上下文是新的黄金：下一波代理人式人工智能正在购买理解力，而不是处理能力

人工智能革命已经陷入僵局——这并不是由于计算能力不足，而是因为组织正在解决错误的问题。

虽然预计2025年全球通用人工智能支出将达到$644亿，但专家也警告说，超过40%的代理人式人工智能项目将在2027年底被取消。确实，最近的并购活动——例如Snowflake以$250万收购Crunchy Data和Rubrik收购Predibase——表明了一个根本性的转变：企业人工智能的下一阶段不仅仅是关于计算能力……而是关于更深入的理解。

明智的投资正在转变

根据S&P Global Market Intelligence的2025年调查，42%的企业已经放弃了他们最近的大多数人工智能计划，高于2024年的17%。另外46%的企业在生产开始之前就放弃了概念验证演示。

这些人工智能项目并不是由于技术限制而失败，而是由于语义差距。如果一个人工智能系统可以处理数百万字节的数据，但不能理解“客户生命周期价值”在不同部门需求下的含义，那么失败点可能是语境相关的。

考虑一下Snowflake将Postgres的语义人工智能能力集成的战略，这旨在创建一个基础，使人工智能代理能够理解事务语境和商业语义——使开发人员能够“构建可信赖的人工智能代理”具有“更大的敏捷性、可见性和控制力”。Rubrik的Predibase收购同样旨在帮助客户“安全部署代理人式人工智能”，通过优先考虑语境准确性和计算能力。

语境与规模的交汇

Palantir最近与Qualcomm合作扩展人工智能理解能力的成功是语境优先人工智能架构的变革力量的另一个体现。他们的“本体论”方法——为映射商业概念、关系和规则到机器可读格式创建语言先例——将人工智能从模式识别转变为商业推理，并展示了语义理解如何使人工智能在离线或资源受限的环境中有效运行。

例如，在他们的核能计划中，Palantir的人工智能不仅预测设备故障——它还理解了对供应链和法规遵从性的连锁商业影响，这些影响可能导致或由这些故障引起。同样，在制造业中，他们的系统理解了质量控制、库存管理和客户承诺之间的相互依赖性，使得可以全面了解运营并预测和预防问题。

正如Palantir的一位高管所说，“基于本体论的方法使用户能够构建工作流程，将异构逻辑资产结合和组合起来”，使人工智能可以“安全地引入到日益复杂的决策环境中。”

语境优先基础设施革命

从效率优先到意义优先的架构转变代表了企业人工智能的根本性重新思考。根据Gartner的2025数据和分析峰会，这种转变取决于三个关键因素：

• 语义数据架构：每个数据点必须具有商业意义，而不仅仅是计算值。正如咨询公司Enterprise Knowledge的研究所示，语义层作为原始数据和应用程序之间的桥梁，提供了“统一和语境化的视图”，使用户能够进行直观的交互。
• 商业逻辑集成：为了提供最大价值，现代人工智能需要与预先确定的商业环境集成，这些环境特定于任何给定组织的需求。 Oracle的AI代理工作室体现了这种方法，提供了对Oracle Fusion应用程序API、知识存储和预定义工具的访问，这些工具保留了特定于企业的商业逻辑在人工智能驱动的工作流程中。这种解决方案通过将商业本体论与模型上下文协议（MCP）集成，实现了人工智能系统的赋能，使人工智能代理能够跨多个企业数据源无缝、语境丰富地解释数据。
• 语境决策引擎：McKinsey的2025年人工智能工作场报告强调了成功的企业人工智能系统必须彻底理解任何给定任务的商业影响，针对任何给定组织。然而，只有1%的公司认为他们已经达到人工智能成熟度，凸显了当前能力与语境需求之间的差距。

竞争影响

能够成功建立语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。

每个业务交互都有可能加深代理人式人工智能对特定业务需求的细致理解，提高性能，并创造竞争对手难以仅凭计算能力复制的竞争壁垒。 Deloitte的生成人工智能报告证实，虽然60%的组织进行多达20个人工智能实验，但那些专注于“行业和业务特定挑战”的组织的结果明显更好。

人才影响同样显著。虽然人工智能工程师的薪水很高，但真正稀缺的是同时理解人工智能实施和商业领域本体论的专业人员。 PwC的2025年预测强调了“人工智能的成功将取决于愿景和采纳，公司需要系统、透明的方法来确认持续的价值。”换句话说，如果训练人工智能理解业务需求的人员自己不理解这些需求，那么他们创建的人工智能代理也不会理解这些需求。

战略迫切性

那么，组织必须做出哪些架构上的改变？

Gartner的数据和分析峰会强调了从技术元数据转向语义元数据的重要性——这些数据被预定义的商业定义、本体论和关系所丰富。这种‘语义优先设计’转变对于旨在推导有意义的见解和确保系统清晰的组织至关重要。同时，有效的语境人工智能治理对于区分真正的代理人式人工智能能力和仅提供基本自动化但被误导性地宣传为代理人式的人工智能系统至关重要。

那些在人工智能代理配置上成功的公司将是那些人工智能代理被战略性地配置为深入理解业务语境，以至于能够自主有效地运行的公司。

代理人式人工智能的机会

Gartner预测，到2028年，33%的企业软件将包含代理人式人工智能，高于2024年的不到1%。代理人式人工智能的崛起使语义基础设施变得至关重要；要实现这一点，人工智能系统需要：

• 深入的语境理解，以便做出与业务目标一致的自主决策。
• 在所有数据源中保持语义一致性，以防止不同部门和任务之间发生冲突的行为
• 商业逻辑集成，以确保遵守组织规则和法规

随着组织将数十亿美元投入代理人式人工智能开发，缺乏语义基础的组织将面临日益增加的失败率。

语境的迫切性

随着代理人式人工智能系统变得更加普遍，具有语义基础设施的组织和没有语义基础设施的组织之间的差距将会越来越大。对于投资代理人式人工智能的企业来说，选择很明确：现在建立语义基础，或者看着语境感知的竞争对手将更聪明的人工智能投资转化为无可比拟的优势。

在计算能力丰富的时代，语境是新的黄金，那些能够教会人工智能系统真正理解他们所服务的业务的人将会获得他们的米达斯之手。