为什么需要本体神经网络 ONN
企业数据分散在多个系统里，同一个业务概念常常有不同字段、不同口径和不同权限。ONN 把这些差异沉淀为对象、关系、属性、指标、事件和权限，让大模型在明确边界内理解业务问题。
ONN · Ontology · 对象关系图谱
本体神经网络 ONN
本体神经网络（ONN）把企业中的人、组织、设备、空间、系统、业务事件和指标口径组织为可计算的对象关系图谱，是数据智能引擎、智能问数和数字孪生可视化共用的底层技术能力。
与智能问数的关系
智能问数依赖 ONN 识别用户问题中的对象、关系和属性，并根据指标口径、权限边界和上下文生成可复核的数据查询过程。
与数字孪生的关系
数字孪生可视化表达空间、设备和事件状态；ONN对象关系图谱让这些对象可以被查询、分析、追问和联动运营。
适用场景
本体神经网络 ONN 适合需要统一业务对象、沉淀对象关系和连接智能应用的企业数据场景。
跨系统数据口径治理
把不同系统中的客户、设备、空间、订单、资产和事件统一映射为业务对象，减少同名不同义、同义不同名带来的分析偏差。
智能问数对象关系图谱
为自然语言查询提供对象识别、关系解析、字段映射、指标口径和权限边界，让回答过程可解释、可复核。
数字孪生对象联动
把可视化场景中的空间、设备、告警和工单与数据指标关联起来，使看板、孪生场景和问数入口围绕同一对象体系协同。
建设边界
本体神经网络 ONN 围绕优先场景逐步建立可运营的对象关系图谱资产，先服务关键问题，再持续扩展对象、关系和指标口径。
从高价值场景开始
建议先选择管理层问数、核心运营指标、重点设备资产或关键业务流程作为首批对象，再逐步扩展到更多系统。
需要业务与技术共同确认
对象命名、指标口径、权限边界和事件定义需要业务部门、数据团队和信息部门共同确认，才能形成稳定的对象关系图谱。
持续沉淀与校准
随着查询、分析和运营场景增加，系统会持续沉淀高频问题、指标卡片和对象关系，形成可迭代的数据智能基础。
常见问题
围绕 ONN、本体神经网络和对象关系图谱的常见理解问题。
本体神经网络 ONN 和数据仓库是什么关系？
数据仓库主要解决数据汇集、清洗和分析建模问题；ONN在数据之上建立业务对象、对象关系、指标口径和权限语义，让智能问数、分析和可视化应用能理解业务含义。
本体神经网络 ONN 是否替代现有数据库？
不会。它通常连接企业现有数据库、数据湖、数据仓库和业务系统，在其上构建对象关系图谱和指标口径层，帮助上层智能应用在权限与业务边界内更可控地使用数据。
建设ONN需要一次性覆盖所有系统吗？
不需要。更适合从高价值问题和核心对象开始，先完成重点场景的对象关系、指标口径和权限边界，再按业务价值逐步扩展。