【读书】本体驱动的AI数据管理（序） ---先随便谈谈
序言的序言
今年三月左右，刚解决完现场某个问题后，主管和我说要派到别的团队支援一下，过去一看是在搞本体项目。 那时候听了pm给我讲解了概念后，觉得蛮有意思，便把电脑搬过去开干，本以为是干顶多一个月就回去了，结果干到现在六月多了还在这个团队干。。。 无言了，本来想着应付应付回原本岗位，现在我都感觉成为这个团队一份子了，然后机缘巧合下看到这本书，所以打算开个新坑。
先讲讲本体是啥吧，想象一下，你要让一台电脑理解"猫是一种动物，动物需要吃东西，所以猫需要吃东西"这件事。对人类来说这是常识，但电脑只认识数字和符号，它并不知道"猫"和"动物"之间有什么关系，更不会自己推出"猫需要吃东西"这个结论。
本体（Ontology）就是为了解决这个问题而发明的东西。它是一套对某个领域里的概念、关系和规则的正式定义。你可以把它理解成一张"概念地图"：地图上标注了这个领域里有哪些事物、这些事物有哪些属性、它们之间有什么关联，以及可以从已知信息推出什么新结论。
从一个生活例子讲起
想象你要描述"动物园"这个世界：
- 有老虎、大象、企鹅
- 老虎和大象都是哺乳动物，企鹅是鸟类
- 老虎吃肉，大象吃草
- 大象重于老虎
这些"谁是谁、谁属于谁、谁能干什么"——写成电脑能理解的结构化格式，就是一份本体（Ontology）。
如果有学过Java的朋友，Java的"类"以及"面向对象"的概念或许能辅助你更好理解一点，意思就是给现在的大模型建好类，比如奥迪、奔驰、宝马都可以抽象为"车"这个类，这个类有"品牌"、“颜色”、“最高时速"这些属性。在本体里，我们还能进一步规定关系：车属于某个"品牌”，品牌属于某个"国家"，车需要"燃料"才能行驶。有了这套定义，机器就能自己推断出"奥迪需要燃料"，而不需要你单独告诉它。
对没学过Java的朋友也不用担心，你只需要记住一件事：本体做的事，就是把人类默认懂的那些常识和规则，用机器能读懂的方式写下来。
其次讲讲本体有啥？本体到底包含什么？
| 组成部分 | 大白话 | 例子 |
|---|---|---|
| 概念/类 | 这个世界里有哪些"种类" | 动物、植物、人 |
| 个体 | 具体的某一个东西 | 旺财（某只狗） |
| 属性 | 东西有什么特征 | 有几条腿、体重多少 |
| 关系 | 东西之间怎么连的 | A属于B、A吃B |
| 规则 | 逻辑推断 | 所有哺乳动物都会呼吸 |
最后讲讲本体能干啥？
很简单——让AI真正懂业务数据。现在的AI是个技术专家，但到了你的具体业务场景里，它其实两眼一抹黑。数据库里有个字段叫"苹果"，它不知道这是iPhone手机，还是农产品苹果。有了本体，它就知道了：在这个环境下，“苹果"指的是iPhone手机，单位是"台”，有若干型号，和"订单"、"库存"之间有明确的关联关系——这些都是可以自动推断的，不需要每次靠人解释。
同时，本体还消除了歧义，统一了语言。以后换一个新的AI系统进来，不用从头再把整套业务逻辑重新"喂"一遍，直接读本体就行。
这时候你就发现，我Chovy，这不就是天天说的语义网，什么知识图谱嘛，有啥区别？讲这么抽象这么高深，你给我讲好了啊！
你这么问其实我也有疑惑，于是我去查了查——
说出来可能不信！本体这个概念，比你常听到的知识图谱还要老，在整整46年前，也就是1980年，就已经有学术界提出了。但那个时候，它只活在研究圈子里，没什么人关注。
真正让"让机器理解数据"这件事走向大众视野的，是1998年万维网之父 Tim Berners-Lee。他认为，Web 不应该只是网页之间的互相链接——网页描述的是现实世界里真实的事物和概念，但机器根本看不懂这些链接背后的意思。于是他提出了语义网这个愿景：让机器能够自动理解和处理网络上的数据，而不再只是把它们呈现给人看。
为了实现这个愿景，需要一套机器能读懂的语言。2004年，W3C（就是制定网页标准的那个国际组织）正式发布了 OWL，一种专门用来写本体的语言——你可以把它理解成"本体的格式规范"，就像Word文档有.docx格式，本体有OWL格式。
但语义网的愿景很美，现实很骨感。这套东西太学术、太复杂，普通开发者根本用不起来，推了将近十年，大规模落地始终没有实现。
直到2012年，Google提出了知识图谱。它做的事情本质上和语义网一脉相承，但更务实——不追求完美的逻辑推理，先把实体和关系存起来、用起来再说。这一下子就火了，百度、微软跟着做，知识图谱成了AI领域的热词。
然后是现在。大模型来了，人们又发现：大模型很强，但不懂业务数据，幻觉严重，推理不可靠。于是本体这个46年前的老概念，又被人翻出来了。
这条线走下来你会发现，从本体到语义网到OWL到知识图谱再到今天，换了这么多名字、绕了这么多弯路，人类想解决的其实始终是同一件事：让机器真正懂数据。
图 3：老概念一路换皮肤，但核心问题一直没变。
说个题外话，在2026年的六月，好大哥Google又偷摸发了一个博客，讲解了新的知识体系，Open Knowledge Format 连接点我（可能要魔法上网），这里就不详细讲了，粗略说，OKF 是一个开放、厂商中立的规范，用于将组织内部知识存储为一个目录下的 Markdown 文件加 YAML frontmatter，供 AI Agent 读写和交换。
有趣的是就有个老哥评价道原贴连接
翻译过来就是：
我可太喜欢每隔10年就重新关注一下 RDF/OWL 语义网格式了。 迟早有那么一年，它总能火起来的！（笑）
这个调侃不算错。概念确实在轮回，语义网喊了快三十年，真正大规模落地的场景少得可怜。 但这次我有点不一样的感觉。以前是"应该让机器懂数据"，现在是"大模型已经很强了，但就差这一口气"——差的恰好就是对业务语义的理解。需求从"理想"变成了"眼前的痛点"，这个变化不小。
当然，它会不会这次真的火起来，我也不知道。但说实话，我有点希望它成。（成了我简历有东西写了）
说出来可能不信，某天我某个技术群的群友发了一份文件，打开一看
看到国标那一刻，我也愣了一下。
我擦？原来本体已经录入国家标准吗？为了保持博客的正确不误导人的本质，我还是截图去问了问AI，AI给我严肃回答（本文AI是网页版Claude Sonnet4.6，或者codex）
确认：GB/T 48000.3—2026 是真实的国家标准 这是千真万确的正式国家标准，并非伪造文件。 该标准已收录于国家市场监督管理总局（国家标准化管理委员会）2026年第4号公告，标准编号 GB/T 48000.3—2026，名称《标准数字化 第3部分：本体建模要求》，实施日期为2026年8月1日。 Sdtdata 全国标准信息公共服务平台（国家标准委官网）也明确收录了 GB/T 48000.3-2026《标准数字化 第3部分：本体建模要求》。
如果换做大学的我或许会暗暗激动，“吔？我干这么先进这么符合国家战略的东西吗？” 但是现在身为工作一年的老油子，我还是存疑的，因为啥，扯个小的题外话
当时主播还在大三实习的时候，面试了一家深圳的初创公司，他们的理念叫做数据编织（Data Fabric），那时候主播还是个按着尚硅谷把电商数仓打出来的小萌新，只知道Hadoop，spark，数仓有三层，分别是ODS，DW，ADS。。。。
然后面试我的主管登味很重，说自己是华为出来的，啊然后讲数据孤岛，啊，数据编织，问我听过吗？我肯定没听过啊，数据治理一向都是那种顶级大牛搞得，我就打算做个SQLboy你和我说这些，然后他一派老成的和我说我还年轻，多见识。
其实到这主播没有丝毫意见，因为他说的对啊，我的确年轻，这些东西的确不知道嘛，他让我知道也算扩开知识面了，但是最后有一句莫名其妙触碰到主播逆鳞了，他说原本是不会看我这种普本的学生的，只是现在公司刚起步，所以我才有机会。未来打算和华南理工大学，中山大学达成合作，只招起码暨南大学的学生。这里败坏了主播的所有好感，本来耐心听你讲高大上的理念，后面突然抨击主播学校水平不够。怒而放鸽子。
其实薪资水平真不错，福田区还是龙华区来着，不包吃住但是6000的薪资。但是那时候主播借着这个借口，直接回学校爽玩了一整个大四。
对比他，不禁回想起我实习时的老大，感恩，是个爱吹牛逼的陕西汉子，他有没有真料我不知道了，但是实习时处处关照我，真是成承蒙了。他和我说，数据部门是公司部门里经济效益最差的，说好听点叫数据治理，说难听点叫数据清洁工，再恶心点就是数据里屎里挑金，他不像业务部门可以赚钱，他是要靠业务部门养着的二级部门，数据或许可以提供有效的，支撑判断的信息，但是回报周期很长，前期就是要亏钱养着，很多公司其实等不及的，成立了数据部门很快就会解散，或者压根不成立数据部门。
但是数据从业者可不少，而且加之现在国家讲究数据基建，为了博取投资与关注，就会有很多新的概念，很多听的愿景很美好，但实际要不成本高昂，但是收益低微，或者说学习成本高昂，这样治理并不好用。更多是对着政府社会高谈阔论，博取投资。现在回看，似乎这个数据编织的概念也没火起来，因为实际工作后发现，很多都是概念，的确是“炒起来”博取投资的，真实环境里，老板还是看重，有没有真正价值。
写了堆小故事，我就想先和你泼冷水，冷静看待每一个新的概念。 于是我就问AI，这个值得重视吗？，回答如下
问 AI 不是为了迷信 AI，是为了先把事实边界捋清楚。
本来大众推荐一个概念，应该是极力鼓吹画大饼让你入坑，但写到这里洋洋洒洒写了三千字，和你说本体概念是反复炒，不一定落地的，也不知道有没有劝退你，我是本着==干都干了，那就学精一点？==于是打算开坑！我在群里看到有大佬推荐一本书，就是 《本体驱动的AI数据管理》
正好契合我现在做的项目（虽然我在项目里是打杂的），于是打算写一系列博客来分享我的读书笔记。首先介绍一下这本书，是由机械工业出版社（冲击波出版的，老多人吐槽了）出版，由华为数据专家马运（同时也是《华为数据之道》第一作者）和本体架构专家田璞领衔撰写。
拼多多花了我55大洋购买，正版书籍保证。
图 9：书已经买了，坑也已经挖了。
主播是很讨厌华为的，尤其是华为奇怪的加班文化，华为汽车奇怪的宣传和余大嘴等，但越是讨厌越是要理性批判！但是数据技术不分高低贵贱，保证客观。
不多说！开读！