数据科学工具选型：当大模型能一句话出答案，还剩下什么
数据科学工具选型，正在被一个新问题重写：既然大模型已经能一句话给出分析结果，为什么还要买一套工具？
这篇文章不替任何一类工具辩护，也不推荐任何一款产品。下面只做一件事：把「哪一部分工作被 AI 拿走了、哪一部分没有、为什么」讲清楚，包括对工具厂商不利的那一部分。
数据科学工具选型，指的是在大模型已能直接生成分析结果的前提下，重新判断一套数据分析平台还需要承担哪些无法被对话替代的职责。
数据科学工具选型：先看被拿走的是哪一部分
过去两年，「一句话出答案」从演示变成了日常。有三条事实值得单独列出来。
第一，对话式代码执行已经成熟。主流大模型产品普遍提供了沙箱代码执行能力，配合可交互的独立看板输出，能在几分钟内完成一次完整的探索性分析：读文件、清洗、建模、出图、给结论。
第二，研究原型正在变成企业级产品。微软的 Data Formulator 常被当成实验项目，但 2026 年 5 月发布的 0.7 版本不是原型了：它带了面向 Superset、Kusto、PostgreSQL、MSSQL、S3、Azure Blob、BigQuery 等的持久化数据连接器，支持 SSO 与目录懒加载，有 agent 引导的探索、会话与工作区持久化、30 多种图表类型，以及中英双语界面，全部开源。
第三，自然语言问数正在变成免费功能。Databricks 把 AI/BI 打包进平台不另外收费，Snowflake 提供 Cortex Analyst，微软把 Copilot 铺进整个 Fabric 生态。
第三条比前两条更要紧。它意味着「让你用自然语言问数据」这件事，正在从一个可以卖钱的产品，退化成数据平台的免费附加功能。任何以此为主要卖点的独立产品，都在和免费的东西竞争。
被实际拿走的工作，列清楚就是四项：写取数和清洗的胶水代码；一次性的探索分析和画图；把结果整理成一份可读的说明；以及学会使用工具本身。
最后一项对可视化编程工具最致命，而且最少被提及。这类工具最大的隐性资产之一，是「已经学会了它的那批人」，也就是培训体系、认证、社区和内部推荐。这套网络效应的前提是「学习它有门槛，但比写代码的门槛低」。当写代码的门槛降到零，中间这一层的存在理由就被抽掉了。关于这一层到底还剩多少价值，可以对照可视化工作流的适用边界再判断。
一句话出答案的真实边界，藏在基准测试里
文本转 SQL 是「自然语言问数」最核心的一环。它在学术基准 Spider 1.0 上的准确率长期在九成上下，精确匹配约 91.2%。这是「AI 已经会写 SQL 了」这个印象的来源。
Spider 2.0 出现之后，画面完全变了。
Spider 2.0 用的是真实企业场景：632 个来自 Google Analytics、Salesforce 等实际应用的问题，数据库常常超过 1000 列，一项研究给出的平均值约 800 列，分布在 BigQuery、Snowflake、SQLite、DuckDB、PostgreSQL 等多种系统上，要求模型读懂长文档、跨库推理、生成常常超过 100 行的多段 SQL。
2026 年的新方法把 Spider2-SQLite 推到了 46.67%，此前最强基线是 34.81%。这是巨大的进步，但也就是说：在真实企业数据库上，最好的公开方法答对一半的题都做不到。
还有一层更微妙。有研究用形式化验证复查「答对了」的题目，发现某个子集上按执行结果算是 42.2% 正确，按形式化验证只有 36.3%，也就是有一部分「正确」是运气，换一批数据就会露馅。另一项研究更进一步，指出 Spider 2.0 的题目和标准答案本身就存在大量歧义与错误，官方的一轮修订只解决了很小一部分。
请注意最后这一点意味着什么。它不是「模型还不够聪明」，而是：在真实企业数据里，「正确答案」这件事本身往往就没有被定义清楚。
「上个月的销售额」含不含退货？含不含内部调拨？按下单时间还是按发货时间？含税还是不含税？这些不是语义问题，是组织约定。模型没法从数据里推导出组织约定，因为它根本不在数据里。
关键事实：可核验的数字与出处
| 事实项 | 取值与口径 |
|---|---|
| Spider 1.0 准确率 | 约 91.2%，非 agent 的精确匹配评测 |
| Spider 2.0 成功率 | 约 21.3%，多步 agent 评测口径 |
| Spider 2.0 最新公开成绩 | 46.67%，2026 年方法，Spider2-SQLite 子集，高预算档 |
| Spider 2.0 题库规模 | 632 个真实企业问题，来源含 Google Analytics、Salesforce |
| 企业库复杂度 | 常超 1000 列，一项研究测得平均约 800 列 |
| Data Formulator 版本 | 稳定版 0.7，2026 年 5 月 28 日发布；0.8 处于 beta |
| 语义层的行业定位 | Gartner 在 2025 年 BI 与分析技术成熟度曲线中将其列为必要基础设施 |
| 平台厂商策略 | Databricks 的 AI/BI 随平台打包不另收费；Snowflake 提供 Cortex Analyst |
行业的应对方式，暴露了真正的瓶颈
如果瓶颈只是模型能力，行业的应对应该是等更强的模型。但实际发生的事完全不同。2025 到 2026 年，整个数据行业在做同一件事：造语义层。
- dbt Labs 开源了 MetricFlow
- Snowflake 牵头推 OSI 开放语义互换作为跨厂商标准
- Databricks 推出 Metric Views，接进 Unity Catalog 治理
- 微软把 Power BI 的「数据集」改名为「语义模型」，作为 Fabric AI 战略的地基
- Tableau 发布 VizQL Data Service，让 agent 能查询已发布数据源
- ThoughtSpot 在 2026 年 3 月发布 Spotter Semantics
语义层是什么？就是把「收入」「活跃用户」「留存」这些词，连同口径、粒度、关联路径、权限规则，由人事先写死，让所有下游（仪表盘、自助分析、AI agent）用同一套定义。
这件事的含义是反直觉的：AI 越强，对「人类事先写死的、确定性的业务定义」的需求就越强，不是越弱。
厂商侧的数据也指向同一个方向：有平台厂商称，在提供了描述每张表含义的语义模型之后，自然语言问数准确率能到九成以上。差别不在模型，在模型有没有被告知规则。这也是面向 AI 的数据准备在这两年被重新重视的原因。
顺带说一句读者该保持警惕的地方：语义层该放在哪里，现在是一场没有定论的争夺战。BI 厂商说该放在 BI 工具里，数据平台厂商说该放在平台里，独立厂商说放进任何一家产品都是新的锁定。三方的论证都有自利成分，包括那些写得最像技术分析的文章。
价值迁移地图：什么被拿走，什么没有
左半区是过去十五年数据工具卖钱的主要部分，右半区是剩下的部分。诚实地说：右半区比左半区小，而且不是增长最快的那一块。
三类玩家，各自的真实处境
可视化分析平台
最脆弱的恰恰是它们最引以为豪的原始卖点：「无需写代码，业务人员也能做分析」。这条卖点的存在理由是写代码门槛高，而这个前提已经消失。
转型方向是清楚的，也已经在做：变成 AI agent 的运行时和治理层。以 KNIME 为例，它从 5.5 版起提供 agent 与 tool 节点，支持把已有工作流变成 agent 可调用的工具，支持 MCP 协议部署为服务，用 Giskard 节点做 LLM-as-a-judge 护栏，三百多个连接器变成 agent 的数据入口。AI 智能体在工作流里的落地形态基本都是这个路子。
但要看清这次转型的性质：这是从「面向业务人员的产品」变成「面向平台团队的基础设施」。用户基数变小，销售路径变长，增长故事变弱。客单价可能上升，但那是靠深耕少数大客户，不是靠扩张。这是一次收缩型转型，不是升级。把它讲成「拥抱了 AI 所以更强大了」是自欺。
AI 原生分析工具
赢在入口和探索速度，这是真优势，不是噱头。常被拿来攻击它们的弱点是「产出是一次对话，不是一项资产」，会话结束逻辑就散了，没法复现，没法交给别人接手。这个批评在今天成立。
但要提醒一件事：这是工程缺陷，不是结构性缺陷。Data Formulator 从 0.5 到 0.7，一年之内就补上了会话持久化、工作区、数据血缘与受治理的连接器。任何把长期判断建立在「AI 工具不可复现」上的论证，都是在押注对手的临时缺口，这个赌注的有效期通常只有 12 到 18 个月。
数据平台自带的 AI
从结构上看，这是最可能的赢家。它离数据最近、离权限体系最近、离语义定义最近，而且能把这个能力免费送出去当作留客手段。独立工具被夹在中间：上面是能免费送的平台，下面是体验更好的 AI 原生入口。
真正拿不走的，只有三条
一、口径的组织约定。语义层的本质是政治，不是技术。让财务、业务、IT 三方对「收入」的定义达成一致，难点从来不是写不出一份配置文件。AI 不参与这个过程，因为它不参与承担分歧的后果。
二、可重复执行的资产。一次性回答，和一条每月 5 号自动跑、跑完有人看的流程，是两种东西。前者的价值随对话结束归零，后者会累积。
三、责任归属。监管报送、审计、准备金计算、税务申报，错了要有名字在文件上。大模型厂商在结构上给不出责任主体，这不是能力问题，是法律主体问题。审计数据分析这类场景之所以迁移得最慢，原因就在这里。
但第三条要加一句诚实的注脚：这不是技术优势，是当前法律与组织结构的产物。随着监管逐步接受 AI 参与的输出、审计准则更新、责任保险产品出现，这条护城河会被稀释。把它当永久壁垒是错的，它更像一个窗口期。
数据科学工具选型，最终只剩三个问题
不管你在做工具评估、还是在判断要不要继续投入现有工具，面对任何一个分析需求，问这三个问题就够了。
问题一：这个答案下个月还要不要用完全相同的口径再跑一遍？要，你需要的是一条可固化的流程，不是一次对话。不要，用大模型就够了，别买工具。
问题二：这个答案错了，谁在文件上签字？有具体的人，你需要一条可以被逐步审查的执行路径，而不是一个黑箱结论。没有人，准确率八成可能完全够用，别为剩下的两成付十倍的钱。
问题三：数据能不能离开这栋楼？不能，这决定的是部署形态，不是工具优劣。别把合规约束当成产品优势来理解。
这三个问题不偏向任何一家厂商，包括做工具的那些。数据科学工具选型，本质上就是回答完这三个问题之后剩下的那个选项。
结论
回到标题。当大模型能一句话出答案，数据科学工具剩下的不是「更强的分析能力」，那一块已经输了，而且输得很干脆。
剩下的是把分析变成可交付、可重复、可追责的东西的能力。这个空间真实存在：Spider 2.0 上两成到四成的成功率、整个行业转头去造语义层、企业里「收入到底怎么算」至今没有技术解法，都证明它存在。但它比过去小，增长更慢，客户更少更难搞，而且它的一部分是有时效的。
所以，任何一家告诉你「AI 时代我们的工具反而更重要了」的厂商，包括做这一行的所有人，你都应该先要求他们回答上面那三个问题，并展示产品在哪一条上真的做到了，而不是停留在路线图上。
常见问题
主要参考来源：Spider 2.0 基准 spider2-sql.github.io；Data Formulator 0.7 发布说明 Microsoft Research；KNIME 的 agent 能力说明 knime.com。文中所有数字均可在上述来源核对，本文未使用任何无出处的效果百分比。
