三星电子收购牛津语义技术，知识图谱布局再升级

2024年7月16日，三星电子正式签署协议，收购英国初创公司牛津语义技术（Oxford Semantic Technologies，简称OST）。这家公司由牛津大学三位教授Ian Horrocks、Boris Motik和Bernardo Cuenca Grau于2017年创办，核心能力聚焦知识表示与语义推理，主打产品为知识图谱与推理引擎RDFox®。此前，OST已在欧洲和北美的金融、制造、电商等领域积累了成熟客户。

三星看中的核心是什么？关键在于OST的技术路径——知识表示与推理（KRR），属于人工智能中偏向逻辑与知识驱动的一派。这与机器学习不同：机器学习从海量数据中寻找统计规律、预测结论，而KRR更像严谨的专家系统，既能处理数据，又能结合专家定义的规则，做出基于逻辑、可解释的决策。换句话说，每一张“推理地图”的生成路径都清晰可追溯。

RDFox引擎的核心价值在于帮助三星在各设备（手机、电视、智能家电等）上构建“个人知识图谱”。它将用户在不同场景、不同服务中的信息互联成网络，设备能识别用户身份、偏好和近期关注点，并据此进行推送、调度和推荐。关键在于隐私保护：数据可完全在本地设备处理，无需上传云端。这一理念在Galaxy S24系列上已有雏形——设备端AI结合本地知识图谱，实现超个性化且安全的体验。

知识图谱技术并非新鲜概念。它模仿人类获取、记忆、关联和推理知识的方式，将信息存储为互联的“想法”网络。其最大价值在于从杂乱数据中快速发现关联并得出结论。在大模型应用泛滥的当下，知识图谱可与GraphRAG结合，有效缓解大模型的幻觉问题——即毫无根据地“编造”信息。

将动态、大规模的真实世界数据转化为可用的知识图谱并执行推理，在工程上一直颇具挑战，计算需求巨大。OST的突破在于不仅解决了这一难题，还实现了商业化——RDFox既可部署在云端，也可运行于设备端。三星早在2018年便与OST展开合作，并通过三星风投进行了投资。此次收购是双方合作的顺理成章的深化。

三星研究总监兼首席技术官Paul Kyungwhoon Cheun直言：“消费者对个性化AI体验的需求日益增长，收购OST将显著增强我们在知识工程领域的能力。”OST首席执行官Peter Crocker表示，加入三星后，RDFox将得到进一步优化，为其现有欧美客户提供更强有力的支持。

知识图谱：实现AI对用户的深度认知

技术层面可归纳为几个层次。知识图谱本身将信息存储为交叉引用的网络结构，实体与概念间存在关联。三星的目标是从纵向和横向打通所有产品线的数据——从手机到电视、从冰箱到音箱。在此基础上，RDFox的推理能力使产品能主动学习用户偏好与使用习惯，无需用户手动设置。这背后是学术界数十年来在语义推理领域的积累。

具体而言，RDFox之所以能脱颖而出，核心在于速度与精确度。它被业界称为“全球最强大的企业级推理引擎”，在保证100%结果准确的前提下实现极高速推理。这在金融交易异常检测、自动驾驶地图融合、工业配置器等高要求场景中具备实质性优势。

语义推理：基于规则与逻辑的AI范式

语义推理，也称为“基于规则的人工智能”或“知识驱动AI”。其核心逻辑是：先定义一套规则（例如“若A且B，则C成立”），系统自动根据已有数据推导新知识。结果完全可解释——每一步推理依据均可追溯。这在监管、审计、合规等场景中是硬性要求：不能只给出黑箱结论，必须提供推导链条。

相比之下，机器学习（尤其深度学习）走统计规律路线，擅长处理模糊、大规模、非结构化数据，但推理过程不透明，结果可能出错。两者并非对立，最先进的解决方案恰恰是将规则推理与统计学习结合——前者提供速度与可解释性，后者提供灵活性与泛化能力。RDFox在生态中支持这种融合。

为何选择语义推理？

语义推理的核心目标是给数据库“赋能”。在不改变底层数据结构的前提下，系统自动发现新关系、简化查询。例如，原本需要几十行代码、耗费数小时的搜索，经过推理后几秒即可返回。且推理是增量的——添加一条数据即刻更新，无需重启或重新训练。这种特性对实时应用极具价值。

知识表示语言：OWL、SWRL与Datalog

技术层面，RDFox支持OWL（Web本体语言，社区标准）、SWRL以及Datalog的扩展版本。据团队反馈，多数用户最终选择Datalog——其语法直观，支持否定、聚合、内置函数等高级功能，表达能力强大。这体现了对工业需求的对接：既要理论正确，又要工程好用。

总而言之，三星此次收购不仅是财务操作，更是技术战略的落地。知识图谱正从学术概念演变为下一代AI基础设施中不可或缺的组件。

来源：互联网