Gartner 的研究揭示：失败的 AI 项目，问题很少出在模型上，而是出在数据上。Gartner 预测，到 2026 年底，缺乏“AI 就绪数据”支撑的 AI 项目中，有 60% 将被放弃。
过去两年，企业习惯把数据搬进 AI 平台。如今另一种做法正在成为主流，叫做“零复制”（Zero-Copy）。2026 年 10 月，Google 把它定为 Gemini Enterprise 连接 BigQuery 的推荐方式。
什么是零复制 AI？
零复制 AI 是一种架构：AI 智能体直接在数据原本所在的数据库、数据仓库和业务系统里查询，而不是先把数据复制到单独的 AI 数据存储。智能体只取回需要的答案，源系统始终是唯一可信版本。
它通常由三部分组成：
--- 联邦查询：一个请求拆到多个系统执行，再合并结果。
--- 元数据层：说明有哪些表、字段含义以及谁有权查看。
--- 标准连接器：越来越多采用模型上下文协议（MCP）。
为什么零复制在 2026 年成为企业议题？
因为主流平台在几个月内相继采用了它。Google、Salesforce 和 SAP 都已提供让 AI 原地读取实时业务数据的方式，而 AI 智能体对新鲜、受权限管控的数据，需求远高于聊天机器人。
2026 年 10 月，Google Gemini Enterprise 官方文档推出联邦查询模式（预览版），支持 BigQuery、Spanner、Cloud SQL 和 AlloyDB，用每位用户自己的凭证原地查询，不把数据导入 Gemini。Salesforce 首席技术官也撰文指出零复制是智能体战略的关键。
Gartner 调查 248 位数据管理负责人，发现 63% 的组织没有、或不确定自己具备适合 AI 的数据管理实践。复制更多数据，只会让差距更大。
零复制数据访问具体怎样运作？
零复制智能体分三步工作：先查找有哪些数据及其含义，再据此编写查询，最后以提问用户的权限，在实时源系统上执行。传回 AI 的只是结果，而不是整套数据。
--- 以用户身份认证：连接器用提问者的 IAM 或 OAuth 凭证执行查询。
--- 用元数据发现：知识目录返回相关表、业务术语和查询模式。
--- 实时查询：智能体生成 SQL，返回受管控的结果。
这与文档 AI 常用的导入模式不同，可参考我们的企业 AI 知识库对比。导入适合每月更新的制度文件，却不适合每分钟都在变化的库存或资金头寸。
零复制比复制数据更安全吗？
在数据扩散方面，零复制通常更安全，因为没有第二份副本需要保护或删除。但在访问权限上并不天然更安全：如果智能体继承了用户过宽的权限，用户能看到的一切，智能体同样能看到。
无论是香港的私隐条例还是内地的《个人信息保护法》，都要求采取合理措施防止个人信息被未经授权访问。副本越少，越容易证明已经尽责。
但 Google 文档也写明，连接器并不限定于特定资源，可以访问用户有权查看的全部数据。所以零复制和AI 智能体身份管理其实是同一个议题。
什么情况下应该复制数据，而不是原地查询？
内容是非结构化、更新缓慢或需要整理才能保证准确时，应该复制；数据是结构化、更新频繁、比较敏感或体量庞大时，应该原地查询。多数企业会两者并用，关键是为每个工作负载选对模式。
--- 需要多实时？以分钟计倾向零复制，以周计倾向导入。
--- 是否结构化？表格适合实时查询，PDF 和邮件仍需索引。
--- 有多敏感？个人信息和定价数据最好留在源系统。
--- 能接受多少误差？Google 指出，复杂交易型结构上的联邦查询准确度可能波动，高风险指标应使用经过验证的查询。
零复制在企业中落地是什么样子？
落地效果是：营运或财务问题可以在几秒内由实时系统回答，而不需要新建数据管道。制造和零售连锁尤其适合，因为这些行业依赖变化快速、复制起来既昂贵又有风险的结构化数据。
场景一：制造企业的供应链团队
一家约 500 人的电子元件制造商，采购经理想让智能体回答“哪三种物料两周内会低于安全库存？”。每晚同步的数据白天已经过时，原地查询实时表则下午依然准确，生产数据也从未离开数据仓库。
场景二：零售连锁的营运总部
营运总监查询过去七天退货率比上月同期高出 30% 以上的门店。以总监自己的权限原地查询，没有新副本，现有访问日志依然适用，合规处理更简单。
零复制最常见的陷阱有哪些？
最常见的陷阱包括元数据缺失、权限过宽、查询成本失控，以及过度相信复杂结构上得出的答案。这些都是治理缺口，以前复制数据时被掩盖，零复制则让它们全部暴露。
--- 数据缺乏说明：智能体无法理解名为 FLD_07 的字段。
--- 继承过宽权限：多年批出的访问权一夜变成智能体的能力。
--- 查询费用失控：上线前要设定计费项目和预算告警。
--- 指标未经验证：“收入”在不同系统里可能有三种口径。
企业管理者应该怎样评估供应商的零复制承诺？
要追问查询在哪里执行、使用谁的身份、访问范围怎样限定、记录了什么，以及成本如何控制。如果供应商无法书面回答全部五点，它卖的只是连接器，而不是受治理的零复制架构。
--- 是否有原始数据离开源系统或所在地区？
--- 智能体使用最终用户凭证，还是共用服务账号？
--- 能否只开放指定数据集？
--- 生成的查询和用户是否被记录，保留多久？
--- 能否按用户、按月设定成本上限？
要求供应商用你自己的数据结构演示。真正的考验，是你那套用了 15 年的 ERP。
结语：别再搬数据，先管好访问权
零复制并不意味着数据就绪可以跳过，反而让它成为成败关键。第一笔投资应该是数据目录和权限梳理，而不是又一条数据管道。
懂AI，更懂你 UD相伴，AI不冷。
由 UD 企业 AI 团队审阅。信息已于 2026 年 10 月 8 日对照 Google Cloud 官方文档及上文所引来源核实，预览功能或有变化。
看看你的数据是否已为 AI 智能体做好准备
了解了框架，下一步是找出哪些流程的数据今天就可以让 AI 智能体安全使用。从免费的 AI 准备度评估开始，UD 团队手把手带你完成每一步，从数据就绪、权限梳理、试点设计到成效追踪，28 年企业服务经验，全程陪你走。
