我们的主要产品

以本体论构建建筑数字底座，让AI真正"懂"建筑

1 系统简述

在传统智能建筑管理中，设备数据以"点位表"形式存在——冰冷的编号与数值，系统之间互不理解，AI也只能做简单的数据查询和文本应答。根本原因在于：建筑缺少一套机器可理解的知识体系。

古河AI本体知识平台（AI-Ontology）正是为解决这一问题而生。平台引入本体论（Ontology）这一人工智能领域的核心知识表示技术，基于国际标准OWL/RDF语义规范，为智慧建筑构建一套结构化、语义化、可推理的知识模型——定义"什么是空调机组"、"空调与空间的供给关系"、"传感器测点归属于哪台设备"等建筑领域的核心概念与关系。

当建筑有了本体知识，AI便从"文字处理器"升级为"建筑专家"——它不仅知道数据是什么，还理解数据之间的关系。当用户说"关闭三楼所有空调"，AI能通过本体推理自动识别三楼包含哪些空间、每个空间安装了哪些空调设备、每台设备应执行什么控制指令，从而精准完成操作。

2 什么是建筑本体论（Building Ontology）

本体论（Ontology）源自哲学，是研究"存在"的学问。在计算机科学中，本体是对某个领域概念及其关系的形式化、显式化描述，是知识图谱的骨架，是AI进行语义理解和逻辑推理的基础。

在智慧建筑领域，建筑本体要回答以下核心问题：

古河AI-Ontology平台将这些建筑知识以国际标准（OWL/RDF）进行形式化描述，使其不仅人可以阅读，更重要的是机器可以理解、可以推理。

3 平台架构

AI-Ontology平台采用"模式-实例-图谱"三层知识架构：

• TBox（模式层）：定义建筑本体的概念模型，包括设备类层次（类继承）、对象属性（实体间关系）、数据属性（实体特征值）、属性约束（值域与定义域）。这是建筑知识的"语法规则"。
• ABox（实例层）：基于TBox定义的概念框架，录入具体建筑的真实设备实例、空间实例、系统实例及其属性值。这是建筑知识的"具体内容"。
• 知识图谱层：将TBox和ABox融合，以图数据库形式存储，支持语义查询、关系推理和可视化探索。这是建筑知识的"活化应用"。

4 核心功能

4.1 可视化本体建模

提供直观的可视化本体编辑器，无需掌握OWL语法，即可完成建筑领域本体的构建：

类层次定义——以树形结构管理建筑设备分类体系：设备（Equipment）→ 控制器、执行器、风机、仪表、阀门、电机、网关、空气处理机组、冷水机组、变风量末端、锅炉、水泵、电梯、灯具、监控摄像头、散热器等。

对象属性定义——描述实体之间的语义关系：

4.2 知识图谱可视化

本体模型与实例数据融合后，自动生成建筑知识图谱，提供多种可视化探索方式：

• 关系图：以力导向布局展示实体间的关联关系，直观呈现设备、空间、系统的拓扑网络
• 力导向图：支持交互式拖拽、缩放，探索大规模知识网络
• 统计图表：按类别、属性维度进行知识资产统计分析
• 拓扑日志：记录知识图谱的变更历史

支持按节点类型分色显示——Class（类）、Index（索引）、ObjectProperty（对象属性）、DataProperty（数据属性），清晰区分本体的不同组成部分。

4.3 AI语义问答与智能推理

本体知识是AI智能体的"大脑"。当AI-Ontology为AI引擎注入建筑本体知识后，实现基于本体的语义问答能力：

• 空间推理："三楼有哪些设备？"——AI通过 hasLocation 关系自动推理三楼所有空间中的全部设备
• 系统推理："冷站系统包含哪些设备？"——AI通过 hasSystem 关系遍历系统下所有关联设备
• 因果推理："这台空调由哪个冷水机组供冷？"——AI通过 feeds/isFedBy 供给链追溯上游设备
• 指令推理："关闭三楼所有空调"——AI组合空间推理 + 设备分类 + hasCommand 指令属性，自动生成批量控制方案

4.4 专家技能与知识驱动的自动化

本体知识不仅服务于对话问答，还驱动自动化运维技能的构建：

• 知识驱动的技能编排：运维工程师可定义面向特定场景的AI技能（如节能策略），技能通过本体知识自动识别目标设备和控制路径
• MCP工具链：每个技能绑定标准化的设备操作工具（查询空间→获取设备→读取属性→下发控制），本体关系确保工具调用的精准性
• AI开发助手：内置辅助功能帮助优化技能逻辑、完善参数、生成使用案例

4.5 运行监控与知识审计

AI基于本体知识执行的每一次操作都可追溯：

• 今日控制次数、受控设备数量、控制成功率实时统计
• 完整的控制历史记录：时间、操作、目标设备、控制值、执行详情
• 知识变更日志：本体模型修改、实例数据更新全程留痕
• 算法审计与回归验证，确保AI决策的合规性与可追溯性

4.6 多模型适配与开放生态

AI-Ontology平台的本体知识可对接多种主流大语言模型：

• 支持Anthropic Claude系列、OpenAI GPT系列、Google Gemini系列及国产Kimi、DeepSeek、Qwen等
• 本体知识以标准化格式注入不同模型，确保知识驱动能力与具体模型解耦
• 用户可根据任务复杂度灵活选择模型，兼顾效果与成本

1 标准化的知识表示

采用国际标准OWL/RDF语义规范，兼容Brick Schema、RealEstateCore等建筑领域主流本体标准，避免知识孤岛，支持跨系统、跨项目的知识复用。

2 零代码可视化建模

运维工程师无需学习OWL语法或SPARQL查询语言，通过可视化界面拖拽即可完成本体构建、实例录入和关系编辑，极大降低知识建模门槛。

3 从"数据"到"知识"的质变

传统系统管理的是离散的点位数据，AI-Ontology管理的是结构化、有关系、可推理的知识。这是智慧建筑从"自动化"迈向"智能化"的关键一步。

4 AI能力的倍增器

本体知识为AI提供了"专业背景"，使大模型在建筑场景中的回答更准确、操作更可靠。没有本体的AI如同没有专业知识的实习生，有了本体的AI才是经验丰富的楼宇工程师。

5 可复用的知识资产

一次建模、多项目复用。建筑本体模型可导出为标准文件，在新项目中导入后仅需调整实例层数据，大幅缩短项目交付周期。

6 支持国产信创

平台支持国产服务器和操作系统部署，满足政企客户的国产化合规要求。