让 AI 智能体访问公司的数据是一回事，确保它们看得懂则是另一回事。不同部门往往对同一个数字使用不同的定义。AI 智能体可能识别不出这些差异，最终给出错误答案。而随着企业把更多责任交给 AI 智能体，这类错误就可能变成更大的问题。
Oracle 想通过为其Autonomous AI Lakehouse （自主AI湖仓）增加若干功能来解决这个问题，这些功能是本周在拉斯维加斯举行的 Oracle AI World 上发布的。主要新增项包括新的业务语义层、对Apache Iceberg 的扩展支持、一个 AI 数据目录，以及用于运行业务模拟的工具。更宏观的目标是帮助企业处理分散在不同系统中的数据，同时让 AI 智能体更清楚地理解这些数据意味着什么。不过用户可能还得再等一段时间才能用上Oracle 宣布的全部功能，因为并非所有能力都已就绪，部分预计在未来一年内推出。
业务语义层的更新是此次宣布的主要新增项之一。据 Oracle 介绍，这次更新允许企业在一处统一定义业务术语、指标和计算方式，从而让不同应用和 AI 智能体使用同一套定义。收入报表就是一个能体现其价值的例子。销售和财务给出不同数字并不罕见，即便他们看的是同一块业务——只是统计方式不同。
但对 AI 智能体来说，这就成了问题。它可能从销售那里取一个数字，又从财务那里取另一个数字，却并不真正清楚两者为什么不同。有了统一的定义，这个问题应该会缓解不少。
找到正确的数据是 Oracle 关注的另一个问题。新的 AI 数据目录将帮助用户和 AI 智能体跨 Oracle 及其他平台搜索信息。它还会提供数据集的相关细节，包括来源、使用方式以及与其他数据的关系。这能让用户和智能体在动手处理信息之前掌握更多上下文。
Oracle Data Studio 把 SQL、Python 和自然语言工具整合进一个工作空间。它可以连接 100 多个数据源，用户无需先搭好数据库就能开始使用。Oracle 预计业务语义层和 AI 数据目录将在未来 12 个月内可用。
这一点在企业把更多责任交给 AI 智能体时变得尤为重要。智能体回答一个关于收入的问题是一回事；用它来建议公司该在哪里投资或削减成本、甚至就销售重心给出洞察，则是另一回事。如果智能体一开始就用错了定义，后面的一切都可能受到影响。Oracle 的思路是，在智能体开始处理业务信息之前，先让它们对这些信息有一致的理解。这应该有助于自然语言查询和 AI 生成报告之类的场景，不过企业仍需确保这些定义准确且持续更新。
此次发布的另一部分是扩展对 Apache Iceberg 的支持——这种开放表格式帮助企业处理海量数据。Oracle 增加了用 SQL 创建和更新 Iceberg 表的能力，同时支持访问数据的早期版本。对企业而言，价值主张很清晰。大多数大公司的数据分散在不同的云平台和存储系统中，把它们全部搬到一个地方并不总是可行，尤其是涉及复制庞大数据集或维护多个版本的时候。Oracle 希望让企业无需不必要地搬动数据，也能更轻松地使用这些信息。Iceberg 的开放格式也让客户可以用不同的工具处理同一份数据，灵活度更高。
但要注意，支持一种开放格式，与摆脱对某家厂商平台的依赖，是两回事。企业在评估Oracle 的方案时需要考虑到这一点。
“Oracle Autonomous AI Lakehouse 让决策者能实时掌握现场收入、库存使用、成本和盈利情况，”Liberty Energy IT 副总裁 Rhett Rowan 表示。“它把 Apache Iceberg 表与来自 Amazon S3、Amazon 数据库、Azure 上的 Microsoft SQL Server、MongoDB 和 PostgreSQL 的数据顺畅地整合在一起，让新增数据源变得简单，从而支撑 AI、分析和业务模拟。”
该公司还在通过 Essbase（其多维分析技术）增加业务模拟能力。企业可以用自身的财务和运营数据，在真正决策之前，先看看定价或客户需求的变化会如何影响利润。
Oracle 还声称，更新后的Data Lake Accelerator 在 100 TB 的 TPC-DS 数据集上运行查询的速度最高提升了三倍。不过这是 Oracle 自己的测试结果，客户实际体验可能不同。
对数据团队而言，Oracle 希望把更多工作搬进湖仓，从查找数据、定义指标，到运行分析和管理访问权限。Databricks 和 Google 正在攻克类似问题，尤其是帮助 AI 智能体理解公司数据，而不只是访问数据。
对客户来说，仍有一些问题待解：他们能多容易地在平台之间迁移业务定义？这些新能力是否会产生额外费用？数据团队需要投入多少工作来保证底层信息和定义的准确性？这些问题很重要。语义层可以帮助 AI 智能体理解某个指标是什么意思，但无法保证智能体会正确使用它。用户必须自己测试，才能知道它在真实环境中表现如何。
可以确定的是，Oracle 为其湖仓勾勒了一个有雄心的方向，但还有若干部分仍在路上。最终的考验是：把这些工具整合到一起，是否真的让数据团队的工作更轻松，并让 AI 系统产出更可靠的结果。
