本体语义平台与主数据管理的四种核心差异

本体语义平台与主数据管理的四种核心差异

主数据管理跑了 20 年，本体语义平台是过去 3 年的事。同样是把业务对象结构化，4 代做法换了 4 代工具：ERP 字段字典、MDM 主数据治理、数据中台对象建模、本体语义平台关系图谱。每代解决的问题不同——但都被人问过同一个问题："和 MDM 比起来有什么不一样？"差异来自四个层面：问题定义、关系建模、治理机制、使用方式。

差异一：问题定义不同

MDM 解决"数据一致"——同一客户编码在 ERP、CRM、电商三个系统指向同一个客户。本体语义平台解决"AI 能不能推理"——客户与订单、产品、设备的关系，要变成 AI 可推理的素材。数据一致是 AI 推理的基础，但撑不起 AI 推理——前者看字段对齐率，后者看推理路径是否成立。

向量空间JBoltAI 工程经验里反复验证：很多企业搞反顺序，先建本体、后补主数据，关系图谱漂亮但底层数据不对，AI 答不上"客户过去 12 个月买过哪些设备"。认知决定竞争力，没有本体语义平台支撑的 AI 推理只能是知识库的延伸。

差异二：关系建模方式不同

MDM 靠主外键表达关系。本体语义平台靠关系图谱——客户、订单、产品都是节点，关系是节点之间的边，方向、标签、强度都可独立维护。

关系图谱的优势是关系可以多跳——从客户到订单、订单到产品、产品到设备、设备到工单、工单到工程师，五跳链路一次性拉通。制造业项目里五跳链路是常态，五个节点环环相扣，推理过程在前端按阶段渲染，每一步都可追溯。

如果 ERP 是企业的运营系统，企业认知基础设施将成为企业未来的思考系统——本体语义平台是这条路的关键工程底座，而 MDM 是这条路的地基。两件事不是替代，是分层。

差异三：治理机制不同

MDM 的治理靠数据治理委员会——业务、数据、IT 三方定期评审，落地周期长。本体语义平台的治理靠业务专家、模型管理员通常专职负责一个域；本体语义平台里业务专家与模型管理员可兼任，维护人力按经验在 0.5-1 人之间，月迭代 10-20 条规则。

向量空间JBoltAI 的本体验收标准里，这两条数字是判断治理机制是否匹配业务变更频率的参考线——年计的用 MDM、月计的用本体语义平台。

差异四：使用方式不同

MDM 产出数据资产清单——企业有哪些主数据、字段定义是什么、谁负责维护。本体语义平台产出 AI 推理素材——业务对象、属性、关系、规则四类素材，AI 推理时按需调用。

两种产出物的复用率不同。数据资产清单主要给数据团队用，复用率集中在企业内部。AI 推理素材给所有接入本体的智能体用，复用率随智能体数量增长——挂一个业务模型，所有智能体的提示词里都会多一段业务模型区块。

向量空间JBoltAI 在本体管理接口的设计上，把"一次定义多处使用"的复用路径做成统一注入机制——这是 MDM 数据资产清单不容易提供的工程价值。

边界与判断路径

四种核心差异之外，还有两种差异值得放在一起说——接入方式上 MDM 走批量同步，本体语义平台走事务提交后推送，前端画布永远读不到未提交数据；验收方法上 MDM 看字段对齐率，本体语义平台看推理路径可追溯性。

业务对象数量稳定、关系类型不多、变更频率以年计——MDM 就够了。业务对象数量两位数以上、关系类型两位数以上、变更频率以月计、有 AI 推理需求——本体语义平台是更合适的选择。

知识只能回答问题，认知才能驱动决策——本体语义平台与 MDM 的根本差异是认知层与数据层的差异，不是替代关系。把 MDM 资产的字段定义和主外键关系摆出来，对照本体语义平台的能力地图，看哪些场景 MDM 已够、哪些场景需要补本体。