正当红的 Context Layer 到底是什么?

我们此前撰文介绍过全球几十家数据厂商在年初联合发布的 OSI(Open Semantic Interchange)协议,也对比了 Snowflake SVA(Semantic View Autopilot)和 Aloudata CAN 的两种语义哲学。

进入 6 月,行业一连串密集的动作,不仅彻底夯实了「语义层是 AI 时代的战略级基础设施」,甚至在短短几个月里,把它快速升级成了一个更大的概念——上下文层(Context Layer)。

接下来我们就具体聊聊这个在全球舞台上正当红的上下文层是什么,以及我们怎么看。

01

上下文层,是怎么被提出来的?

Context layer 一步步成型的过程,已经解释了它到底想解决什么问题。

第一步:

语义层先被盖章为「不可协商」的基础设施

率先定调的是分析机构。Gartner 在 2 月发布的《Agentic Analytics 市场指南》里,给出一条被反复引用的预测:到 2028 年,六成只依赖 MCP、没有一致语义层支撑的智能分析项目将会失败;同一份报告的渗透率数据也印证了需求的转向——44% 的数据与分析负责人已经实施语义层,另有 48% 计划在 2027 年前实施。

到了 5 月的伦敦 D&A 峰会,分析师 Rita Sallam 说得更直接:缺少语义会让 AI Agent 不准、烧钱,企业应当像对待网络安全一样,把语义和上下文当作关键基础设施;到 2027 年,优先做好语义的组织,能把 Agent 的准确率提升至多 80%、成本降低至多 60%。

第二步:

人们很快发现:光有语义层,还不够

讨论的焦点开始移动。行业意识到,要让一个 Agent 答得准,光把它接上数据、给它一套口径定义还不够——它还得知道这份数据新不新鲜、从哪里来、谁能看、过去是怎么被使用的。于是 2026 年年中,「上下文」取代「MCP」,成了 Agent 准确性讨论的中心。用 Gartner 在伦敦站的话说,瓶颈不在模型,而在有没有为模型备齐一整套受治理的上下文。

第三步:

6 月的三周里,三大平台几乎同时把「上下文」做成内置能力,并各自命名

  • Snowflake 在 Summit 2026(6 月 1–4 日,旧金山)上推出 Horizon Context 与 Cortex Sense——后者把测试中 Agent 的准确率从 47% 提升到 83%;

  • 同一周,微软在 Build 2026 上把 Power BI 的语义模型直接定位成「AI Agent 的大脑」;

  • 两周后,Databricks 则在 DAIS 2026 上推出会自我进化的 Genie Ontology,并喊出那句宣言式的总结——「湖仓、语义层、Agent 运行时、治理层,现在是一个平台」。

名字不同——Cortex Sense、Genie Ontology、Gartner 用的 context graph——但指向一致:在语义层之上,为 Agent 持续供给一整套受治理的上下文。行业开始统一称它为 Contex Layer(上下文层)。

第四步:

开放标准阵营也开始抢夺这个位置

OSI 的首个正式规范已于 1 月 27 日发布定型,并在 Q2 正式进入推广阶段,目标是让 50 多个平台原生支持语义定义的跨工具互操作;6 月 1 日完成合并的 dbt Labs 与 Fivetran,则推出「Agents Schema」开放标准,把数据仓库里的一个 schema 指定为「AI Agent 的共享上下文层」。

需要指出,这些上下文层并没有「取代」语义层。Snowflake 的 Cortex Sense 建立在 Horizon Context 的语义视图之上,Databricks 的 Genie Ontology 由 Unity Catalog 的指标语义喂养。准确地说,语义层是上下文层最关键的地基。

02

海外数据厂商提出的上下文层,

到底指什么?

简单说,上下文层是在语义层之上,再叠加几类 AI Agent 在运行时需要、但语义层本身不提供的信息。把各家的说法结合起来,context layer 通常被拆成四类上下文:

  • 语义上下文:业务…

— 以上为试看内容(约 40%),开通会员后阅读全文 —