本体和语义层,到底差在哪?AI 问数对不上,问题多半出在这
编者按
最近,我们在首期 OceanBase Hours 活动上推出了面向 AI 时代的湖库一体 AI 数据库,整套架构分为三层。
最底层是存算分离的 OceanBase Lakebase 引擎,为结构化数据、图片、音视频、PDF、向量、JSON 等多模态数据提供统一存储;
最上层是我们开发的应用 Agent,包括面向数据开发工程师的 DataStudio 和面向业务分析师的 DataPilot;
夹在中间的是上下文层——数据上下文让 AI 理解企业,应用上下文让 AI 理解用户。
这一篇我们先讲清中间这一层——上下文层里最硬的两块砖:本体(Ontology)和语义层(Semantic Layer)。
本文作者卜吉,OceanBase AI 平台与应用负责人。全文 4720 字,阅读约需 6 分钟。
上下文层不是一个独立的产品名,而是把语义定义、领域知识、血缘、治理策略、质量与认证信号打包成人和 AI 都能调用的统一接口。
本体和语义层是它的两块地基。厂商习惯把这两个概念打包成一个词卖,但它们解决的是两件不同的事。团队如果搞错了该先建哪一层,AI 项目就会长期卡在“能 demo、不能上线”的阶段。
OceanBase DataPilot 发布以来,我们观察到一个反复出现的现象:同一个数字,不同部门算出的结果不一样。财务说收入 1020 万,市场说 1040 万,Slack 里的 AI 助手报 980 万——三个数字,零共识。
过去这种“扯皮”发生在人和人之间,开会拉齐一下就过去了。但 AI Agent 不会打电话问同事“你们口径到底怎么定的”,它拿到一个叫 rev_ttm_adj_v2 的字段,遇到歧义要么胡编一个答案,要么随便挑最先看到的定义。
有研究指出,当领域知识被结构化地注入检索流程时,AI 幻觉率可以下降约 40%。但前提是——知识得真的被建模出来,而不是“大家默认都懂”。这就是我们开始把上下文层当成一等公民看待的原因:底层的数据存得再全、上层的 Agent 再聪明,中间这一层如果只有一堆表和 SQL,AI 就永远长不成能被业务信任的样子。
同一份收入,三个数字,零共识——AI 时代无法回避的老问题
一句话概括两者的分工:语义层告诉你“收入是多少”,本体告诉你“客户是谁”。
语义层管度量——Revenue、MAU、LTV 这些指标怎么算、从哪张表 join、加哪些过滤条件,要求全团队、全工具口径一致。
本体管含义——Customer 是什么、和 Order 什么关系、Platinum 客户满足哪些规则,机器能不能据此推理出新结论。两件事都要做。把它们当成一回事,是大多数团队踩坑的起点。
语义层管“收入是多少”,本体管“客户是谁”
本体在学术上有一个经典定义:对概念化内容的显式规范说明。拆开看就三件事:
类(Classes)——领域里有哪几类东西,如客户、产品、订单、区域;
属性与关系(Properties)——它们怎么连,比如客户“下单”、产品“属于”某个品类;
公理与规则(Axioms)——逻辑约束,比如每个订单至少有一个产品,一个客户在同一时刻只能归属一个区域。
用 W3C 的 RDF、OWL 等标准写成之后,机器不仅能读,还能推理。举个例子:如果本体里写着“Platinum 客户 = 年收入超过 100 万”,同时有事实“Acme 公司年收入 = 200 万”,本体引擎可以自动推断出 Acme 是 Platinum 客户,不需要有人手写 if-else。这是语义层和 BI 工具做不到的:它们执行你预先写好的计算,不会从已有事实里“长”出新事实。
本体的另一个价值在跨系统语义统一。当 CRM 叫 Customer、ERP 叫 Client、财务叫 Account 的时候,本体让这三个名字指向同一个业务对象。
Agent grounded 在本体上,可以把采购历史、监管要求、产品层级自动串起来——它拿到的不是一堆孤立的表,而是一张能走的图。医疗行业的 SNOMED CT、金融行业的 FIBO 是典型例子,在这些强合规领域,形式化本体几乎是刚需。
代价也很明显:Palantir 把本体做到了企业级标杆,但模式很重——派驻工程师深入业务、手工建模、持续维护。全面本体项目常见周期 6-18 个月,还需要形式化逻辑的专业能力,开源工具 Protege 多年缺乏活跃维护,不少从业者干脆手写 Turtle 格式。本体很强,但也贵、也慢。
语义层的思路和历史都更“工程一点”。20 世纪 90 年代 Business Objects 的“Universe”就在干类似的事——把复杂 schema 抽象成业务语言。核心痛点一直没变:不同团队、不同工具各自算“收入”,算出来的数不一样,信任就崩了。AI 时代,这个问题被放大了十倍,因为口径不一致的成本从“开会解释”变成了“AI 幻觉写进决策报告”。
现代语义层通常由四块组成:元数据仓库把 mrr_calc_v3 映射成“月经常性收入”;业务逻辑引擎让指标公式集中定义、定义一次处处复用;查询翻译把“按区域看收入”自动 join 哪几张表、加哪些 filter;访问控制把行级、列级权限在语义层统一 enforcement。
2025-2026 年语义层有几个明显的变化。dbt Semantic Layer + MetricFlow 把指标做成了 YAML 版本化管理,编译成各方言 SQL,2025 年 MetricFlow 已 Apache-2.0 开源,“定义一次、到处渲染”从口号变成基础设施。
2025 年 9 月,Snowflake、Salesforce、dbt Labs、BlackRock 等发起 OSI(Open Semantic Interchange),2026 年 1 月 v1.0 发布,目标是厂…