IEEE首个知识图谱全球标准落地，浪潮信息深度参编

近日，IEEE面向全球正式推出《知识图谱技术要求和评估标准》，标志着知识图谱领域迎来首个国际通用规范。在工信部电子工业标准化研究院牵头下，浪潮信息携手北京大学、阿里巴巴等单位共同参编，为知识图谱的构建、性能指标与测试方法划定统一坐标系。这一标准将助力知识图谱与大语言模型深度融合，降低“幻觉”风险，推动AI从单纯的数据驱动迈向“知识驱动”新时代，浪潮信息也借此进一步夯实其在智能计算生态中的关键地位。

大模型发展亟需标准化的知识图谱

知识图谱是一种结构化的语义网络，用于描述现实世界中的实体及其相互关系，将实体和关系抽象成图形结构。它以图数据结构的形式表示知识，既符合人类认知习惯又对机器计算友好。

知识图谱此前主要应用于全球各个互联网搜索引擎中，在LLM兴起后，知识图谱迎来新一轮发展机遇。知识图谱可为LLM提供准确背景知识、辅助推理和理解、提升可解释性，解决LLM的“幻觉”问题，并支持领域适配和个性化应用，对提升LLM的性能和应用价值具有重要作用。因而，越来越多的研究者将知识图谱与LLM相结合，知识图谱与预训练模型的融合、基于知识图谱的预训练模型、混合预训练模型等三种不同的融合方式，都取得了很好的成果，例如BERT-based模型通过引入知识图谱中的关系，大幅度扩展模型的表示能力。

但是知识图谱一直缺乏统一标准，知识难以实现跨系统的聚合，在数据、推理、应用等多个层面给大模型带来系统性问题，如数据层面的语义歧义与处理效率低下、推理层面的逻辑断层与可解释性缺失、应用层面的跨领域融合困难与行业落地受阻等等，这些问题不仅影响模型性能，还阻碍着其在垂直领域的深度落地。

知识图谱，有了系统化的技术框架

《知识图谱技术要求和评估标准》涵盖了知识图谱的构建、应用、性能测试及评估，适用于各类计划、设计、开发、实施和应用知识图谱的组织，以及为知识图谱提供技术支持、工具和服务的机构。

知识图谱构建与应用系统测试流程

该标准提出了一个系统化、细致的质量评估框架，详细说明了各项评估指标，并且规定了硬件、软件和网络等详尽的测试环境要求，以及不同模块的性能测试方法。仅是应用模块的评估，就包括响应性、友好性、可靠性、可移植性、安全性和场景支持等多个具体要求和量化性能指标。

知识图谱应用模块质量评估指标体系

标准更加强调实时性、安全性、多模态支持等现代知识图谱应用的核心需求。标准要求知识图谱在更新内容时不影响查询服务，并支持实时融合新知识。同时，标准要求本体模型支持多种硬件环境、操作系统、数据库和编程语言，确保其在不同环境中的兼容性和可移植性。

赋能大模型，从数据驱动到知识驱动

《知识图谱技术要求和评估标准》为不同的知识图谱系统提供了统一规范，使得不同系统和领域的知识可以聚合、融合，让AI从 “数据驱动” 向 “知识驱动” 升级。

以智慧城市场景为例，交通部门的“道路拥堵-事故”图谱与医疗部门的“急救资源-医院”图谱如果没有统一空间坐标系，大模型就无法直接关联 “拥堵路段” 与 “最近医院”，需集成工具软件或者以人工方式进行坐标数据转换，费时费力。如果两个图谱采用统一标准，那么大模型可以直接将两个图谱中的知识融合，把“道路拥堵-交通事故-医院”进行关联处理，输出最优的路线规划，效率倍增。

融合的知识图谱将推动大模型降低幻觉、提高智能水平，为AI产业打开新的发展局面。知识图谱标准化后，可以最大程度上聚合领域专业知识，并实现多领域、多组织知识的融合，形成丰富强大的知识图谱系统，从而解决大模型在专业领域或者具体应用场景面临的知识语料频次过低的问题。强大的知识图谱系统不仅可以通过结构化知识对大模型输出进行校验，确保事实准确性，也可以通过预定义的领域知识框架让大模型能理解概念间的深层关联，更好的解决幻觉问题，提高模型智力水平。更为重要的是，可以让模型更好发展某一领域的专业能力，走向不同的应用场景。

标准化开启产业化新机遇

自2012年Google提出概念以来，知识图谱从无到有，已经形成了初步的技术体系，标准化将加速知识图谱的产业化进程，带来新一轮发展机遇。不仅是LLM领域，知识图谱在传统企业用户中也有着广泛应用前景，如客户关系管理和精准营销、供应链优化与风险管理、财务合规与风控等，标准化将让更多的传统企业开始部署知识图谱系统。

要让标准真正落地，产业力量至关重要。作为参编企业，浪潮信息已将完整的知识图谱开发与运维套件嵌入自家AI软件栈，使企业能像管理固定资产一样高效积累和运营知识资产。符合《知识图谱技术要求和评估标准》的工具链，为用户带来标准化、自动化优势。凭借在服务器与开放计算标准上的深厚积累，浪潮信息不仅参与制定240余项标准，更在OpenRack、冷板液冷、OAM等方向推动大规模产业化，为知识图谱生态注入可持续动力。