苗治勇：AI问数要精准，语义平台该如何搭建

AI问数正逐步演变为数据消费领域的基础能力，但行业普遍存在一个难题：大模型在直接回应业务数据查询时，经常产生幻觉、结果不稳定、置信度偏低等问题。

尤其在Text2SQL场景里，仅依赖模型训练知识或文本召回方式，很难保证结果的精准与一致。模型并不了解"营收"在贵司的统计口径，不清楚"活跃用户"的统计周期是7天还是30天，也不知道两张表该以哪个字段进行关联——它只是在猜，而猜错了用户甚至无法察觉。

语义层的价值，正是在大模型与底层数据资产之间注入一层强约束的知识体系。它把指标、维度、实体、业务流程、物理实现、SQL规则等内容进行结构化管理，使AI在清晰边界内理解业务、生成SQL、解释结果。相比单一的文本知识库、RAG向量召回或全量资产元数据召回，语义层拥有更明确的查询约束指引、更高可解释性、更低推理消耗，并能同时服务于人与AI。

10月23-24日，DACon 2026北京站，懂车帝数据仓库负责人苗治勇将带来演讲《AI-Native数据语义平台建设思路》，分享如何基于数据仓库打造面向AI消费的数据语义平台。