Harness 与 Agent 工程 · 数据查询、分析与指标 · 2026-04-08

中台已死,语义层将重塑数据架构|爱分析访谈

语义层正成为AI时代数据架构的核心,让AI真正理解并操作数据,推动Agent应用从Demo走向生产级落地。

核心内容:

  1. 语义层技术架构的崛起与全球数据巨头的布局
  2. 语义层如何解决AI理解数据的关键问题
  3. Aloudata在语义层领域的创新实践与市场洞察

语义层正成为AI-Ready数据平台的核心技术架构,并被全球数据巨头Palantir、Databricks所关注和布局。2025年Palantir市值不断攀升,Ontology本体技术备受瞩目,而Ontology技术主要是用于解决语义层问题。2025年9月,全球数据平台巨头Snowflake联合 Salesforce、dbt Labs、BlackRock 等发起Open Semantic Interchange(OSI)规范,后面另一家数据平台巨头Databricks也加入。2026年初几家数据平台巨头开源了OSI规范,旨在为Agent应用落地打造一套中立开源的语义层标准。语义层的价值是让AI真正理解数据,并将决策转化成行动,这是Agent应用从Demo走向生产级落地的关键,是面向AI应用的数据基础设施的必备条件。成立于2021年的数据基础设施厂商Aloudata,专注于以NoETL语义编织架构变革传统数据架构,核心产品包括逻辑数据编织平台Aloudata AIR、主动元数据平台Aloudata BIG、自动化指标平台Aloudata CAN、分析决策智能体Aloudata Agent。基于数据编织和语义编织,Aloudata可以帮助企业用户构建面向Agent应用的语义层,构建AI可理解、可操作的数据底座。Aloudata创始人兼CEO周卫林拥有20余年大数据领域经验,曾任蚂蚁集团数据平台部总经理。近期,爱分析对周卫林进行访谈,探讨语义层市场机会、Agent对数据基础设施的影响、AI数据厂商核心壁垒等话题。

核心观点

语义本质是业务口径定义,核心组件包括数据虚拟化引擎和语义引擎,最终需涵盖决策到行动全链路,支持Action API,形成闭环。

数据平台操作将从以人为主转向以AI为主,大部分是由AI完成数据平台相关操作,面向人的BI看板等功能需求将大幅减少。

中国市场以私有云为主导,不太可能完全按照Token定价,应该会以“软件+订阅+调用量”组合为主要商业模式。

数据厂商的关键价值是将企业隐性信息低成本显性化为AI可用知识,而不是开发数据平台的功能或者维护整个数据平台系统。以下为本次访谈实录,在不改变原意基础上略有修改。

01

OSI标准是个信号,语义层价值初现爱分析:关于OSI标准,我看您之前认为它是一个重要的历史性时间节点。对比OSI和SQL,您觉得OSI会对整个数据基础设施产生哪些影响?周卫林:SQL诞生背景大家应该都理解。当时七十年代集成电路快速发展,计算机开始进入企业,全球化带来刚性的信息化需求,数据处理离不开数据库。IBM的研究员提出了关系模型,并在此基础上设计了SQL。早期各家厂商各自实现,语法互不兼容,用户移植成本极高,加上政府采购也要求有标准可依,才推动了1986年ANSI、1987年ISO先后发布SQL标准。它解决的是科技跃迁期应用爆发、交互成本高、技术落地难的问题。现在OSI则是AI大模型尤其是Agent起来后的现象。如果每家企业都定义不同的语义,上层BI、Agent应用和数据库之间适配就会很麻烦。所以大家开始思考怎么标准化。SQL解决的是数据可访问和访问效率的问题,OSI则是在SQL之上解决数据可理解和可行动的问题。以前数据操作是数据分析师和程序员的事,现在 AI Agent需要理解业务语义才能行动,语义必须标准化。OSI没有颠覆SQL,而是在其基础上延续。但难度不一样,SQL有完备的关系代数做理论支撑,语法细致、成熟;OSI目前只是一个很粗的语法文件,没有类似数学证明,只定义了信息结构,没定义完整语法表达,还处于很早期的阶段。未来OSI有没有可能像SQL一样,把语法规范化,同时保留厂商扩展性。如果能走到那一步,才算真正产业落地。现在它还只是个信号,表明大家看到了AI技术跃迁带来的新需求,但距离SQL那样的成熟标准还有差距。爱分析:所以OSI更多是一个方向信号,还不是完整的指引,目前只是起步阶段?周卫林:对,它还没到提一个标准,大家适配就行、各自实现差异化的阶段。如果真走到那一步,今天聊的很多话题都会不一样。但能不能走过去,现在还不好说。SQL语法明确、规则严谨、完备性强,OSI能不能达到那个成熟度,厂商愿不愿意在语法层面真正开放,到时候再看。02

数据中台将被淘汰,语义层会重塑数据架构爱分析:您之前提到从“数仓+BI”的传统架构变成了“数据湖 + 语义 + 消费”三层架构,语义层原先要么放在数仓里,要么在BI中,现在语义单独作为一层,这一层未来会包含哪些核心组件和功能?它的形态又会是什么样子?周卫林:你刚才提到的,原来的语义到底在哪里,其实我一直把它理解为一个连续的加工链。语义的本质就是业务口径的含义,这个口径本来就是一个连续段。比如在数仓明细层定义有效订单,到了BI里又定义高价值客户的订单量,它其实是连续口径的叠加和计算。所以很难严格说语义到底全在数仓,还是全在BI。我们理解,数仓里为了数据清洗所做的那些工作,如脏数据剥离、错数据修正、缺失数据补齐等,这部分还是保留在数仓的清洗层。清洗之后,面向业务场景的指标定义、口径定义以及后续的叠加计算,这些都属于语义层应该管的内容。因此,严格来说,语义层大概率不会去做数据清洗,但会负责转换这一层。如果这么看,语义层应该包含几个核心东西:第一,因为企业环境多样,语义层必须有数据连接能力,能连到不同的数据源和数据集,而且一定是虚拟化连接,不能把所有东西都塞到一个统一的技术栈里。第二,由于企业内部计算资源很难收敛,语义引擎里必须有一个数据虚拟化模块,来复用已有的存储和计算资源。所以数据虚拟化引擎是绕不开的。第三,就是基于数据去定义口径和架构逻辑的语义化过程。所以整体来看,语义层有两个大的引擎:…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhishiguanli/2026040809154.html