知识图谱：被大模型掩盖光芒的AI基础设施
去年秋天在三里屯的咖啡馆，碰了一个做AI的老朋友。他掏出烟，开口就是骂街：现在找融资，只要BP第一页写了“知识图谱”四个字，投资人翻两页就把你打发走了，所有人只看大模型。
真的是知识图谱没用了吗？
被大模型模糊掉的技术边界
知识图谱的本质，一点都不玄乎。就是把现实世界的实体——人、物、事，用图结构把它们的关系存起来。你可以把它理解成一本超级结构化的百科全书，每一个知识点，都明明白白标出来了和其他知识点的连接。
和现在火遍天下的大模型不一样，大模型的知识是隐式存储在参数里的，连训练它的人都说不清某个知识到底存在哪。知识图谱刚好相反，所有知识都是显式可追溯的，来源对不对，逻辑通不通，一眼就能看到。
大模型隐式知识与知识图谱显式知识对比图
很多人说大模型已经把所有知识都学会了，还要知识图谱干嘛？错得离谱。大模型的幻觉问题，到今天都解决不了。你让它写个企业年报摘要，它能把营收给你编出一个完全不存在的数字。知识图谱不会，它只存已经确认过的事实，错了改了也一目了然。
说白了，大模型负责“创造”，知识图谱负责“靠谱”。边界本来就很清晰，不知道为什么最近几年硬是被人扯成了你死我活的关系。
产业落地的核心卡点在哪
知识图谱概念火了快十年，为什么一直没有做到大面积普及？真不是技术不行，是钱烧不起。
做一个能用的知识图谱，成本高到离谱。从爬取数据、抽取实体、梳理关系、去重纠错，到最后能落地跑业务，通用知识图谱没有千万级以上的投入根本下不来。就算是垂直领域的小知识图谱，比如一个三甲医院的病种知识图谱，光梳理不同病症之间的并发症、用药禁忌关系，就要十几个老专家干大半年，人工成本就吓退一半玩家。
现在真正用得顺手的知识图谱，基本都是互联网巨头的护城河。谷歌搜索早就在用知识图谱做右侧信息卡片，你搜一个电影，出来导演演员上映日期整整齐齐，比一堆零散的链接方便太多。国内淘宝京东的商品知识图谱，支撑了一半以上的精准推荐，你搜“无线耳机”，它能自动给你分出降噪、续航、开放入耳这些维度，比纯关键词搜索准太多。
金融风控知识图谱实体关系网络图
另一个卡脖子的问题是生态不通。整个行业至今没有统一的标准，每个公司自己做自己的，你做的医疗知识图谱，我拿过来根本改一改用不了，每换一个行业就要重新做一遍，成本降不下来，中小玩家根本玩不起。
说实话，很多甲方花大价钱做的知识图谱，最后都变成了展厅里的演示项目，真正跑业务的没几个，就是一开始没算清楚后续维护的成本，越用越贵，最后只能扔在那吃灰。
未来3-5年的融合趋势与风险
未来3-5年的融合趋势与风险
现在行业里慢慢捋明白一个道理：大模型和知识图谱根本不是替代关系，是互补。
现在最火的检索增强生成（RAG），本质就是大模型加知识图谱的成熟玩法。你问大模型一个企业内部的问题，它先去知识图谱里把相关的准确信息捞出来，再让大模型整理成自然语言回答，既保留了大模型的流畅生成能力，又从根上解决了幻觉问题，对金融、政务、医疗这些对准确性要求极高的行业来说，这就是目前最靠谱的落地方案。
不过话说回来，知识图谱的风险，反而比大模型更隐蔽。知识图谱能把一个人的所有社会关系、消费记录、出行轨迹、财务状况都串在一起，一旦泄露或者被滥用，就是灭顶之灾。之前国外有个创业公司做社交知识图谱，只要输一个人的手机号，就能拉出他所有直系亲属的联系方式和家庭地址，细思极恐。
还有偏见问题。训练数据里的偏见会被知识图谱永久固化，比如提到“CEO”，知识图谱里关联的九成都是男性，这种偏见比大模型的隐性偏见更难清除，因为它明明白白写在知识网络里，很难靠微调消除。治理上的缺口，现在还远远没补上。
未来3-5年，我判断知识图谱会彻底走下神坛，变成AI系统的标配基础设施。不会再有创业公司拿知识图谱当核心概念讲故事，也不会有人觉得它是过时的技术。对准确性要求高的垂直领域，都会把知识图谱当成大模型的必备底座。会有一批公司做通用知识图谱的模块化工具，把构建成本降到原来的十分之一，中小公司也能用得起。
很多人说AI的未来就是大模型，我不这么看。AI要真正落地进入产业，不能只有会编故事的生成大脑，还要有记得准、说清楚的结构化知识库。知识图谱的光芒，只是被大模型的热度暂时遮住了而已。该它上场撑底座的时候，没人能替代。
