Ocient 融资1亿美元：企业 AI 的答案，怎样做到可复查？

Ocient 宣布完成1 亿美元 C 轮融资，押注面向海量企业数据的 AI 分析。它提出让数据引擎承担计算，并保留访问控制与审计。真正值得追问的是：答案能否追到查询、权限和数据版本，出了错又能否找到原因？

企业把 AI 接进业务系统后，一个常见问题是：它报出的数字，别人能不能重新算一遍？一句“营收下滑主要来自老客户”，只有在统计口径、数据范围和计算过程都能被检查时，才足以支撑下一步讨论。

2026 年11 月5 日，Ocient 宣布完成1 亿美元 C 轮融资，由 BOKA Capital 与 OCA Ventures 共同领投，累计融资达到2.6 亿美元。资金将用于扩大 OcientAIQ 解决方案的交付。公司瞄准的是持续变化的 PB 级企业数据，以及围绕这些数据运行的 AI 智能体分析。融资公告

这笔融资让一个基础问题重新受到关注：企业怎样让 AI 的回答留下足够扎实的核对依据？

让模型理解问题 让引擎完成计算

OcientAIQ 的产品思路，是把分析工作尽量放到数据所在的平台里。官方介绍将筛选、关联、聚合等任务交给数据引擎，再把结果作为智能体推理和行动的上下文；同时提供业务语义、访问治理和智能体连接能力。AI 产品说明

这种分工的价值比较容易理解。分析上亿条记录时，模型不必读完每一行再估算总数，而可以调用一个明确的计算过程。Ocient 的数据仓库支持 SQL 聚合、关联、窗口函数，以及 JDBC、ODBC 等连接方式，给分析人员直接核对计算提供了接口基础。数据仓库说明

但接口存在，并不保证问题被正确翻译成了查询。把“本月收入”误解为开票金额，或者在关联客户表时重复累计，数据库仍可能忠实执行一个业务含义错误的计算。计算过程可查，能帮助定位错误；指标定义是否正确，仍需要业务负责人参与。

可复查 需要保留四类依据

Ocient 在融资公告中主张，通过在引擎内执行分析，并控制智能体的访问、策略和数据沿袭，使结果可以复现和审计。这是公司的产品主张，不能直接等同于每个客户部署都已获得验证的效果。

从企业验收角度看，可复查至少要回答四个问题。

第一，用了哪些数据？应保留数据来源、时间范围、过滤条件，以及足以区分批次或版本的信息。面对持续流入的数据，仅仅记录“查询了订单表”远远不够。

第二，怎么算出来的？需要保存实际执行的查询、参数和指标口径。自然语言提问可以有多种表达，最后落到哪条查询，才是复算的起点。

第三，谁有权看到这些数据？同一道题，不同岗位可能只能获得不同范围的结果。核对答案时必须同时核对权限，不能用管理员看到的全量结果去简单判定普通员工的回答错误。

第四，结论如何从结果中产生？即使表格里的数字准确，模型也可能把相关性写成因果关系，或遗漏不利于结论的异常项。查询结果和文字解释应分别检查。

这些是对可信分析流程的验收建议，并非声称 Ocient 已自动完成所有环节。它们也适用于其他数据平台和企业 AI 项目。

权限和日志 要进入真实查询链路

Ocient 的安全资料列出了基于角色的访问控制、审计日志和限制数据暴露的视图等能力。安全与合规说明

更具体的官方安全指南说明，查询日志包含执行者、时间、耗时等信息；数据库视图可以向指定用户和组开放指定行列。指南同时建议遵循最小权限原则，并把审计日志接入日志分析或安全管理系统。安全指南

由此可以提出一个比“支持权限管理吗”更有效的采购问题：智能体发起查询时，究竟使用谁的身份？如果所有请求都通过同一个高权限账号进入数据库，上层聊天界面再细致，也可能失去按用户限制数据的意义。

还要区分“能查”和“能做”。分析异常订单可能只需要读取汇总数据，取消订单、修改价格或发出通知则会改变业务状态。即便分析结论有完整依据，也不应自然获得后续操作权限。企业可以把分析与执行拆成不同权限，先让智能体提出建议，再按风险决定是否由人确认。这样的边界会影响系统设计，也应进入验收范围。

日志同样需要实际验证。企业应确认一次回答能否关联到执行记录、日志保留多久、谁可以查看，以及敏感字段如何处理。日志可能帮助追责，也可能积累新的敏感信息，因此“记录越多越好”并不是完整的治理方案。

重跑得到不同结果 未必意味着系统出错

“可重复查询”容易被理解成：今天问和明天问，数字必须相同。对于不断更新的订单、网络事件或广告数据，这个要求并不合理。

更有用的标准是：能解释结果为什么变化。如果昨天的统计没有计入迟到数据，今天补齐后总数上升，系统应能帮助检查这项变化。要重现昨天的答案，则需要相应的数据状态、查询参数与口径记录；只保存一句提问通常不够。

因此，评估这类产品可以设置三组测试：固定数据与口径后重跑查询；变更用户权限后检查可见范围；加入迟到或更正记录后观察结果变化。再让业务人员核对模型的解释是否准确。这里提出的是测试方法，没有把它包装成已经完成的 Ocient 实测。

融资之后 还要看交付成本与业务收益

Ocient 的方向适合认真讨论，尤其是在数据规模大、计算频繁、需要追溯分析过程的场景。但是否值得引入新平台，还要看企业已有数据架构、迁移工作量、权限配置和日常运维成本。小规模分析未必需要同样复杂的系统。

采购时可以把“完成一个被业务认可、可复查的答案”作为成本单位，同时计入数据接入、查询运行、模型调用和人工复核。只比较模型调用费用，容易漏掉落地时最费力的部分。

1 亿美元融资为产品和交付提供了资源，并不能证明公司已经盈利，也不能替客户证明分析效果。Ocient 值得关注的地方，是把竞争焦点推进到回答背后的计算与治理。企业最终需要验收的，是一条能查清数据、权限、计算和解释的完整路径。