戏台：企业架构、AI Agent和本体论语义图

开场锣鼓

戏台：企业架构、AI Agent和本体论语义图

企业架构、AI Agent、本体论语义图同台唱戏：老生稳住台面，净角打出气势，末角把语义和秩序接住。

这篇文章的看点不是追新名词，而是把三个概念放到一台戏里：谁负责稳，谁负责猛，谁负责把语义变成机器能用的地图。

人生如戏。

数字化领域从来不缺新名词，连他自己现在都该叫“数智化”了。

这些新概念如同戏台上的角色，你方唱罢我登场，你还留恋舞台我已翩然起舞。但不可否认，这些“角色”都是让思想具像化的“载体”，没有他们，我们无法交流，“语言无法表达的，我们只能保持沉默”，但语言本身也无法完美，“以物求名，物无当名之实；以名求物，名无得物之功”，更少不了一些，“意会”尚可，“言传”实难的事情。

人们总是在努力探索未知的未来，希望把最新的东西做成最有用的东西，以图跟上越来越快的时代步伐和越来越不容易穿透的认知。

从有数字化这个工作开始，人们就纠结各种名词，不那么遥远的当年，很多人还曾为了信息化、数字化的区别煞费苦心，我自己写书、讲课也都在试图“掰扯”这个事情。就在大家似乎对这个事情有了些尚不稳固的共识之后，AI就突然从高端实验殿堂飞入千家万户了，无论是豆包还是deepseek，亦或是chatgpt、claude code，一年间就完全改变了AI生态，硬是捧出了几个万亿美元的巨头。不仅如此，据说还诞生了十亿美元的“一人公司”，他倒不是做高科技的，说是卖营养药的，用AI Agent当员工，一个人“寂寞”地干着同等规模企业需要2500人才能干的活儿，其成长历程也就不到两年时间。

无论是真神还是造神，反正，AI快成了这个时代的“神”，拥有众多“眷属”、“信徒”，当然，也不乏科技时代的“异端”。不过，我们关心的不是“神”和他的“神谕”，我们更关心的是让“神迹”降临，也就是让“神”真的为我所用，这也是我们自己的“成神之路”。

为此，又需要概念了，需要“戏子”登台，有“戏”看，才有的“学”，才可以无论“懂不懂”，先看“像不像”，毕竟要先从“像”到“懂”，“像”都不像，就更不可言“懂”了。

图1｜戏台开场：企业架构、AI Agent、本体论语义图同台登场

图1｜戏台开场：企业架构、AI Agent、本体论语义图同台登场

01

老生登场：企业架构

这几个“戏子”中，企业架构颇像个“老生”，毕竟“年岁”也摆在那里，虽然没我大，也“奔四”了。他干的活儿，特点就是老成持重，稳扎稳打，因为太“稳”，“稳”得又很费劲，所以，很多人知道他的好处（当然不少也仅限于表面认可）却没多少人真能下那个功夫去做，这一点我在十字路口的首次行业盛会中已经说过，不再过多解释了。

这个“老生”太“稳重”，要看全局，要了解现状，要搞清目标，要定好路径，这里边没有一个是企业目前自己真清楚的，能搞清一个“要”都不容易。就说这里最“轻”的，“要看全局”，我自己办工作坊的经验，企业参训学员分几个组，企业的高阶价值链、业务领域就能画成几个样儿，企业的全局就没有几个企业真的认真梳理过、统一过。

企业架构的基本逻辑我现在很少再写文章了，因为三本书再加上公众号、文章都应该都写过上百万字了，再写自己都已经“审美疲劳”了。从价值链、业务领域到五级流程、数据模型、业务组件，再到应用组件、工作流、服务、应用数据，最后到代码、库表，这是一整套的业务、IT对齐逻辑，过去是手工对齐，很麻烦，也很考验耐心、很长经验，甚至也会依赖经验。

作为逻辑设计，这里边的核心其实是逻辑数据模型的设计，它会决定企业关心的所有“业务对象”（注意，关于“业务对象”其实概念也不统一）的管理布局，这个布局其实也就是业务能力布局，因为从数字化的角度看，企业的“业务能力”无非就是对“业务对象”的处理能力，这包括增删改查的基本逻辑，也包括复杂的数据分析能力。“业务对象”的管理布局实际上也可以作为数据治理分工格局，落实数据质量管理责任。

“业务能力”是不会有特别清晰的定义的，你想定义也做不到，你只能尽可能去描述一个能力，描述他的作用对象、作用过程、作用规则、作用结果，而不是给能力一个泛用的定义，如果你试图泛用地去定义它，就会出现“以物求名，物无当名之实；以名求物，名无得物之功”的窘境，最终落进循环定义中。更重要的是，不值得浪费这个时间，尤其是对企业而言。

企业架构往往会给人一个实施周期漫长的固定印象，尽管这个印象是错的。它错就错在把梳理问题、发现问题、规划设计、实施部署都混成了一个东西，而且把大型企业做架构的模式、周期与中小做企业架构该有的模式、周期也混为一谈，不是人家花了上亿费用做企业架构，你就得也花上一个小目标，这东西的具体成本跟实施目的、企业复杂度、遗留系统复杂度和数量、实施方式等一系列问题都有关，不是看着别人家的钱袋子合计自己明天吃啥。

你明天吃啥取决于你的意愿和口袋，不是非得吃你吃不起的东西才能吃饱。同样是一碗面条，可以是清汤拌点酱油，也可以是海陆空齐全，都能吃饱；同样是做企业架构，可以从战略到实施全场罩住，也可以从实体级逻辑数据模型快速起步，先有个可以做全局架构管理的基础，如果能搭配AI也会更轻松些。无论是哪种，最重要的是不要总是靠“瞎猜”做企业架构，现在不是缺案例、缺方法的年代了，倒是比以前更缺正确地认识和对待这个事情了，话说，这个事情我在十字路口的首次行业盛会中也提了下，就是所谓的实施混乱困境。

关于这个“老生”就唠叨这些吧，毕竟是“老生”，“常谈”也没啥意思。现在谈数智化，大火的必然是“智能体”，AI Agent。这里不得不佩服这个中文名称起的真好，虽然跟英文名相比已经跑出去老远，但是真的很有想象力，也是典型的“名物不一”吧，不然，为啥看了名字不知道咋做呢。

图2｜AI Agent 上场：流程、数据、应用、安全一起改

图2｜AI Agent 上场：流程、数据、应用、安全一起改

02

净角上场：AI Agent

AI Agent算啥呢？“小生”，我觉得不是，更像是个“净角”，豆包说净角属于性格鲜明，多位猛将、权贵，权贵算不上了，猛将倒是可以，挺猛的，据说有的企业快有上万个AI Agent了，不知道算力是怎么扛住的，估计是大小模型加“分布式”吧。

它更猛的地方在哪里呢？一度让人怀疑企业的整体架构，尤其是应用架构是不是都要彻底换了。其实从企业架构视角看，AI Agent中的提示词、思维链、包括skill，大部分其实都属于流程模型的范畴，是比五级模型还细的流程梳理、知识提纯，这一点我经常不禁暗笑，嫌五级麻烦？来个专治不服的。AI Agent必然也要处理数据，数据也不会脱离数据模型的管理范畴，不然就是有意识地在寻找新的混乱，把“碳基混乱”改成“硅基混乱”，不过话说回来，以前也是这样，只不过以前是业务系统作为混乱载体，现在又变成了智能体而已。AI Agent是一种应用形式，如果结合遗留系统一起来看，更像是智能体自身的“本地服务”加智能体以外的“异地编排”的混合，所以我之前也说过，它在分层上是模糊的，即是服务也是编排。AI Agent要用到LLM的，也要有部署位置，这个是技术架构范畴的东西。AI Agent再谈还有安全问题，是安全架构的内容。

也就是说，猛归猛，还在五指山下转。

但是这意味着旧的东西不动了吗？当然不是。

从流程的视角看，AI Agent可以充分提升流程效率，但前提是，企业要按照自动化流程去重新看待流程设计，而不是只加个LLM调用器。比如财务报销，我最近自己算票子有些烦了，就抽空儿做了个智能体，它能够在我指定的文件夹下读取各种电子票据，自己分类，加数、做表，再把所有票据汇总成一个pdf，自己有模有样的。

东西很简单，聊聊天就做完了。如果用在企业里这就是财务岗的一个票据处理助手。但如果只有这一截，虽说也方便，改进就有限了，是应该整个报销链条都进来。如果想要给人留个位置，就是加入审批权限，如果再进步些，就是根据票据真实性、财务报销额度控制要求，实报实销直接全程处理完了。AI Agent的猛应该猛在流程自动化的程度上，如果没有流程自动化“撑腰”，AI Agent的应用就是点状的，连不成线，更扩不成面。

但这就是矛盾所在了，我自己辅导过业务架构的企业中，不少企业的业务活动经常会出现，一个活动有七八个角色参与，但只有头上的一个角色在干活儿，其他的除了审核就是审批，好不容易企业里边审批完了，还得再上集团审批一圈儿。这就不是单纯要根据每个角色一个AI Agent来设计AI流程了吧？那有什么意义呢？审核规则几乎都一样，只有权限的区别而已，没有先做最短路径设计，直接套AI Agent是没啥意思的，尽管肯定会比人处理要快，但是一旦给人留了权限的口子，估计又慢下来了。

没设计最短路径、没设计自动化流程，直接上AI Agent，更像是AI Agent的熟悉、适应过程，而不是真正的提效过程。换句话说，之前在风控、合规方面的合理性设计，可以在AI Agent模式下探索更合理的设计，风控、合规不是把所有人都拉进来就算做到位了，而是让该负责的人按照责任分工去负责，否则所有人都拉进来，并不会真的提升风控、合规水平，只能是有更多的可处理对象而已。管理中的责任泛化其实是管理无法精细化的表现，是对责任不会落实的担心，而这一点正是机控的优势所在，我们得逐渐改一改“人干不信人、机干又不信机”的问题，这是意识和制度的双重障碍，毕竟，有些东西即便不上LLM也是有机控能力的了，这种问题会影响企业文化，而企业文化也会影响AI Agent的运用。

从数据的视角看，AI Agent的普及会对数据提出更高的要求，想自动化、智能化，最后一查数据，乱七八糟，尤其是很多系统都是记录型系统，都没给AI Agent 提供什么好基础。我自己做实验的那个系统，就是我公众号文章总发进度的那个系统就是，这一上业务侧智能体，才发现，这个数据有缺失，那个标志对不上，毕竟我当初就是做的模拟数据，虽然追了三年业务数据，但是毕竟系统小，流程短，有些标识不全，这一上业务侧智能体就都发现了，我估计很多企业的真实数据也不比我这个瞎编乱造的强太多，毕竟我这是一个人造的，很多企业数据上的“孽缘”还是很多人在不同时期先后造出来的，应该比我的还麻烦。

不做好数据治理，只想着快速上AI Agent，其结果应该就是只能搞些实验性场景，无法深度走入核心业务链路，因为一碰到这些链路，就需要深入的考虑数据源、数据一致性、数据权限、数据处理后的存放位置，也会涉及到系统边界甚至部门边界，让昔日的问题又换个视角重提。

从应用的视角看，AI Agent最怕的估计就是在原本就有些混乱的服务治理、应用治理上来个雪上加霜。现在很多企业对AI Agent的热情，让这位猛将是遍地开花，完全没有总体考量，加上AI Agent其实实现速度很快，先不说质量，单说完成和数量，那是可以雨后春笋般生长的。就像我自己搞的那个战争动画藏书馆，其实架子一天就搭完了，也做了个动画助手用来沉淀经验，这个藏书馆最近被一个张罗AI战争动画设计比赛的单位拉去做了比赛用平台，挺好玩的，我也算是第一次体验了下开源的乐趣。这种应用搭建速度不是传统应用设计可比的，而且用的好基本上就是“一人全栈”，如果放开，没有规划，那就会把过去干软件的那套毛病以更快的速度、更广的范围重来一遍，有百害而无一利。也别说这么绝对，至少接触AI Agent的人变多了。

AI Agent还要考虑跟遗留系统对接，这就涉及到服务化问题，已有服务的标准化，异构系统的服务化包装，总之要让AI Agent更容易调动遗留系统，以实现操作动作的稳定性，减少语言的不稳定性向行为的不稳定性的扩散程度。其实这方面是最让人头疼的问题，以前这个问题会被归咎于记忆问题、注意力问题，但现在要更细化去看了，记忆不仅有超长上下文，mempalace这种外挂都可以永久记忆了，所以，问题要再细化一下，现在是理解的稳定性，而不是表面上的记忆连贯性，也就是说，所有的流程、脚本、skill、测试都摆在哪里，他也一样有机会犯错，或者说达不到要求，比如最近的战争动画，垓下和碾庄做的我觉得很好了，但是新作的坎尼会战质量就相差极大，不知道是哪里污染的，LLM自己总是能很好地认错，而且说的都在点儿上，但就是改不过来。

此外，从应用架构整体上看，我自己讲企业架构课时有“数智八问”，其中前四问完全可以换成对智能体的提问：你为什么需要一个智能体、你需要一个什么样的智能体、这个智能体跟别的智能体什么关系、你到底需要多少个智能体，答不好或者想得少，最后就是一片混乱、一地鸡毛，而且这东西还说不上真便宜。过去企业回答不清楚自己该要多少个业务系统，现在也同样回答不清自己该要多少个智能体；过去回答不清系统的业务价值，现在同样也回答不清智能体该有的价值。

从技术的视角看，至少会多了一个技术类型或者技术平台的落地，LLM的本地化（如果企业大的话，刚才的”说不上真便宜“主要指的还是这些要自己搞基础设施的）、智能体的运行框架平台（龙虾、马、harness、runtime、dify、longchan等等），这些都需要技术上有考量，关于框架这个事情，可以自己做也可以不自己做，反正都有坑，看你愿意踩哪种坑，看你对填坑的兴趣。

从安全的视角看，数据安全是第一位的，接着就是框架的安全性，不过安全不多讲，虽然重要，但我不懂。

图3｜本体论语义图：给 AI Agent 一张可推理的企业地图

图3｜本体论语义图：给 AI Agent 一张可推理的企业地图

03

末角迟来：本体论语义图

本体论语义图算啥呢？我这里没泛泛地讲本体论，这东西据说是哲学范畴，我也讲不好，我只从实用的角度看本体论语义图。它更适合作为“末角”，豆包讲，“末角”多是管家、配角，戏份不多，现在常并入“老生”，我觉得这个定位不错，不喜勿喷，个人意见而已。

首先，本体论语义图跟企业架构确实有些交集。他也不是什么“小生”，可比企业架构老多了，人家是哲学领域的，语义图应该也比我们成型的早些，2004年就有标准化的东西了，华为马老师他们写的那本《本体驱动的AI数据管理》中有些考古，我就不自己再找了。企业架构中的各类模型方法具体什么时候定型的，很难说，一些操作级的东西可能是最近十几年才完全成型的，之前一直都属于框架级方法，不是操作级的，至于操作级标准你说它到现在都没有也成立，至少没有统一的。

跟企业架构的交集可以回到开山鼻祖扎克曼先生的比喻性说法，他把自己的企业架构框架模型称为企业本体，但是他当年奠基这领域的两篇论文里我记得好像没怎么提过这个概念；我自己在行里参加项目时，我们的韩籍首架也总说本体这个事儿，只不过当时我从来就没想过要去查这个词，真的，因为也不影响我干活儿啊。

其次，他跟企业架构现在可以有正式的交集了。这事儿也是打AI Agent这里来的，正当大家都犯愁这货经常胡说八道的时候，一个水晶球开始亮眼了，Palantir去年大概八、九月份开始火遍大江南北，我也是在客户现场知道这个球的厉害的。简而言之，他的厉害之处就是给爱胡思乱想、知道啥说啥的AI Agent一套现实的基于语义的推理逻辑，让AI Agent不仅能自己有效地回答业务问题，甚至还能自己搞搞流程编排，准确地执行些未曾特殊预排的任务了。

其实这个所谓的厉害之处就是给AI Agent带上了语义“笼子”，但是这事情没那么简单，也是一套平台框架实现的，最主要的是，一套能够提供正确语义的平台框架实现的，正是因为需要正确语义，所以FDE又跟着火了，不管是不是真的会做，反正都说能做。

为啥说提供正确语义就可以跟企业架构有正式的交集了，因为企业架构也在一定程度上干了这活儿。从建模对象上说，无论是本体论语义图还是企业架构，研究的都是企业那点儿破事儿，都没走到企业外边去管闲事儿。业务还是那个业务，没因为搞企业架构还是因为搞本体论把企业业务给搞变了，都是说的同一个事情，就是语言范式不一样。该怎么报销还怎么报销，业务知识该啥样还啥样。

既然两者都在描述同一个建模对象，那为啥以前企业架构干的事情百般不顺，而本体论语义图一把就火了？这不还是回到AI Agent上了，作为一种图，它显然更合适LLM搞推理用。LLM也不是看不懂4A架构，而是很多企业根本没有4A架构给他看，4A架构也没有很好的产品化的东西在后边支撑，做出来本就一家一个样。但Palantir不一样，人家有产品在，虽然每落一家，FDE搞得过程一点儿不比4A架构轻松，但是有个成熟的产品，还有很多实打实的传奇故事，他一定是比4A架构好推的。

4A架构你要是自己不理解就啥对的东西也做不出来，而Palantir给你的感觉就是你不懂也行，FDE帮你基于他们的产品可以做，做完了你能用。但问题就在这里，必须得有那个产品，追求同样的效果，至少要达到同样的条件。否则，只能局部落地，而且是高成本、重人力的局部落地，这些已经在先行者身上看到了，人家攒了20年的家底、200多个连接器，不是你一朝就能搬过来的。别忘了，他们落地的FDE过程，企业也是要跟着投入精力的，不是买个盲盒开出来就是隐藏款。

本体论语义图跟4A架构是一个东西还是两个东西？当然是两个东西，虽然有些八杆子的渊源，但怎么看都不是一个妈生的吧。他们能互相替换吗？这个要分场景，也是各有强弱。

首先，表达企业完整语义方面，二者理论上可以实现等效，当然要在建模方法上再多琢磨琢磨。但有基础，就像我说的，建模对象是一样的。企业架构的优点在于它是多种模型的组合表达，有更高的自由度，不像本体论语义图是比较单一的表达模式。比如在工作流方面，本体论语义图就不如4A架构中用BPMN语法画流程图更直观，本体论语义图是需要一定的渲染方法才能让更多人理解的，如果说一个人连4A架构都没机会看懂，那看本体论语义图估计都不知道从哪里开始看起。

其次，在建模目的上，二者可以说原本就没打算靠在一起，但这里却是一个可以突破的点。4A架构打的金字招牌是帮助企业实现战略落地，但是这里有个前提，业务和技术不对齐，不用业务模型分解企业战略，这些东西就都谈不上。而说到业务与技术对齐，我一直认为不把逻辑数据模型放进业务架构范畴，不认真研究业务组件及其与应用架构的关系，那也是白谈，流程不能用来直接分架构，所以那些只把流程当业务架构，把数据架构还放在技术侧的思想其实是“落后”的，到了AI Agent的时候更是这样，这家伙必然是流程、数据一体化设计的。如果在业务侧都没能完成架构划分，还叫什么业务架构呢？名不符实啊。所以，4A架构本身就是为了治理复杂性、为了实现业务和技术一致性搞出来的。

但本体论语义图是吗？不是啊，人家是为了实现数据不搬家的数据集成搞的，也即是为了实现更高效的数据分析搞的，它更像是IBM当年讲的兴高采烈但是没有很好的实现案例的数据编织，其实他跟业务组件的设计模式在数据应用方面是很搭的。后来是撞上了AI Agent，又开始能提供工作流了。我之前帮客户分析过，企业的数智化要解决的核心是对业务的快速响应，这个响应分成三类，对信息分析的快速响应、对现有流程的快速执行、对业务能力不足的快速构建，前两个都是Palantir利用本体论语义图实现了的，第三个还没有，因为那是架构的范畴，不是业务的范畴了，Palantir至少目前更多是围着业务转的。

那第三个用本体论语义图能做吗？理论上看没啥不能的，但实操上看则是完整的架构信息要进入本体论语义图，也就是说，这不是一个业务的本体论语义图，是完整的企业架构的本体论语义图。那问题就来了，现有的FDE可能也不覆盖这块，企业则更是能当本体论语义图推导素材的4A架构也没有，懂这两个的人也没有，要啥啥没有还啥都想要，怎么办，只能反着来，从现有的系统反推架构语义图，准吗？准，但是不全。

准的依据是跟你系统现状一样，所以准，但是不全甚至不正确是一定的，你想想，过去就是个记录型系统的话，你怎么可能业务语义全，一大票事情都靠人去补的，那些语义根本就不在系统里。但好处是，冷启动可以解决了，现状梳理可以加快了，缺的东西看企业的目标，可以根据目标去补，更重要的是，先有一个基础的语义图，就可以通过测试、实践去验证、去修改了，不然不是寸步难行？

有了语义图没有4A架构行不行，如果你不打算看架构长啥样了，全都交给机器负责，可以不要，毕竟我在自己的系统里实践的也是这个方向。4A架构主要是跟人沟通用的，如果你成天对着唠叨的那个人他就是死活不懂，这架构的意义不就少了大半？如果单纯考虑功用性，似乎可以没有。但是，很多企业不会放心，架构师自己也不会放心，所以，你可以再渲染出4A架构来，这样看着方便。毕竟我说过了，如果说4A架构看不懂，你也就不用指望真能看懂本体论语义图，尤其是还包含了架构节点的本体论语义图，还是要渲染成传统4A架构制品，人才能去看看。

站在AI Agent的角度看，本体论语义图似乎更适合机器用，是机读架构资产目前可见的较为理想的保存形态，人类架构师也会参与到构建中。我之前的文章2026，架构新时代元年：模型即架构，工具即系统就说过这些内容，在这个基础上就是“会话即实现”，这个早晚就是人工智能的合理用法，也是AI Agent需要的那个很薄又很重要的基础设施，企业架构师以后严格来说是企业统一语义的维护者，因为架构方面一直是共识比架构本身更重要，这么说不是极端，而是架构方案本来就是多解的解域空间，所以维持长期的演进秩序其实比一个亮眼的当前方案重要得多。不过今后本体论语义图的生成、维护还是要尽量以机器为主，还是少讨嫌、少叫人学一些既学不会又不愿意学、不愿意做的东西，毕竟以后可能是福利社会了。

那么本体论语义图和知识图谱又是啥关系呢？知识图谱我接触的不多，不过AI Agent刚火的时候，知识图谱跟着瞬间火了起来，不过后面慢慢又降温了，毕竟能把自己知识理明白并且觉得理明白真有用的企业也不多。虽然不大了解，但是从实现上看，知识图谱做的是自建业务事实的向量化查询吧，而本体论语义图理论上来讲应该是数据不搬家，也就是不需要自建业务事实的地图索引，所以一个只能是知识库，一个却可以是知识地图，这里不禁会想，谁更像知识图谱呢？

04

合台收束：新戏怎么唱

LLM的发展以AI Agent这个勇猛的“净角”为焦点让企业架构这个“老生”、本体论语义图这个“末角”拉到了一起，你可以让他们同台唱戏，也可以爱听谁的就听谁的，唱戏有套路，但是听戏倒是可以乱点鸳鸯谱，反正有些东西，不经过乱点也不会真懂，有时候姿势不对，点了也没懂。这么说不是抱怨什么，而是我上一篇文章就提到过，正确的复盘真是少之又少啊。

新的时代、新的游戏。

一句话收束

企业架构把台子搭稳，AI Agent 把动作打出来，本体论语义图把对象、关系和规则变成机器能持续理解的秩序。