可扩展智能层如何将企业数据转化为生产级AI

企业正在发现，建立在知识图谱之上的可扩展智能层能够提供机构语境，从而将通用AI模型转变为可靠的生产系统。

随着公司将AI从试点推向生产，一个新的软件层正在兴起，它将结构化、非结构化和关联数据连接成企业的神经通路。初创公司竞相构建这一基础，例如上下文图谱专业公司Jedify Inc.刚刚筹集了资金，为代理提供可靠运行所需的业务知识。微软公司软件工程副总裁Jeevan Pathuri表示，真正的智能留存在公司内部，扎根于其数据之间的关系中。

“智能的真正价值来自于这些连接以及跨企业不同数据之间的关系，”Pathuri说。“当我们以节点、边和关系的形式建模时，语言模型就很容易理解并以比标准SQL查询更复杂的方式回答问题。”

Pathuri在与CUBE的John Furrier的独家AI luminaries访谈系列中讨论了图谱、本体和可扩展智能层如何重塑从AI实验到生产价值的道路。

知识图谱作为水平可扩展的智能层，将大语言模型扎根于特定领域的语境，从而将通用能力转化为业务成果，而连接数据则承担了繁重的工作。Pathuri指出，在微软自己的供应链工作中，将物料清单建模为图谱让团队能够以惊人的速度构建代理。

“我们在几周内就构建了10到15个生产级代理，”他说。“没有这种连接智能，我们不得不一个接一个地单独构建这些代理，沿途重新发现关系和元数据，而现在，所有这些都是一次性创建，并可应用于多种场景。”

这个可重用的语义层正是企业应该投资的领域，市场也在跟随。企业知识图谱市场预计将从目前的19亿美元增长到2032年的近100亿美元，因为代理如果没有受治理的语境就无法可靠运行。Pathuri指出，明确定义意图可以缩短上市时间。

“如果你想真正提取智能并使系统为你工作，定义顶层的语义层将非常关键，”他说。“过去我们开发一个代理需要三到四周，现在只需要几天。”

构建这一基础现在已成为可信、生产级AI的核心，这一主题在CUBE Research的2026年预测中也得到了呼应，该预测将知识图谱和语义层标记为企业部署的核心。人类仍然掌控全局，评估和生成追踪为系统提供支持——但数据基础工作不可跳过，Pathuri强调。

“这里没有捷径。这仍然是艰苦的工作，”Pathuri说。“创建干净的数据层，即连接的数据层，绝对是必要的。”