一家游戏数据服务公司，凭什么能让 Agent 真正为企业干活｜甲子光年

📌 一句话摘要

本文深度报道了游戏数据服务公司 ThinkingData 转型为 ThinkingAI，并发布企业级 AI Agent 平台 Agentic Engine 的过程，阐述了其从数据底座到 Agent 平台的转型逻辑与行业洞察。

📝 详细摘要

本文是「甲子光年」对 ThinkingAI（原 ThinkingData）创始人吕承通和 CTO 周津的深度访谈。文章详细记录了这家深耕游戏行业十年的数据服务公司，如何基于对 Agent 时代企业数字化趋势的判断，正式转型为 AI 公司，并发布核心产品 Agentic Engine。文章核心观点认为，Agent 时代企业需要重建以 AI 为中心的「底层数字器官」，而 Agent 的能力上限由数据决定。ThinkingAI 提出从「湖仓走向知识」的数据底座重构思路，并构建了「系统级、企业级、个人级」三层知识体系。文章还分析了游戏行业积累的复杂行为系统理解能力、超大规模数据处理能力等，如何成为 ThinkingAI 转型为 AI 公司的独特优势。Agentic Engine 被定位为一个可私有化部署的「AI 原生组织构建平台」，强调从「AI 助手」到「Agent 团队」的范式转变，核心能力包括全域感知、深度理解和行动闭环。

💡 主要观点

- 企业数字化正从「理解自己」的 2.0 时代迈向「自主执行」的 3.0 时代。 文章认为，过去三十年企业数字化经历了信息化（记录业务）和数据化（理解业务）两个阶段。现在，以 Agent 为核心的智能化阶段要求系统不仅能感知和判断，还能直接参与行动和执行，这需要重建企业的底层数字器官。

Agent 的能力上限由数据决定，企业需要从「湖仓」走向「知识」。 ThinkingAI 的 CTO 周津指出，大模型提供推理能力，工程框架提供执行能力，但 Agent 真正进入业务的关键在于对企业数据的深度理解。企业需要将结构化、非结构化、多模态数据重新组织，通过 Embedding、知识图谱等手段蒸馏成 Agent 可调用的知识。

游戏行业的积累是 ThinkingAI 转型为 AI 公司的独特优势。 长期服务游戏行业，使 ThinkingAI 具备了理解复杂非线性行为系统的能力、处理超大规模高频实时数据的工程能力，以及对前沿技术的敏锐感知。这些能力与 Agent 时代的需求高度契合，构成了其不可复制的护城河。

Agentic Engine 定位为「AI 原生组织构建平台」，核心是打造能协作、能自主执行的 Agent 团队。 与仅提升个人效率的 AI 助手不同，Agentic Engine 旨在通过多 Agent 协同，实现从感知、分析、决策到执行、验证的完整行动闭环。它强调以 AI 为中心重新设计企业协作方式，让 Agent 在人类设定的目标和边界内自主运行。

💬 文章金句

- 过去十年，我们让企业把数据变成资产。下一个十年，让这份资产通过 Agent 真正运转起来。

• Agent 的能力上限，由数据决定。
• Agent 时代的数据底座，是从湖仓走向知识。
• 企业需要的不是一个 AI 助手，而是一支能协作、能学习、能自主执行的 Agent 团队。
• 组织的核心不再是「人如何协同」，而是「AI 如何被调度」。

📊 文章信息

AI 初评：84

来源：甲子光年

作者：甲子光年

分类：商业科技

语言：中文

阅读时间：26 分钟

字数：6452

标签： ThinkingAI, Agent, 企业级AI, 数据底座, AI原生组织

阅读完整文章