随着 AI 工作负载成为现代数据平台的核心组成部分，企业不仅需要管理结构化表，还需要以统一的方式管理非结构化数据、向量数据、AI 模型和 AI 函数。传统的湖仓架构往往只以表格数据为中心，这使得在异构数据与 AI 资产之间构建一致的元数据和控制面变得困难。

在本次演讲中，我们将分享中国移动如何基于 Apache Gravitino 在梧桐数据平台构建多模态 AI 湖仓。在这一架构中，Gravitino 作为统一的元数据和控制面，把结构化、非结构化数据与 AI 模型、AI 函数一并纳管。这使得平台中不同类型的资产能够获得一致的治理、发现与管理能力。

我们还将讨论该平台如何结合 Apache Iceberg 和 Lance，以支撑对表格数据和多模态数据的统一分析。除了介绍 Apache Gravitino 的相关能力外，本次演讲还将呈现来自中国移动生产平台的实战经验，涵盖架构设计、元数据组织、集成模式、治理考量，以及真实部署中总结的经验教训。

本次演讲面向数据平台工程师、湖仓架构师以及 AI 基础设施从业者，适合那些正在探索多模态数据与 AI 资产管理开放架构的人士。

讲师:

Xiaojing Fang：Apache Gravitino Committer

Apache Gravitino PPMC，中国移动架构师，专注于数据与 AI 基础设施。

Xintong Jiang：中国移动软件研发工程师

拥有十余年大数据与 AI 领域的专业经验，在中国移动数智（Digital Intelligence）业务单元主导 PB 级多模态数据湖的开发。核心能力在于分布式计算与混合检索（hybrid retrieval）。