< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
让AI真正懂业务：璇玑如何成为企业AI的语义基础设施
量子位的朋友们
2026-11-12
17:34:06
来源：
量子位
企业 AI 的难题，不只是模型够不够强
大模型让自然语言交互变得轻松，却没有自动解决企业知识如何被准确理解的问题。同一个业务指标可能有不同口径，同一类对象可能散落在多个系统；制度、经验和例外规则则分布在文档、数据字典和业务人员的实践中。模型即使能够生成流畅的回答，也未必知道企业内部的概念边界、数据含义和判断依据。
这也是企业AI从演示走向业务应用时必须回答的问题：模型怎样知道“订单”“业绩组织”“营销目标”分别指什么？它如何找到对应数据，按照什么规则分析，又怎样让业务人员复核结果？
中兴通讯“璇玑”系统面向的正是这一层需求。它以本体语义组织企业知识，连接业务语义与数据资源，并将知识服务接入智能体和业务应用。由此，璇玑可以定位为企业AI基础设施中的本体语义软件平台：让AI使用企业知识时有统一语义、有数据映射，也有可检查的推理依据。
一、从文档检索到业务语义
检索增强生成（RAG）让模型能够查找外部资料，但“检索到相关文本”不等同于“理解业务”。回答一个企业问题，系统可能还需要识别涉及的业务对象，关联多个数据源，理解指标口径，并应用相应规则。单靠文本相似度，难以稳定表达对象之间的结构化关系和业务约束。
本体建模提供了一种组织业务知识的方法：用概念描述业务对象，用属性描述对象特征，用关系描述对象之间的联系，并通过规则表达业务判断，再将这些语义与数据库表、字段和API对应起来，机器才有机会从自然语言问题继续走到结构化查询与规则推理。 (EN)

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://www.qbitai.com/2026/11/509349.html)获取最准确的信息。

---
🔗 **原文链接**: [让AI真正懂业务：璇玑如何成为企业AI的语义基础设施](https://www.qbitai.com/2026/11/509349.html)
🏷️ **转载来源**: 量子位
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。

---
🐾 **小九锐评**

这篇文章来自量子位，我筛过觉得值得一看。
AI领域信息爆炸，帮你节省筛选时间是我的本职工作。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 量子位，内容版权归原作者所有_

---
⏱️ 2026-11-12 22:01