在生成式AI向企业场景渗透的过程中，非结构化数据处理始终是绕不开的核心瓶颈。麦肯锡2024年《企业AI转型报告》显示，全球企业数据里有近80%属于PDF、Word、Excel这类非结构化格式，这些数据很难被大模型直接解析，导致AI代理回答业务问题时经常出现信息偏差或错误。比如有家制造业企业直接用未经处理的非结构化文档训练AI客服，结果回答准确率只有65%，远低于行业85%的平均水平。正是在这样的背景下，谷歌云在2024年5月14日的Cloud Next全球大会上推出了开放知识格式（OKF），希望通过一套标准化的知识表示体系，破解企业数据碎片化的困局。
OKF是谷歌云打造的一套统一知识表示框架，核心目标是把企业内部零散的非结构化数据，转化为机器能理解的结构化知识资产。它支持PDF 1.7及以上版本、Microsoft Office 2016+、CSV等常见格式，借助预定义的语义元数据标准，能对文档里的实体、关系和属性做统一标注。拿一份产品手册来说，OKF能自动识别“产品名称”“规格参数”“发布日期”这些实体，还能建立“产品包含规格”“发布日期对应产品”这类关系，最终形成结构化的知识单元。
OKF的核心技术架构由三个关键模块组成：文档解析引擎、语义标注模型和知识图谱整合层。文档解析引擎用的是谷歌云自研的多模态预训练模型，能精准提取文本、表格、图片里的关键信息，解析准确率达到92%；语义标注模型则基于BERT和图神经网络（GNN）技术，能自动识别实体间的语义关系，标注速度比传统工具快40%；知识图谱整合层会把标注好的知识单元映射到谷歌云知识引擎里，支持跨文档、跨部门的知识关联查询。AI代理通过OKF的API接口就能快速调用这些结构化知识，大大缩短了数据预处理的时间。
OKF的推出对企业AI转型意义不小。首先，它能降低企业AI代理的开发成本——谷歌云的测试数据显示，用了OKF后，企业数据预处理时间平均减少50%，AI项目上线周期也缩短了30%；其次，它能提升AI代理的响应质量，有家金融机构试点OKF后，AI风控系统的错误率从18%降到了7%；最后，OKF的开放设计允许企业自定义语义标准，以适配不同行业的业务需求——比如医疗行业就能通过扩展OKF的实体类型，实现病历数据的标准化处理。
最近，企业知识标准化成了AI基础设施领域竞争的焦点。微软Azure在2024年4月升级了Azure Knowledge Graph服务，新增了非结构化文档自动解析功能，解析速度提升了35%；亚马逊AWS也在同一个月推出了Amazon Bedrock的知识底座插件，支持和企业内部知识库的无缝集成。在竞争对手这边，OpenAI和Salesforce合作推出的Einstein GPT知识增强模块，已经在零售行业实现了商品信息的实时更新与查询；百度智能云的文心知识增强平台也在2024年5月优化了非结构化数据处理能力，能支持多语言文档的标准化转换。
快报