金蝶王禹程：数据是AI规模化落地的核心根基

在日前举行的创见者城市峰会——AI+平台技术论坛上，金蝶AI产研负责人、总经理王禹程在《金蝶基于数据云的本体》的主题分享中，为大家解读了金蝶如何通过数据云与本体模型，构建AI落地的企业级能力。

以下为分享实录，内容有删减。

数

据：AI规模化落地的根基

当前的软件工程正在发生剧烈的变化，开发的边际成本变得越来越低，其边际收益也会随之降低。在这样快速的变化中，什么是相对变化较慢的？我认为是数据。数据是行业剧烈变化中，变化相对缓慢的东西，但它对于AI又至关重要。

在与很多进行AI创业和企业运营的朋友交流时，我们发现大家都有一个共识：AI落地最重要的东西是数据。目前有多少人能把大模型做好、能跟上大模型厂商的脚步依然未知，但如何把数据做好，对于每个人来说却是比较公平的。当然，要把数据做好也面临挑战，必须通过非常好的数据产品才能实现，可以说数据是企业规模化落地AI非常重要的能力。

同时我们也看到，大模型在企业落地面临着几个挑战，包括幻觉、缺乏领域知识，以及大模型决策和推理过程缺乏透明度和不可解释性。这些在企业落地AI当中遇到的问题，多少都与数据治理有关，也都与构建相应的领域层有关，而“本体”就属于领域层中非常关键的一环。

本体：重构企业的业务说明书

基于当前的变革，金蝶推出了“金蝶商业本体”的概念。金蝶商业本体就是企业业务的“说明书”，它让企业数据能够“会表达”，也让AI——无论是一个智能体还是一百个智能体——都能够“会思考”、“会行动”。之所以能做到这一点，是因为我们有元数据驱动模型，同时我们将业务经验和积累变成规则与逻辑，将其封装到金蝶本体模型当中。

金蝶通过元数据驱动模型，同时将我们长期积累的业务经验和沉淀，封装为规则与逻辑，融入金蝶本体模型之中。而且，这个模型是动态的。你可以与它交互，AI也可以与它交互，从而不断丰富本体模型。这一本体将会涵盖财务、供应链、人力资源、营销、采购、税务等领域，同时我们将各领域的本体模型相串联，最后形成本体的网络，这就是金蝶商业本体。

在整体架构上，底层是各种各样的数据集成，我们要采集各类数据并进行治理。上层则是语义化的处理，包括数据目录、数据确权、指标模型和本体模型，并在此基础上形成商业本体网络。当AI接收到一个任务时，它能精准地理解这个任务代表了什么，是什么驱动我去完成它，这个任务对我意味着什么，以及应该如何规划、执行和反馈。这种任务关键型的知识和数据，正是AI能够落地的最重要推动因素。

数据云：承载商业本体的关键载体

为此，我们构建了金蝶的数据云，它是金蝶本体的载体。这个产品是保障企业拥有高质量数据、高质量语义的关键产品载体。我们的数据源可以存储结构化、半结构化和非结构化数据，同时也能接入第三方数据。在计算层，我们通过数据联邦，可以在需要时拉取其他数据源进行计算。上层的语义层则承载着不同的本体模型。同时，我们提供了包括SDK、API在内的非常好用的数据接入方法。这是一个绝大部分能力都要向Agent开放的数据云产品。

当AI应用产生行动的结果后，这些结果也会形成新的数据，回流到数据云当中，形成一个完整的数据闭环。AI在这个过程中会变得越来越聪明，就像一个刚进公司的大学生，学习的知识越多，积累的经验越多，他的能力边界就越大。本质上，这就是知识、流程和经验的持续升级。

如果我们能预置一些本体模型，同时AI又去补偿这样一个模型，它的场景覆盖范围也会越来越大，真正实现一次建设，多场景复用。它能帮助企业在增长与决策、风险与合规管控、运营与资金效率等关键领域构建核心能力。

我们坚信AI的规模化落地，数据是最重要的。许多技术商业化的创业者，也正从大模型慢慢转向数据基建。如果没有好的数据基建，智能化的规模化落地将是一个极大的挑战。我们期望金蝶的数据云产品，能够与大家一同走向智能体世界，帮助大家在智能体应用的浪潮中获得先机。谢谢大家。