2001 年 5 月,《科学美国人》刊登了万维网发明者伯纳斯-李与两位合作者的文章《语义网》。开篇是一个虚构场景:妈妈需要专科医生和理疗,妹妹 Lucy 在诊所里指挥她的"语义网智能体"——智能体从医生的智能体那里取得治疗方案,查找保险覆盖的理疗师名单,比对 20 英里内评级优秀的服务商,再协调哥哥 Pete 的日程,几分钟后给出一份完整计划。文章许诺:当网页内容带上机器可读的意义,这样的智能体将把"人类的知识与运作"开放给软件去分析。
二十五年过去了。这个场景几乎成真——今天的 AI 助手真的能查保险、约医生、排日程。但实现它的机制和 2001 年的设想完全不同:不是站长们给网页标注了意义,而是大模型直接从写给人看的文本里学会了意义。语义网作为一场运动早已被写了讣告,但它想要的东西,正在以另一种方式长出来。这篇文章想讲清楚三件事:它当年到底输在哪、谁把丢掉的环节捡了回来、以及这场"复活"埋着什么新问题。
## 输给了昂贵,不是输给了错误
语义网的技术路线清晰而雄心勃勃:1999 年 W3C 发布 RDF 标准,用"主语-谓语-宾语"三元组给网页数据建模;2004 年 OWL 成为推荐标准,让"本体"(对概念及其关系的形式化定义)可以发布在网上;2008 年查询语言 SPARQL 定稿。机构的动作更早:2001 年 2 月,W3C 把原有的元数据工作组改组为语义网工作组——比那篇《科学美国人》文章还早三个月,可见这不是文人畅想,而是一场有组织的工程运动。伯纳斯-李 2006 年把这套愿景浓缩成"链接数据"四规则:用 URI 给万物命名、用 HTTP 让名字可解析、解析后返回标准格式的有用信息、并链接到其他 URI。理论上,整个网络会变成一台全球数据库。
但它卡在了一个经济学问题上:谁来干标注的活?
给网页加机器可读的标记,成本落在站长头上,收益却属于整个网络——典型的公共品困境。W3C 社区自己早就诊断出这个"鸡生蛋"死结:没有应用消费语义数据,就没人愿意发布;没有数据,就建不出有用的应用。再加上 OWL 的描述逻辑语义出了名的难学,主流开发者望而却步。2021 年,该领域核心学者 Hitzler 在《ACM 通讯》上回顾二十年历程时干脆承认:作为具体制品的"那个语义网","也许有一天会存在,也许不会"。
有趣的是,同一时期真正活下来的语义网技术,都赢在把标注变便宜、把收益变直接。2011 年 6 月,谷歌、微软、雅虎放下竞争共同发起 schema.org:不搞宏大逻辑本体,只提供几百个简单类型(人、地点、事件、商品……),站长把标记嵌进网页,搜索引擎立刻回以"富摘要"——评分星星、活动时间直接显示在搜索结果里。付出即回报,采纳随之爆发:2015 年谷歌团队在 ACM Queue 报告,100 亿页面的样本里已有 31.3% 带 schema.org 标记。维基媒体基金会 2012 年上线的 Wikidata 则走了另一条路——把结构化知识集中到一个社区共建的公地里,如今已有超过 1.2 亿个实体、25 亿次编辑。连谷歌也做了务实撤退:2016 年关掉私有知识库 Freebase,把数据策展后迁进 Wikidata。Wikidata 官方文档里那句话点破了转移的方向:"知识图谱最重要的数据源,其实是网络本身——你可以用 schema.org 标记自己的网站。"
## 等到的标注员,叫大模型
现在回头看,语义网缺的从来不是"意义"这个概念,而是一个付得起的标注员。它等到的这个,叫大语言模型。
大模型用一种语义网从未设想的方式解决了机器理解问题:预训练。它不需要任何人给网页做标注,而是从海量"写给人看"的文本里直接统计出词与概念之间的关联——某种意义上,整个互联网为人眼写下的文本,都成了它的标注数据。2001 年文章里"让机器处理意义"的目标,被统计方法从侧面攻破了。
但统计语义有一个致命的副作用:它会一本正经地编造。于是最近两年出现了一场安静的回流——显式结构重新变得值钱,只是角色变了:不再是网络的地基,而是大模型的锚。
微软 2024 年的 GraphRAG 是标志性工作:先让大模型从语料里自动抽取实体关系图,再对图做社区检测、逐层生成社区摘要,回答"这个数据集整体上讲了什么"这类朴素检索答不了的全局问题。注意它的分工——抽取结构的是大模型(便宜、可规模化),约束答案的是图结构(明确、可溯源)。当然,这种"自动标注"并非免费:建图要把整个语料喂一遍模型,索引成本可观,抽取出的关系也仍需抽检把关——标注的成本没有消失,只是从几百万站长转移到了少数几条管线里。2023 年的一篇路线图论文把这个共生关系总结成三个方向:图增强模型、模型增强图、二者协同推理。学界甚至开始用本体来校验大模型生成的查询语句,出错就驱动修复——2025 年还有工作干脆用统计方法替换 LLM 抽取环节,就因为担心"幻觉图谱"。这些论文题目连起来读,恰好是语义网技术栈的还魂清单:知识图谱、本体、链接数据、溯源。
最有象征意味的是闭环本身:当年语义网希望站长手工把网页变成结构化数据,没人干;今天 HippoRAG、GraphRAG 们让大模型自动把文本变成知识图谱,一夜之间全干完了。大模型就是那个语义网等了二十年的标注员——只是它不标注在网页上,而是按需标注在检索管线里。
## 复活之后,两个新问题
如果故事到这里结束,那就是个"技术轮回"的鸡汤。真正值得想的是这场复活改变的两件事。
第一,意义的生产权转移了。语义网时代,意义由标准组织定义、由站长们分布式地写进网页——慢,但多元。今天,"这段文本是什么意思"主要由少数几个大模型说了算,抽出来的图谱也多半是各家的私有资产。schema.org 好歹是四家公司共治的开放词汇表,Wikidata 好歹是社区公地;而模型内部的语义空间,没有人能审计、更谈不上共治。语义互操作从"标准问题"悄悄变成了"权力问题":当所有人都在用两三个模型理解世界,本体论上的分歧由谁来裁决?这正是数据主权讨论在知识层的延伸——你不仅应该拥有你的数据,还应该能追问:定义这些数据的概念框架,是谁的?
第二,标注的成本曲线还会继续塌。schema.org 把标注从"写逻辑本体"降到"填几个字段",大模型把标注从"填字段"降到"零人工"。下一步大概率发生在智能体之间:Anthropic 2024 年发布的 MCP 协议解决智能体连工具和数据的"纵向"接口,谷歌 2025 年发布、现已捐给 Linux 基金会的 A2A 协议解决智能体之间的"横向"发现、认证与任务委托——每个智能体要发布一张描述自己身份、能力和接口的"Agent Card"。一张让机器读懂"我是谁、我能做什么"的结构化卡片,这不正是语义网的老本行吗?未竟的事业换了主角续集重拍:参与者从网页变成了智能体。历史没有重复,但押着同样的韵:谁把"让机器理解意义"的成本降一个数量级,谁就拿到下一个时代的门票。
## 带走的东西
对普通读者,三个可操作的结论:一,如果你的网站或内容有被 AI 搜索引用的需求,结构化标记(schema.org/JSON-LD)仍然是最便宜的自我表达方式,早在 2015 年,100 亿页面样本里就有 31.3% 带着这类标记——它早已是主流,不是实验;二,别再用"语义网失败了"当谈资——它只是换了形态,活在每一个 RAG 管线、每一张实体图、每一次带引用的回答里;三,当 AI 给你一份"综合了全网信息"的答案时,值得问一句:它的结构是谁抽的、锚在哪个图上、错了能不能溯源——这三个问题,恰好就是语义网二十五年前替我们想好的。
给世界上的万物命名,让名字可以被解析,让解析返回真实的陈述——伯纳斯-李 2006 年写下的四规则,一条都没有过时。讣告写早了:语义网没有死,它只是在等一个买得起的标注员。等到的这一刻,真正的问题才刚开始——意义的定义权,该交给谁?
来源:The Semantic Web (Berners-Lee, Hendler & Lassila, Scientific American, 2001) — https://www.scientificamerican.com/article/the-semantic-web/