夜雨聆风导语：想象一下，到 2030 年，全球将有价值高达 5 万亿美元的商业交易由 AI 智能体（AI Agents）自动处理。但这幅宏伟蓝图面前有一个致命的拦路虎：如果你的 AI 智能体和供应商的 AI 智能体对“利润”或“库存”的定义完全不同，这生意还怎么做？
最近，沃尔玛终止了与 OpenAI 在购物搜索上的合作，转而回归自家平台。原因很简单：依赖通用的 LLM（大语言模型）去强行理解沃尔玛复杂的商品数据，导致了严重的“AI 幻觉”，最终转化率惨不忍睹。这个血淋淋的教训告诉我们：没有统一业务逻辑支撑的 AI，只会是一场灾难。
为了解决企业内部的认知统一问题，“语义中心（Semantic Hubs）”应运而生。它就像企业内部的“中央词典”，把杂乱的原始数据翻译成 AI 能够精准理解的业务指标。有了它，企业内部的 AI 确实变聪明了。
但问题是，企业不是一座孤岛。
当你的采购 AI 需要与供应商的系统对话时，或者当财务 AI 需要向监管机构报送数据时，各家企业自建的“语义中心”就成了新的巴别塔。如果没有一种跨企业的“世界语”，网络化的智能体经济根本无法运转。
破局之道：OSI（开放语义互操作标准）
由 Salesforce 和 Snowflake 牵头推出的 OSI（Open Semantic Interchange），正是为了打破这种垄断。它试图建立一套开源的“通用数据思维模型”。一旦普及，软件厂商将无法再用独家的“指标语言”来绑架客户。大家拼的将是谁家的 AI 算得更快、更准、更安全。
CIO 现在的核心任务：不要再盲目追求堆砌 AI 智能体了。底层的通信协议（如 MCP）和语义标准（OSI）正在飞速成型。CIO 们现在最紧迫的任务，是审视自家的底层数据架构：你的数据是否已经具备了清晰、可互操作的“语义定义”？在 AI 智能体经济彻底爆发前，尽早拥抱开放的语义标准，才是避免在未来沦为“数字孤岛”的唯一出路。
全文：语义中心在推动智能体 AI 发展中究竟能发挥多大作用？
语义中心（Semantic hubs）为企业内部保持一致的 AI 部署提供了坚实的骨干，但在一个由 AI 智能体（AI Agents）组成的广阔网络世界中，它却显得力不从心。那么，首席信息官（CIO）们应该如何破局，以避免企业沦为数据孤岛？
图片来源：DC Studio / Shutterstock
当前，企业人工智能（Enterprise AI）建设的焦点正在发生转移——从单纯的数据存储、处理和传输，转向了一个更深层次的问题：确保数据无论在何处使用，其代表的业务含义都必须绝对一致。只有做到这一点，大型语言模型（LLM）才能真正理解一家企业独有的具体业务和细微差别。
沃尔玛（Walmart）最近宣布终止利用 OpenAI 的 ChatGPT 来驱动其购物搜索功能的合作，这就是一个极其典型的反面教材。过度依赖通用 LLM 来抓取沃尔玛庞大的商品数据并试图从中推断出业务含义，导致了严重的“AI 幻觉（Hallucinations）”和糟糕的客户体验。其最终结果是：通过 ChatGPT 促成的购物转化率，比直接使用沃尔玛自家网站的用户足足低了三倍。如果这个 AI 智能体能够真正扎根于沃尔玛多年积累的、精准的底层业务逻辑中，结果可能会截然不同。
为了解决这个问题，“语义中心（Semantic Hubs）”成为了驱动高效智能体 AI 部署的关键组件。它提供了一种集中式的架构，能够将杂乱的原始数据翻译成清晰、一致的业务概念。它有效地缓解了“语义漂移（Semantic Drift）”的风险——如果不加控制，LLM 对概念和术语的理解往往是流动且随时间变化的。
然而，企业并不是在真空中运作的，它们需要时刻与供应商、客户、监管机构以及金融机构进行海量的数据交换。在跨组织的交互中，由于各家企业对同一数据的定义和理解大相径庭，那些各自为战的“内部语义中心”反而可能成为系统崩溃的故障点。随着整个商业世界加速迈向高度自主的“智能体系统（Agentic Systems）”，这已成为一个亟待解决的严峻问题。
一、呼唤一种“共同的语言”
麦肯锡预测，到 2030 年，AI 智能体将有能力处理全球 3 万亿至 5 万亿美元的商业交易。向“智能体主导的世界”演进，其背后的经济和商业逻辑是无可辩驳的。尽管仍处于早期阶段，但支撑这场革命的底层技术正在以令人目眩的速度发展。例如，MCP（模型上下文协议）、Agent2Agent (A2A) 等开放标准，已经为智能体之间的相互通信和按需拉取数据提供了底层协议。
然而，目前这座大厦还缺失了一块核心基石：一种“共同的语义语言”。这种语言必须能够让分散在世界各地的 AI 智能体，一致且极其准确地从它们调用的数据中推断出正确的业务含义。
由 Salesforce 和 Snowflake 联合发起的开放语义互操作标准（OSI, Open Semantic Interchange），可以被视为数据的“通用心智模型”。它的核心使命是确保：无论 AI 智能体穿梭于哪个系统，它对业务定义的理解和意图，都能像人类行业专家一样精准无误。
“如果这项计划取得成功，OSI 将通过‘语义模型定义的商品化（标准化）’，从根本上重塑整个数据分析领域的竞争格局，”科技分析机构 The Futurum Group 的数据与分析业务副总裁 Brad Shimmin 表示。“软件供应商将再也无法用专有的‘指标语言’来锁定和绑架客户。相反，他们将被迫在语义执行的效率上展开内卷——在系统性能、缓存效率、安全防御以及 AI 集成的深度上寻求差异化竞争。”
二、迈向技术主权的沿途障碍
虽然 OSI 倡议直到去年（2025年）9 月才正式浮出水面，但目前，包括 Cloudera、Databricks、Instacart 和 ThoughtSpot 在内的多家重量级数据巨头，已经与创始成员 Salesforce 和 Snowflake 并肩站在一起，共同参与该标准的制定。
不过，许多 CIO 依然心存疑虑：如果缺乏微软（如 Power BI）和 SAP 等传统企业软件巨头的全面配合，OSI 可能会面临动力不足的风险，难以在跨行业间真正实现互操作性。但令人欣慰的是，竞争对手们近期对 MCP 协议的飞速采纳带来了一丝曙光——这表明，当各家公司意识到“构建有效的智能体系统离不开开放和通用标准”时，更多企业最终会选择加入这一生态。
此外，客观来看，OSI 规范目前仍处于早期开发阶段。要求企业在短期内将核心的实时数据资产，交托给仍处于 Beta（测试）阶段的工具是不切实际的。但随着领先供应商在未来几个月内将 OSI 深度整合进自家产品并跑出成功案例，这种观望态度有望被迅速打破。
推动该标准普及的另一个核心驱动力，将来自各大行业协会的支持。这些协会在各自领域内部署安全、可靠的智能体系统方面有着巨大的既得利益。例如，银行业和医疗保健业极其依赖统一的术语和定义标准，以严防金融欺诈或致命的医疗事故。Tableau Salesforce 的首席架构师兼 OSI 核心贡献者 Trevor Hall 表示，虽然 OSI 本身不一定去硬性规定诸如医学等特定领域的专业模型，但他非常希望各行业能以 OSI 为底层框架，来定义属于自己行业的语义模型。
三、OSI 的下一步大棋
Snowflake 正将自己定位为 OSI 标准的核心“守护者”。凭借其在云数据仓库市场约 20% 的庞大份额，它拥有极强的号召力来推动该标准的落地。另一大核心创始成员 Salesforce，则已将 OSI 视为其 Agentforce（AI 智能体战队）平台不可或缺的核心引擎。
与此同时，OSI 生态系统的“第二阶段扩展”将在 2026 年剩余的时间内全速推进。根据路线图，联盟计划为超过 50 个不同的主流数据平台，全面接入 OSI 模型的原生“导入与导出”按钮。
智能体（Agentic）领域的车轮正在飞速向前滚动，支撑它的底层基础设施已初具规模。对于 CIO 而言，现在正是确保你的底层数据已为这场革命做好准备的最佳时机，而开放语义互操作标准（OSI, Open Semantic Interchange），理应成为你未来战略规划中不可或缺的一环。
