情境是新的黄金：下一波代理人工智能购买的是理解力，而不是处理能力

人工智能革命陷入了僵局——这并不是因为计算能力不足，而是因为组织正在解决错误的问题。

全球 GenAI 支出预计将达到 $ 644十亿的2025专家还警告称， 40% 的代理人工智能项目将在 2027 年之前被取消。事实上，最近的并购活动——比如 Snowflake 的 收购250万美元 Crunchy Data 和 Rubrik 的 获得 Predibase 标志着一个根本性的转变：企业 AI 的下一阶段不仅仅涉及计算能力......还涉及更深层次的理解。

聪明的资金正在流动

根据 标普全球市场财智 2025 年调查，42% 的企业已经放弃了近期的大部分人工智能计划，而 17 年这一比例仅为 2024%。 另外46％ 在生产开始之前就放弃了概念验证演示。

这些人工智能项目的失败并非源于技术限制，而是因为语义鸿沟。如果一个人工智能系统能够处理PB级数据，却无法理解“客户生命周期价值”在不同部门需求中的含义，那么失败点很可能就在于情境层面。

考虑一下 Snowflake 背后的战略 积分 Postgres 语义 AI 功能旨在为 AI 代理创建一个能够理解事务上下文和业务语义的基础，使开发人员能够“构建值得信赖的 AI 代理”，并“拥有更高的敏捷性、可见性和控制力”。Rubrik 收购 Predibase 的目的同样是帮助客户“安全地部署代理 AI”，同时优先考虑上下文准确性和计算能力。

当背景与规模相遇

Palantir 最近的成功 与高通合作 扩展人工智能理解能力，是情境优先人工智能架构变革力量的又一体现。他们的 “本体论”方法 — 创建将业务概念、关系和规则映射到机器可读格式的语言先例 — 将人工智能从模式识别转变为通俗易懂的业务推理，并展示语义理解如何使人工智能即使在离线或资源受限的环境中也能有效运行。

例如，关于他们的核能计划， Palantir 的人工智能 不仅可以预测设备故障，还能了解导致或由这些故障引起的供应链和法规合规性对业务的连锁影响。同样，在 制造业，他们的系统理解质量控制、库存管理和客户承诺之间的相互依赖关系，从而可以全面概览运营情况，有助于预测和预先缓解问题。

正如 Palantir 的一位高管所指出的那样，“基于本体的方法使用户能够构建包含和组合异构逻辑资产的工作流程”，从而允许 AI“安全地引入日益复杂的决策环境”。

情境优先的基础设施革命

从效率优先到意义优先的架构转变代表着对企业人工智能的根本性反思。根据 Gartner 2025 年数据与分析峰会 他的转变取决于三个关键因素：

• 语义数据架构：每个数据点都必须具有商业意义，而不仅仅是计算价值。正如咨询公司 企业知识 研究 显示，语义层充当原始数据和应用程序之间的桥梁，提供实现直观用户交互的“统一和情境化的视图”。
• 业务逻辑集成：为了实现最大价值，现代人工智能需要与预先确定的业务环境相结合，以满足任何特定组织的需求。 Oracle 的 AI Agent Studio 通过提供对 Oracle 融合应用 API、知识库和预定义工具的访问，将企业特定的业务逻辑保存在 AI 驱动的工作流中，从而体现了这种方法。此类解决方案通过将业务本体与模型上下文协议 (MCP) 相集成，为代理 AI 系统提供支持，从而实现无缝、上下文丰富的数据解释，并允许 AI 代理跨各种企业数据源运行。
• 上下文决策引擎： 麦肯锡2025年人工智能工作场所报告 强调成功的企业AI系统必须彻底理解任何特定任务对任何特定组织的业务影响。然而，只有1%的公司认为他们已经达到了AI的成熟度，这凸显了当前能力与实际需求之间的差距。

竞争影响

能够成功建立情境丰富的人工智能系统的组织将为自己创造自我强化的优势。

每次业务互动都有可能加深 Agentic AI 对任何特定业务特定需求的细致理解，从而提高性能并创建竞争优势，而其他人仅凭计算能力很难复制这些优势。 德勤的《生成式人工智能现状报告》 证实，虽然 60% 的组织进行多达 20 项人工智能实验，但那些专注于“行业和业务特定挑战”的组织会获得更好的结果。

人才问题同样重要。虽然人工智能工程师的薪水很高，但真正稀缺的是既了解人工智能实施，又能理解其应用的专业人士。 以及 业务领域本体。 普华永道2025年的预测 强调“人工智能的成功不仅取决于应用，也取决于愿景，公司需要系统、透明的方法来确认持续的价值。”换句话说，如果训练人工智能以了解业务需求的人自己都不了解这些需求，那么他们创建的人工智能代理也不会了解这些需求。

战略势在必行

那么，组织必须进行哪些架构变革呢？

Gartner 数据与分析峰会 强调了从技术元数据转向语义元数据（即包含预定义业务定义、本体和关系的数据）的重要性。这种“语义优先设计”的转变对于旨在获取有意义的洞察并确保跨系统清晰度的组织至关重要。同时，有效的情境AI治理对于区分真正的代理AI能力与 模型不足 这些产品仅提供基本的自动化功能，但却被误导性地宣传为代理产品。

那些在代理人工智能方面取得成功的公司将是那些人工智能代理经过战略性配置，能够深入了解业务环境，从而能够自主有效地采取行动的公司。

代理人工智能的机会

Gartner预测 到 33 年，2028% 的企业软件将包含代理 AI，而 1 年这一比例还不到 2024%。代理 AI 的兴起使得语义基础设施至关重要；为了实现这一点，AI 系统需要：

• 深入了解背景，做出符合业务目标的自主决策。
• 所有数据源的语义一致性，以防止不同部门和任务之间的操作冲突
• 业务逻辑集成，确保符合组织规章制度

随着各组织投入数十亿美元用于代理人工智能开发，那些没有语义基础的组织将面临不断上升的失败率。

上下文必要性

随着代理AI系统日益普及，拥有语义基础设施的组织与没有语义基础设施的组织之间的差距只会越来越大。对于投资代理AI的企业来说，选择显而易见：要么立即构建语义基础，要么眼睁睁地看着那些拥有情境感知能力的竞争对手将更精明的AI投资转化为不可战胜的优势。

在计算能力充裕的时代， 上下文是新的黄金那些能够教会他们的人工智能系统真正理解他们所服务的业务的人将获得点石成金的成就。