知识图谱：被大语言模型遮住光的AI基础设施

# 知识图谱：被大语言模型遮住光的AI基础设施 大模型爆火之后，知识图谱一度被贴上“过时技术”的标签。很多人认为大模型参数里已经存储了所有知识，不需要单独构建结构化的知识图谱了。但从产业落地的真实情况看，知识图谱恰恰是当前AI解决可靠性问题的核心依赖，也是被市场大大低估的AI基础设施。

被误解的本质：知识图谱是AI的「结构化笔记本」

前阵子去北京参加一个AI产业沙龙，台上几个做大模型的创业者轮流上台，张口闭口都是“知识图谱已经被淘汰了”。底下一堆投资人跟着点头，仿佛知识图谱就是上个时代的残次品。 说实话，我听着挺别扭的。 真的不需要知识图谱了吗？ 知识图谱的核心，本质上是用实体-关系-属性的图结构，把人类知识做了显式结构化存储，和大模型那种把知识藏在参数里的隐式存储，完全是两个路数。你可以把大模型当成一个博览群书但记性不好爱瞎编的文科生，知识图谱就是他兜子里揣的那个整理好了的笔记本——什么时候要查准确数据，什么时候要找人和人之间的关联，掏出来就能用，不会错。 技术边界其实很清晰：知识图谱做不了开放式创作，也没法从零生成通顺的文案，但它能保证每一条知识都是可溯源、可解释、可编辑的。这恰恰是大模型最缺的东西。 知识图谱实体关系网络示意图 很多人说大模型已经能记住所有知识了，要笔记本干嘛？你上班做报表要准确的财务数据，敢直接拿大模型生成的数用吗？银行要查借贷人有没有隐形关联，敢信大模型随口说的结果吗？说白了，对需要可靠性的产业场景来说，没有结构化的知识图谱，大模型就是个只能用来聊天的玩具。

落地的真实困境：做出来容易，用起来难

不过话说回来，知识图谱这些年发展不温不火，也确实有自己的问题。我接触过不下十家做知识图谱的创业公司，大部分都遇到同一个坎：花了大半年给客户做出来一个知识图谱demo，最后就躺在客户的服务器里吃灰，根本用不起来。 问题出在哪？ 第一是构建成本太高，动态更新太难。要搭一个可用的产业知识图谱，首先要解决实体抽取、实体消歧的问题。同一个“小米”，是指粮食、手机品牌还是雷军本人？不同场景下完全不一样，自动抽取的准确率哪怕到95%，剩下5%的错误放到金融、医疗场景里就是大问题，最后还是要靠人工去标，成本一下就上去了。更麻烦的是更新，知识天天变，公司的股权关系变了，商品的参数变了，疾病的诊疗方案变了，你不可能天天雇一堆人去改图谱，半年不更新，整个图谱就废了。 第二是找不到清晰的付费场景。早年很多互联网公司做知识图谱，都是用来优化搜索和推荐，这个场景没问题，但那都是大厂自己玩，创业公司挤不进去。To B的场景里，很多客户根本不知道知识图谱能帮自己解决什么问题，只是听说AI火，就想搭一个放着，最后自然用不起来。 现在用的比较好的场景，其实都集中在对关联关系有强需求的领域。比如金融的反欺诈，把企业、法人、股权、借贷信息全放到知识图谱里，一拉就能看到谁和谁是隐形关联，有没有团伙欺诈的可能。再比如电商的商品搜索，把商品的品牌、规格、属性都做成知识图谱，用户搜“2000元以内5G智能手机”，能精准给到结果，不会把不对的商品推上来。还有医疗领域，把药品、疾病、适应症的关系做成图谱，辅助临床用药审核，能大大降低出错率。 金融风控知识图谱应用架构图 这些跑通的场景其实都说明，知识图谱不是没用，是原来的落地路径错了——很多公司上来就要做通用知识图谱，要覆盖全领域的所有知识，那成本当然高到天上去，也根本用不起来。现在活的不错的知识图谱公司，都是垂直深耕某一个领域，只做领域内的知识，反而把成本降下来了，也拿到了真金白银的收入。

未来三年：双向融合才是最终方向

未来三年：双向融合才是最终方向 大模型出来之后，知识图谱不仅不会死，反而会迎来新的机会，这个判断我跟很多产业人士聊过，大家基本都认同。 核心逻辑就是双向需求：一方面，大模型需要知识图谱解决幻觉问题，现在主流的检索增强生成技术，核心就是用知识图谱给大模型做精准的知识检索，大模型生成内容的时候，只从知识图谱里拿靠谱的知识，自然就不会瞎编了。另一方面，知识图谱需要大模型降低自己的构建成本，原来要花几十万人工标注的实体关系，现在用大模型做自动抽取和标注，准确率提升了不少，成本能降下来一大半，原来搭不起图谱的中小公司，现在也能用上了。 当然，风险也不能忽略。知识图谱把所有实体和关系都串起来，最大的问题就是数据安全和隐私。比如把社交、金融、出行的数据都做成知识图谱，只要关联起来，很容易就能定位到具体的个人，脱敏都不好使。还有知识偏见的问题，如果输入的原始知识本身就带有偏见，比如默认程序员都是男性，这个偏见就会一直留在知识图谱里，用的越久，偏见就被放大的越厉害。这些问题，都需要行业标准和监管规则慢慢跟上，不是光靠技术就能解决的。 未来三到五年，我觉得知识图谱会慢慢退到幕后，变成AI大模型体系里的核心基础设施，不会再像原来那样单独作为一个产品拿出来炒概念。但它的价值会越来越大——所有要落地的行业AI，都绕不开结构化知识这一步，知识图谱就是搭这一步的核心骨架。 原来很多快熬不下去的知识图谱创业公司，这两年又拿到融资了，为什么？就是资本也看明白了，大模型要落地，就得靠这些做知识工程和知识图谱的公司填坑。风口吹过之后，裸泳的都露出来了，真正解决问题的技术，早晚都会被重新发现。 ## 结语 很多人喜欢追新，新技术出来就把老技术踩一脚，仿佛越新越好。但产业落地从来不是比谁新，是比谁能解决真问题。知识图谱不是过时的旧技术，是被大模型的光芒遮住的真需求，等热潮退了，你会发现它才是AI能落地的压舱石。