川观智库研究员  黄爱林

2026年，智能体正从“对话工具”加速走向“企业级协作伙伴”。Gartner预测，到年底40%的企业应用将嵌入任务型AI智能体，而2025年这一比例尚不足5%。爆发式增长背后，一个矛盾日益凸显：当通用大模型遇上企业特有的业务语言、规则和对象关系时，往往是“能聊不能懂”。

近日，清华大学智能产业研究院、中国联通等机构联合推出的《2026智能体时代企业语义基础设施白皮书》（下简称“白皮书”）指出，让模型真正理解企业，已不是模型能力问题，而是企业是否具备一套能让模型“读懂自己”的语义基础设施的问题

白皮书认为，当前企业智能体落地普遍面临三大痛点：模型不理解企业，缺乏领域知识和业务规则；AI能力不可复用、不可治理，每上新场景都要重新梳理规则、调优模型；智能资产无法持续沉淀，业务专家的取数逻辑和口径定义随人员流动而流失。企业语义基础设施作为让智能体“读懂企业”的中间层，正是为解决这三个问题而生。

在业内，企业语义基础设施建设方案包括：基于知识库的检索增强生成（RAG）、知识图谱、数据中台/指标平台以及Ontology（本体）方案。这四种方案并非简单的替代关系，而是面向不同问题和应用边界形成互补。白皮书认为，对于需要跨系统理解业务对象、关联业务关系、开展复杂推理并进一步支撑智能应用的场景，Ontology（本体）更适合作为连接数据、业务语义与智能应用的统一语义基础。Ontology（本体）让 AI 干活时，关键步骤可约束、可审计，过程更可控。

那么，Ontology（本体）如何落地？白皮书提出“构建—沉淀—演进”三位一体方法论。构建要“立”在质量门槛上。AI可以大幅降低构建成本，但质量门不可绕过。白皮书提出四维质量评估，业务合理性、语义质量、结构质量、数据可达性，认为构建过程应该“边建边评，不过关不发布”。沉淀价值是“用”出来的。通过获取、评价、应用、反馈四环闭环，把使用模式、效果证据、业务知识三类资产持续留下来，让每一次使用都为下一次铺路。演进要“养”在业务里。同一场景内，正面和反面信号驱动本体补全与规则更新。跨场景间，派生和融合两种模式让Ontology（本体）从“一个场景”走向“一个生态”。整体而言，构建解决“准入”问题，让更多场景“用得起”；沉淀解决“积累”问题，让每一次使用“不白费”；演进解决“保鲜”问题，让本体始终“靠得住”。

实践数据也证明了这套方法的价值。白皮书显示，在运营商经营分析场景中，Ontology（本体）支撑的工单选表准确率从30%提升至85%左右，工单自动化交付率从15%提升至50%以上，端到端平均闭环时长从4.3天缩短至1.5天；存量营销场景中，目标用户命中率达到传统方式的2.36倍。云网运维故障定位准确率从74%提升至89%，定位时长从58分钟缩短至27分钟。客户体验、佣金风控等场景也取得明显成效。

随着多智能体协作成为趋势，Ontology（本体）将成为智能体之间的“共同语言”。白皮书认为，未来Ontology（本体）从单场景试点走向全企业规模化部署，还需要解决组织层面的治理机制。AI在Ontology（本体）全生命周期中的角色，也将从“辅助构建”走向“主动建议”。白皮书建议，数字化决策者可先选择高价值、边界清晰的场景试点；数据架构与AI平台负责人应尽早建立质量门和评估机制；业务架构师与领域专家则应梳理业务对象、关系和规则，并形成首批能力验收标准。

【未经授权，严禁转载！联系电话028-86968276】