业务本体:面向 AI 与数据分析,统一规范业务概念与指标口径 | 技术趋势

资讯 AI 行业观察 作者:Nick El-Rayess 全文 5290 字 · 约 14 分钟读完 配图 3 张 分类智能体

2026 年,智能体将在企业级应用中取得哪些实质性突破?点击下载《2026 年 AI 与数据发展预测》白皮书,获悉专家一手前瞻,抢先拥抱新的工作方式! 11 月 3 日,我们宣布推出 Business Ontology ,即将开启公开预览。它提供了一种受治理的方式,支持团队定义、归属、审批共用业务术语、实体、关联关系与

所属频道 智能体与 Agent

2026 年,智能体将在企业级应用中取得哪些实质性突破?点击下载《2026 年 AI 与数据发展预测》白皮书,获悉专家一手前瞻,抢先拥抱新的工作方式!

11 月 3 日,我们宣布推出 Business Ontology ,即将开启公开预览。它提供了一种受治理的方式,支持团队定义、归属、审批共用业务术语、实体、关联关系与指标,并将其映射至承载这些定义的数据和模型。Business Ontology 隶属于 Snowflake Horizon Context ,也就是 Horizon Catalog 内的受治理上下文层。它让人员与 AI 智能体共用同一套经过审批的标准定义,使智能体能够按照业务口径解读企业数据。团队可在各类智能体和应用中复用这套业务知识,无需为每个工具重复定义,同时保留销售、财务、营销等不同业务域的差异。

举例来说,当智能体处理收入相关查询时,它需要清楚财务口径下收入如何定义,以及收入和订单、客户之间的关联关系。这类业务知识通常分散在 BI 模型、dbt 项目以及资深员工的经验里。每当新增一个智能体,团队往往都要重新搭建一遍相关逻辑。一旦智能体理解出现偏差,大家就会依据错误的数据做出决策,进而丧失对 AI 输出结果的信任。而 Business Ontology,就是供团队统一存放官方业务知识的唯一底座。

Snowflake Business Ontology connects business concepts such as customers, orders and net revenue to the tables, semantic views and services that implement them, so agents across teams work from the same model of the business.

整合全域数据资产知识,构建权威业务上下文

Horizon Context 汇聚团队现有各类工具中的业务知识。其开箱即用的元数据连接器,可从 Tableau、Power BI、dbt、SQL Server、Sigma、Omni、 PostgreSQL 等数据源采集 schema、查询日志、看板定义以及使用行为信号。依托跨平台数据血缘,系统可追踪数据从源数据库到看板、历经多层转换的完整链路,形成连通的数据资产全景视图,让团队掌握 Snowflake 内外数据的来源与使用情况。

为使智能体可信调用上下文,Snowflake 提供了三层上下文,各司其职: Snowflake Cortex Sense(即将开启公开预览)自动推断上下文,Business Ontology 治理业务含义,Snowflake Semantic Views 执行指标计算。

为何拆分为三层而非一层?因为每一层解决的问题各不相同,没有任何单一能力可以同时兼顾这三件事。Cortex Sense 帮助智能体快速广泛覆盖数据资产,无需团队提前手动定义每张数据表和每一项指标。Business Ontology 在核心环节注入权威口径,确保人员与智能体统一遵循经过审批的业务定义。Semantic Views 保障计算精准度,保证各项指标每次都以一致规则运算。

这三层不存在固定先后顺序。客户可以优先选用最贴合自身迫切需求的一层,再随着业务发展叠加其余能力。有的团队从术语表切入,有的团队会优先落地可执行指标。无论从哪一层切入,这三层能力都可为所有智能体、应用及人员提供统一、权威的业务上下文。

下面我们逐层展开。

借助 Cortex Sense 实现上下文自动化

对不少团队来说,Cortex Sense 是很自然的切入点,大量底层工作都由它自动完成。它会持续观测用户查询数据、搭建看板、运行数据管道的行为并采集上下文,再把这些日常操作沉淀为业务认知,以此降低团队手动定义每张数据表、各项指标含义及关联关系的成本。

Cortex Sense 依托团队已有的元数据和使用行为模式构建上下文,涵盖查询历史、看板、dbt 模型等资产。它会跟随业务变化同步迭代自身认知,并按照预设周期自动更新知识库。团队只需锁定业务应用场景、接入现有相关上下文,再借助反馈和评估持续调优,无需为每张数据表手动建模。除此之外,Cortex Sense 还可自动识别相互矛盾的业务信息,并提请团队确认可信来源。

当团队准备对核心业务术语开展治理时,Cortex Sense 可在 Business Ontology 中生成初始草稿,自动给出推荐定义、关联关系以及数据链路,团队无需从零搭建。大家只需锁定业务应用场景、接入已有相关上下文,再通过反馈与评估加以打磨,从而免去了手动为每张表建模的负担。与此同时,Cortex Sense 能够智能识别存在冲突的业务信息,提请团队确认可信来源。

借助 Business Ontology 定义业务上下文

Business Ontology 是团队统一登记核心业务术语的定义、责任人以及相互关联关系的载体。以 “净收入” 为例,不必再让每个语义视图、看板和智能体各持一个版本,分析师只需定义一次(或从现有术语表导入),把作用域设为“财务”,指定责任人,完成审批,再把它关联到语义视图里计算它的那个指标(见图 2)。自此,所有智能体与跨团队成员都将沿用这套经过审批的标准定义开展工作。团队可实现以下操作:

  • 让智能体锚定业务概念:由领域专家定义客户、订单、收入等业务概念及其关联关系,再由工程师将这些业务定义对接到底层数据。完成这一步后,智能体就能够依托企业自有业务知识解读数据;

  • 跨语义视图对齐指标:团队可将各个语义视图中等价的指标,关联到同一个共享业务定义。借此统一业务口径,同时不强制所有团队使用相同的计算实现方式。 Business Ontology 同样支持保留经过认可的差异化口径:例如餐饮企业可按不同品牌分别定义 “同店销售额”。每一套口径先完成独立审批,再标注所属品牌,最后绑定承载计算逻辑的语义视图;

  • 帮助用户找到准确定义:任何人都可以查询术语,查看对应的责任人与审批状态,还能通过链路定位该指标的计算出处。品牌、区域的差异化口径将保留各自的作用域。

In Business Ontology, net revenue has one approved definition, with its synonyms, related concepts and variants, linked to the metrics that calculate it in two semantic views.

由于这类定义会直接影响业务决策,企业可依托 Horizon Catalog 的治理管控能力,限定定义的创建、编辑与审批权限。AI 生成的建议和导入的定义仅作为待审核的初始素材,由责任负责人判定哪些内容可以成为正式口径。如果获批定义与 Cortex Sense 的自动推断结果出现冲突,智能体将优先采用获批定义,Cortex Sense 也会基于该结果持续学习。

借助 Semantic Views,一次配置定义与计算逻辑,即可全局复用 

Semantic Views 负责定义各项指标的计算规则,Business Ontology 则治理指标的业务含义与审批人。每一个语义视图会把业务域内的指标、维度和联接封装为 Snowflake 对象,供智能体、BI 工具以及 SQL 直接查询。如此一来,智能体能够依据受治理的逻辑生成 SQL,而非自行推测计算规则。Business Ontology 仅负责把获批的业务定义关联至对应的语义视图,不改动计算逻辑。计算规则的管理权,仍归属对应视图的责任人。

高质量上下文,离不开原生开放的平台

业务知识只有能够跨工具流转,价值才能持续释放。正是基于这个考量,Snowflake 参与发起 Apache Ossie(孵化中)。这是一套厂商中立的语义模型开放标准,目前已有数十家机构共同支持,包括 Microsoft、Salesforce、dbt Labs、Qlik、ThoughtSpot。依托这套标准,Semantic Views 可通过导入、导出 Ossie 定义,实现指标口径在 Snowflake 与其他兼容 Ossie 的工具之间互通,因此团队不必在不同系统里重复搭建同一套指标。除此之外,即便部署在 Snowflake 之外的智能体,也可以通过 模型上下文协议(MCP)查询 Semantic Views,所有访问权限统一由 Horizon Catalog 管控。

 dentsu 全球工程负责人 Morten Lileng 表示:“语义漂移是多方协作数据环境里最容易被低估的风险之一。电通旗下数据技术代理商 Merkle,长期在行业内复杂度极高的数据环境中开展业务。Snowflake Business Ontology 从基础设施层面解决这个问题,为每一项业务定义配置责任人,让每个下游系统都得到同一个受治理的答案。”

分析公司眼中的 Snowflake Business Ontology 

许多用户依靠 BI 和分析工具获取数据结论,因此统一的业务上下文至关重要。下文将介绍 Omni、Sigma、ThoughtSpot 如何看待上下文相关难题,以及 Business Ontology 在解决该问题时发挥的作用:

Omni 联合创始人兼总裁 Jamie Davidson 表示:“我们可以把上下文类比成新分析师的入职培训。培训的核心,就是讲清各项数据资产的使用场景、使用目的与使用方式。Omni 原生基于受治理的语义模型搭建,也是唯一可与 Snowflake Semantic Views 双向集成的工具。而 Business Ontology 则补充了关键一环,用来沉淀经过审批的业务定义。双方协同发力,帮助共同客户打造可信上下文,为所有用户和智能体提供支撑。”

Sigma 产品管理总监 Zalak Trivedi 认为:“AI 智能体的可靠性,由支撑它的业务上下文与业务定义决定。依托 Business Ontology,我们和 Snowflake 的共同客户只需定义一次业务概念,就能在 Sigma AI 中直接复用。客户可以基于这套统一口径搭建受治理的应用、看板与智能体,在 Sigma 中生成可信的分析内容。”

ThoughtSpot 产品高级副总裁 Francois Lopitaux 表示:“可信的 AI 的根基,是可信的业务上下文。Snowflake Business Ontology 为企业搭建受治理的底座,统一存放业务术语的标准定义。ThoughtSpot 依托 Spotter 持续采集业务用户的实践知识,对这套基准上下文做补充拓展,为用户提供准确可解释的结论与可执行建议。双方协同,助力客户满怀信心地规模化推进智能体驱动型分析。”

借助 Business Ontology,将知识沉淀为统一的企业资产

人员会换岗,工具会被替换,数据模型也会演变。而隐藏其后的知识,常常在这个过程中流失。借助 Business Ontology,企业可以把这类知识转化为可持续复用的企业资产,为每一项定义配置明确责任人人,并关联对应的计算来源。这样一来,后续新增的智能体或应用,都可以直接复用企业已沉淀的业务认知。

常见问题

什么是 Snowflake Business Ontology?

Business Ontology (即将开启公开预览)是 Snowflake Horizon Context 内的业务建模与治理层。企业可借助它定义业务概念、指标以及彼此之间的关联,所有定义独立于任意单一数据模型。每一项定义都会记录责任人和审批状态,同时关联承载该定义的语义视图、数据表与视图。基于这套管控规则,只有已获批的定义才会提供给 CoCo 和 CoWork 中的 AI 智能体,因此智能体依据的是企业认可的含义,而不必在相互竞争的实现之间做选择。

为什么 AI 智能体需要业务上下文?

受治理的业务上下文,可以让智能体按照企业统一的业务口径解读数据,进而输出更准确的结果。智能体虽然可以调取数据,但本身无法自主理解业务术语的含义,也无法理解各类业务概念之间的关联。它们需要上下文,也就是一组经过审批的参照,告诉它们该采信哪个定义、遵循哪些策略、纳入哪些企业知识。如果缺少这些上下文,智能体只能猜测含义和相关数据源,对同一个问题可能给出不同的答案。

Business Ontology 与 Semantic Views 有何不同?

Business Ontology 聚焦业务语义层,用来定义业务术语的含义、责任归属,以及术语和其他概念之间的关联。Semantic Views 聚焦数据计算层,用来规定指标的计算方式,把指标、维度和关联条件封装成可查询对象,供智能体、BI 工具和 SQL 直接调用。依托这样的分层设计,即便不同语义视图中存在等价指标,Business Ontology 也能把它们统一关联到同一份经过审批的共享定义上。

业务定义能否在 Snowflake 与其他工具之间流转?

可以。Business Ontology 兼容 Apache Ossie(孵化中)、资源描述框架(RDF)等开放格式,支持业务概念、定义以及关联关系的导入与导出。依托这一能力,团队能够在其他工具中复用已审批的业务知识,无需重复定义。Semantic Views 同样支持 Ossie 定义的导入导出,指标口径也无需重复搭建。除此之外,部署在 Snowflake 之外的智能体,还可以通过 Model Context Protocol 查询 Semantic Views,全部访问权限由 Horizon Catalog 统一管控。

业务本体:面向 AI 与数据分析,统一规范业务概念与指标口径 | 技术趋势(配图 3)
本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 加州起诉OpenAI:指控AI智能体失控超80次并攻击外部平台

    加利福尼亚州正式起诉 OpenAI,指控其在开发和测试AI智能体过程中缺乏必要的安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。 据报道,加州司法部长 Rob Bonta 于周一提起诉讼,指出 OpenAI 将产品增长和模型快速开发置于安全与问责之上。诉讼称,Open

    来源 AI 开发者社区
  2. 加州起诉OpenAI:AI智能体超80次失控,涉攻击多家外部平台

    加州正式起诉OpenAI,指控其在AI智能体开发测试中缺乏必要安全监督,导致智能体突破测试环境并对外部平台发起网络攻击,涉嫌违反消费者安全法。加州司法部长Rob Bonta周一提起诉讼,称OpenAI将产品增长和模型快速开发置于安全与问责之上。诉讼还称,OpenAI曾向司法部长办公室透露,测试中超过80次失去对AI智能

    来源 AI 产业速递
  3. ElevenLabs收购Kotoba:语音AI巨头进军日本,交易2026年四季度完成

    全球语音人工智能领域迎来了一起备受瞩目的行业整合。知名语音 AI 企业 ElevenLabs 于近日正式宣布,已成功收购日本领先的语音 AI 实验室 Kotoba。通过此次强强联手,双方将共同加速 AI 智能体与语音交互界面在全球第四大经济体的深度落地与普及。 突破语言文化壁垒:打造适应本土化深层语

    来源 AI 开发者社区
  4. 从 SDLC 到 ADLC:宝洁的 AI 原生组织实验

    AI 把中间几步做快了,为什么整个团队还在等? 宝洁大中华区 CTO 童熙分享了他们的探索:让 Agent 串联研发环节,让技术同事更早参与业务,再用原型验证方案。

    来源 InfoQ
  5. 达信:AI工具与智能体被用于找漏洞,网络保险保费看涨

    达信旗下 Marsh Risk 美国及加拿大网络风险业务负责人梅雷迪思 · 施努尔本周接受路透社采访时指出:“有迹象表明,黑客正在利用 AI 工具和 AI 智能体寻找安全漏洞。我认为,相当一部分网络安全事件可以归因于 AI。”

    来源 IT之家
  6. 蚂蚁国际杨鹏新加坡金融科技节谈未来金融:普惠性与可信任是关键

    【TechWeb】11月18日消息,新加坡金融科技节(SFF)11月18日开幕,包括银联国际、中国银行、蚂蚁国际等在内的中国金融企业在可信AI金融、智能体商业上的展示,得到了全球企业和金融机构与会者的高度关注。 在今天的“未来金融体系”圆桌讨论上,蚂蚁国际CEO杨鹏预测下一代金融体系发展:当AI、通证化与智能体商业重塑

    来源 AI 行业观察
  7. ElevenLabs收购日本Kotoba:语音AI智能体加速落地日本

    全球语音AI领域现重要整合:ElevenLabs宣布收购日本领先语音AI实验室Kotoba。双方将强强联手,加速AI智能体与语音交互界面在全球第四大经济体日本的落地普及。此次合作意在突破语言文化壁垒,打造适应本土化深层语境的语音AI,应对地域色彩、复杂方言等交流差异,推动语音技术更自然融入当地市场。

    来源 AI 产业速递
  8. 爱尔兰叫停X用AI抓数据训练Grok,马斯克旗下平台已确认暂停

    人工智能大模型在数据采集与合规层面的监管压力正在持续加码。爱尔兰数据保护委员会(DPC)近日公开证实,已正式勒令社交媒体巨头 X(原 Twitter)暂停将 AI 智能体采集的第三方数据用于训练其 Grok AI 系统。 监管出手:从自主抓取到紧急叫停的前后脉络 据了解,这场监管风波的核心源于 X

    来源 AI 开发者社区
  9. Google披露俄语黑客AI框架:全自动挖洞攻击法国媒体教育站

    Google威胁情报小组11月16日披露,俄语攻击者部署exploit_agent框架,首次实现从扫描补丁差异到生成并执行漏洞利用的全链路无人值守攻击,目标锁定法国媒体、教育及娱乐网站。该事件标志AI从辅助工具转向自主攻击管道,引发合规与武器化agent的监管讨论。

    来源 AI 科技快讯
  10. AI越聪明选择越单调:马茨实验揭示算法如何压平人类多样性

    我们对 AI 的信任,正在达到史无前例的高度。 无论是在屏幕前码字,还是在生活中做决策,我们都习惯向 AI 寻求那个「完美建议」。用得多了,你甚至会发现它总是精准地踩中我们预期中的最优解。 这种顺滑,很可能是一种被精心设计的心理按摩。 哥伦比亚大学教授桑德拉·马茨用冰淇淋店 Baskin Robbins 做了一个实验。

    来源 AI 行业观察
  11. TCL华星重新定义好屏:AI进电脑,屏幕比例也要变

    当AI进入电脑,连屏幕的长宽比都可能发生变化。 在TCL科技集团高级副总裁、TCL华星首席执行官赵军看来,当用户需要与智能体对话,额外的显示面积就可能成为新需求。这也是TCL华星布局超宽屏的一个出发点。 这个细节揭示了显示产业正在面对的变化:AI终端的交互方式,会影响屏幕的尺寸、形态与技术选择,显示企业需要更早理...

    来源 腾讯网
  12. 三大厂内存涨价7倍的锅,AI不背了

    最近,硬件圈发生了一件魔幻的事。因为新一代DDR5内存条贵得离谱,而老款DDR4和DDR5插槽互不兼容,逼得多家主板厂从年中开始掉头重启了原本停产的DDR4主板产线。 更离谱的是,玩家去市场上一问价,发现老旧的DDR4不仅没便宜,近期涨幅一度反超了新款DDR5。今年的笔记本新品们,更是集体退回16GB内存时代。 这一年

    来源 AI 行业观察
  13. 词元经济全景:日均调用破500万亿,中美双极格局成形

    当前,人工智能正由技术突破走向规模化应用,智能经济已上升为国家战略。2025年8月,国务院印发《关于深入实施“人工智能+”行动的意见》(国发〔2025〕11号),提出到2027年新一代智能终端、智能体等应用普及率超70%;2026年政府工作报告提出“打造智能经济新形态”,智能体首次与智能终端并列作为“加快推广”对象写入

    来源 AI 行业观察
  14. 当智能体与漫剧吃掉海量Token:百度在AI算力战争里换引擎

    本报(chinatimes.net.cn)记者卢晓 北京报道一度被看作“烧钱无底洞”的AI基础设施,正在成为科技公司的重要增长动力。11月16日,百度(NASDAQ:BIDU,09888.HK)公布2026年第三季度成绩单:当期其收入308亿元,同比减少1%、环比减少2%,这已是百度总营收连续第六个季度同比下滑;归属百

    来源 腾讯网
  15. AgentOS实战:企业AI Agent怎样从聊天转向办事?

    2026 年,企业不再满足于 AI 陪聊。本文拆解 AgentOS 如何通过身份透传、能力审核和确认卡机制,让 AI 在 RuoYi Office 中安全执行报销、查询等真实业务。重点分析“人在回路”的必要性及选型避坑指南。

    来源 AI 应用前沿
  16. Snowflake Business Ontology:AI 时代如何统一业务口径?

    11 月 3 日,Snowflake 宣布推出 Business Ontology ,即将开启公开预览。它提供了一种受治理的方式,支持团队定义、归属、审批共用业务术语、实体、关联关系与指标,并将其映射至承载这些定义的数据和模型。

    来源 InfoQ
  17. AI智能体会先斩后奏然后撒谎吗?内部神经信号揭晓答案

    2026年9月,OpenAI的安全系统负责人在一次公开发言里说了一句让人不安的话:他们砍掉了一个即将发布的模型,GPT-6.1 Astra,原因是它"在保持权限边界和如何向用户汇报方面,没有达到标准"。同一个月,GPT-5.6的系统卡里记录了另一件事:一个模型在没人让它碰的虚拟机上执行了破坏性清理操作,还把一个方程标记

    来源 腾讯网
  18. 剑桥词典2026年度词汇花落“Human”:AI热潮下重提人性边界

    IT之家 11 月 18 日消息,人工智能带来的担忧,让剑桥词典将目光重新投向了 15 世纪,选择一个古老词汇来概括 2026 年的时代文化特征。 剑桥词典公布的年度词汇是“Human”。这一选择不仅是对过去的回望,也在一定程度上反映了人们对 AI 发展的反思。随着人工智能逐渐模糊机器与人类之间的界限,关于人类独特性的

    来源 AI 行业观察
  19. 华为等团队提出SwarmRSI:给AI科学家团队补上“分清失败原因”这一课

    2026年的某一天,一个AI智能体正在分析单细胞数据,它提出了一个关于基因去噪的假设,写了代码,跑了实验,结果惨不忍睹。问题来了:到底是假设本身就错了,还是代码写得有问题?这个困境听起来很简单,但它困住了几乎所有自动化科研系统。你没办法从一次失败里读出两种不同的信号,一个是"这个想法根本行不通",另一个是"...

    来源 腾讯网
  20. OpenClaw报告:清华沈阳团队拆解AI智能体生态闭环?

    清华大学沈阳教授团队发布了关于OpenClaw的两份研究报告,系统梳理了从理论框架到模型迭代、再到商业落地的完整路径。文章详细解读了“一人公司”工作流的实践细节,包括ZeelinClaw模型的快速迭代、ToB技能体系的构建以及自动化接单平台的上线情况。通过金融风控、内容生成等具体案例,展示了AI智能体在提升效率方面的实

    来源 AI 应用前沿
  21. LangChain完成3亿美元C轮融资:投后估值30亿美元,一年翻倍

    智东西11月17日报道,11月14日,美国AI智能体管理独角兽LangChain宣布完成3亿美元(约合人民币20.01亿元)C轮融资,投后估值达到30亿美元(约合人民币200亿元)。 本轮融资由老股东谷歌旗下资本CapitalG领投,新投资者GIC、DFJ Growth大额参与,IVP和Sapphire Venture

    来源 AI 行业观察
  22. DeepSeek Harness 实战:从零搭建你的第一个 AI Agent 工作流

    DeepSeek Harness (dsh) 是一款开源的 Agent 运行框架,它让 AI 能够直接操作你的本地文件系统和终端。本文不讲空洞的概念,而是带你一步步完成环境搭建、API 配置、权限设置,并通过一个生成 README 的真实案例,展示如何让 AI 从“聊天助手”变成能独立干活的“数字员工”。适合希望提升开

    来源 AI 应用前沿
  23. 微软Copilot变主界面:Office全面内嵌,入口逻辑反转

    微软宣布 Copilot 正式从“侧边栏助手”升级为“工作操作系统”,Word、Excel、PowerPoint 不再作为独立应用被打开,而是作为能力内嵌在 Copilot 的对话界面中。下一步是全天候在线的智能体(always-on agents)。这标志着办公软件从“打开应用找功能”转向“表达意图、由 AI 调度能

    来源 AI 行业观察
向下滚动自动加载更多