在 AI 时代，企业为构建高质量 AI 应用，需要采集和挖掘更多数据，其中包括结构化数据（数据库、数据仓库）、非结构化数据（数据湖、文档库）、历史数据、实时数据等；数据的完整性、准确度对构建 AI 的应用的起到了关键作用。为 AI 用户提供一个统一的数据管理平台，供他们可以更好地发现和使用多源异构数据，包括数据发现、数据语义、数据血缘、数据权限等，并结合企业治理需求，管理好数据生命周期，避免资源浪费和数据外泄等，成为每个企业的现实挑战。

本次分享会为大家介绍企业在 AI 时代所面临的最直接的数据挑战，包括难以高效地管理、获取全域数据，缺乏统一地进行数据治理和权限控制，传统的数据湖体系和 GenAI 框架之间的鸿沟等等。为了应对这些挑战，我们研发了统一元数据湖项目，并做了很多前沿创新，包括：统一的结构化和非结构化数据模型来管理异构数据，统一权限模型来简化多源数据的安全管理，基于 Fileset 概念简化非结构化数据的访问和自动化它们的生命周期管理，在主流框架如 LlamaIndex 的基础上构建下一代企业级 Data Agent 来提升RAG方案等。

演讲提纲：

1. 生成式 AI 时代对数据的需求介绍及 Gap 分析
2. 现有技术所面临的挑战
3. 如何解决 AI时代的统一元数据管理
   • 如何抽象与实现统一的数据模型，来涵盖结构化和非结构化数据
   • 如何实现统一的异构、跨域、跨云的数据视图
   • 如何构建统一的权限模型来统一管理云上和云下数据
   • 如何基于 Fileset 实现数据生命周期管理
   • 如何构建一个高效且通用的 Data Agent，来支持基于文档数据库与数据湖的混合语义检索 
4. 用户案例分享
5. 总结与展望

听众收益：

• 了解当下 AI 应用对数据平台的切实需求和挑战，并了解业界有哪些创新方案，以及它们各自的侧重点和优劣势。