”走向“稳定能力”。