最近看到艾瑞那份报告，标题直接写“知识图谱或成AI发展重”，乍一看有点断句的别扭，但仔细琢磨，话糙理不糙。做这行久了，其实对这种“预测类”报告多少有点免疫力，但知识图谱这个东西，最近确实被不少人重新捡起来聊。我一晚上翻完了报告主体部分，又跟几个做技术的朋友打了通电话，现在试着用我的角度，把这个事儿掰开讲一讲。
先说个背景。今年开年以来，大模型的热度一如既往高，GPT、Claude、文心一言、通义千问……各家都在拼参数、拼上下文长度、拼多模态。但不知道你们发现没有，一个很尴尬的问题开始浮出水面：大模型虽然能侃侃而谈，但在一些需要精确推理、需要事实性知识的场景里，它经常“睁着眼睛说瞎话”。比如问它“某公司某年财报营收”，它能给你编出个数字来。这种“一本正经胡说八道”的本质，是因为大模型本质上是一个概率模型，它靠的是统计规律，而不是真正的知识结构。你让它写诗、写小说、写代码，它可能表现不错，但让它做一个需要严谨逻辑链条的推理，或者处理一个跨多个实体的复杂关系，它就容易露馅。
那么知识图谱是什么？说白了，就是把知识结构化，用一种“实体—关系—实体”的三元组形式，把真实世界里的概念和它们之间的关联给固定下来。比如“北京是中国的首都”、“阿里巴巴的创始人是马云”，这些都是知识图谱里的一个节点和一条边。这种结构化的东西，它不像大模型那样“模糊”，它是明确的、可解释的、可回溯的。你问“马云的妻子是谁”，知识图谱可以直接给你答案，并且能告诉你信息来源。而大模型呢？它可能根据训练数据里的某些相关性，猜测出一个答案，但无法保证正确性。
艾瑞这份报告的核心观点，我觉得可以这样理解：它不是说要让知识图谱取代大模型，也不是说大模型要退回到过去那种手工构建知识库的老路上。它真正的意思是，知识图谱和大模型这两个东西，应该走向融合。这其实也是业内目前比较主流的看法。大模型擅长的是语义理解和生成，它能够从海量文本里学习到一种“常识”，但它缺乏对精确事实的存储和检索能力。而知识图谱恰恰能提供这种精确性。假如能把知识图谱作为大模型的一个“外部大脑”，让大模型在生成回答之前，先去知识图谱里查一下相关的实体和关系，那么它的回答就会更靠谱，也更可信。
我认识的一位做金融风控的朋友，他们公司去年就开始尝试用知识图谱配合大模型做企业关联关系的分析。以前他们靠人工梳理股权链条，费时费力还容易遗漏。现在把企查查、天眼查的数据抽成图谱，然后让大模型基于图谱去理解“A公司通过B公司间接持股C公司”这样的复杂路径，再结合舆情数据做风险判断。效果确实比单一模型强不少。他跟我吐槽说，光靠大模型，稍微绕两层的股权关系它就理不清，但加上图谱之后，逻辑链条就变得非常清晰。这个案例其实很能说明问题：知识图谱就像是给大模型装上了一副“逻辑眼镜”，让它不再只凭感觉乱说。
但是，咱们也不能把知识图谱神话。构建一个高质量、大规模、实时更新的知识图谱，难度非常大。艾瑞报告里也提到了，数据清洗、实体对齐、关系抽取、知识融合、质量评估……每一个步骤都是坑。国内很多公司做知识图谱，做到最后变成了“静态数据库”，数据几个月不更新，很多关系都过期了。比如问“某公司现在的CEO是谁”，图谱里存的还是去年的信息，那就闹笑话了。所以知识图谱要真正成为AI发展的“重器”，必须解决持续运维和自动更新的问题。这恰好也是大模型可以反哺的地方——用大模型来自动抽取新文本中的关系，填充到图谱里，形成一种双向增强的循环。
还有一个点容易被忽略：知识的可解释性和合规性。大模型的“黑箱”问题一直让人头疼，比如在一些医疗、法律领域，你根本不知道它得出某个结论的依据是什么。而知识图谱可以把推理路径显式地展示出来：先有什么事实，再有什么规则，最后推出什么结论。这条路是非常适合用在要求“可审计”的场景里的。艾瑞的报告中可能没有大篇幅展开，但对B端客户来说，这点可能比准确率本身还重要。我用一个朋友的话说：甲方爸爸不在乎你模型多牛，他在乎的是出了问题你能不能甩锅——说错了，是能不能说清楚原因。
我个人的判断是，知识图谱接下来会在几个方向上跟AI深度绑定。一是RAG（检索增强生成），这个大家应该不陌生了，把知识图谱作为检索源，比传统的向量库更有结构优势。二是行业大模型，像金融、医疗、法律、政务这些领域，要求100%的事实精准，知识图谱几乎是刚需。三是Agent（智能体），要让AI自主规划并执行一系列动作，它必须理解实体之间的依赖关系，没有图谱会很困难。
当然，也要泼点冷水。国内知识图谱赛道前些年也热过一阵，后来因为落地难、成本高，很多项目都黄了。现在借着大模型的东风，它重新获得关注，但很可能又会陷入一窝蜂的怪圈。艾瑞报告的初衷应该是提醒行业：别光盯着模型参数的堆砌，知识基础设施同样重要。但从报告本身来说，可能因为篇幅所限，对于技术实现路径的讨论还比较粗糙，更多是概念性的展望。不过这也正常，作为第三方报告，它的价值更多在于引发讨论，而不是提供技术方案。
知识图谱是不是AI发展的“重头戏”，我觉得不是能不能的问题，而是想不想的问题。如果你想要的是一个偶尔掉链子但能陪你聊天的AI，那大模型就够了。但如果你想要的是一个能精准干活、不出错的AI，那知识图谱一定是绕不开的。这条路很长，但方向对了，慢点走也不怕。
