技术分享发版说明
NebulaGraph Enterprise v5.3 ：面向 Ontology 驱动的 AI 时代，释放图原生智能
过去几月，我们围绕 Ontology（本体论）展开了一系列讨论：Ontology 如何为企业级 AI 建立统一的语义基础，以及 NebulaGraph 如何通过高性能图数据库，让这些语义真正进入业务系统并规模化运行。
从金融风控、推荐系统到供应链智能，不同场景背后都有一条共同的技术主线：Ontology 负责定义业务世界中的实体、属性与关系，让数据具备明确的业务语义；图数据库则负责承载、连接和计算这些关系，让 Ontology 从静态的语义定义走向可查询、可计算、可推理的生产系统。
随着 AI 模型能力不断提升，它们所依赖的数据基础也需要变得更加丰富、灵活，并能够被 AI 更高效地访问和使用。
这正是 NebulaGraph Enterprise v5.3 的核心升级方向。围绕数据建模、AI 能力集成以及企业级性能与可靠性，NebulaGraph Enterprise v5.3 进一步打通了从 Ontology 建模到 AI 应用执行的完整链路，让企业能够更高效地构建、部署和扩展 Ontology 驱动的 AI 应用。
NebulaGraph Enterprise v5.3 整体产品架构
更丰富的数据建模：承载 Ontology 之外的动态 AI 上下文
Ontology 通过定义实体类型、属性和关系，为 AI-ready Knowledge Graph 建立稳定的语义基础。但真实的 AI 应用并不只依赖固定的 Ontology. 随着 LLM、AI Agent 等应用不断演进，图中还需要承载大量动态、多值以及与具体上下文相关的信息。
NebulaGraph Enterprise v5.3 新增 SET 和 MAP 等数据类型，让企业既可以保持核心业务语义的一致性，又能够适应 LLM、AI Agent 等智能应用不断变化的数据需求。
1. SET：更自然地表达多值属性
SET 数据类型适合表示用户兴趣、商品标签、知识分类、风险标签等多值属性。
过去，这类信息可能需要被建模为独立的点或边。现在，对于大量由 AI 生成或动态更新的特征，可以直接将其作为属性存储在对应实体上。
例如，一个用户实体可以同时拥有多个兴趣标签，一个商品可以属于多个分类，一个账户也可以关联多个风险标签。这使企业能够在不显著增加图模型复杂度的情况下，为 Ontology 定义的实体补充更加丰富的语义上下文，并直接服务于推荐、检索和推理等 AI 任务。
2. MAP：灵活承载不断变化的上下文
MAP 数据类型通过灵活的键值结构，适合存储随应用持续变化的信息，例如 Prompt 元数据、Agent 状态、配置参数以及特定业务上下文。
AI 应用的数据结构往往处于持续变化之中。如果每增加一种上下文信息都需要修改 Schema，将显著增加系统维护成本。通过 MAP，AI 系统可以将动态信息直接关联到 Ontology 定义的实体上，而无需随着工作负载变化频繁调整 Schema.
更强的图智能能力
存储数据只是第一步。真正的价值在于如何让 AI 能够访问和利用这些数据，从复杂的关系网络中发现模式、生成洞察，并回答需要多跳关联分析的问题。
NebulaGraph Enterprise v5.3 进一步增强图算法、聚合计算和子图提取能力，让 NebulaGraph 从图数据存储与查询引擎进一步成为面向 AI 的图数据基础设施。
1. 内置图算法：从关系检索走向关系发现
- NebulaGraph Enterprise v5.3 大幅扩展了内置图算法能力：
- Centrality（中心性）
- Path Finding（路径查找）
- Community Detection（社区发现）
- Similarity（相似度计算）
- Node Embedding（节点嵌入）
- Topological Link Prediction（拓扑链接预测）
这些内置图算法意味着，AI 不再只能查询图中已经存在的事实，还能够进一步从关系结构中发现潜在模式。
例如，在金融风控场景中，可以通过社区发现识别潜在欺诈团伙；在推荐场景中，可以通过相似度计算发现新的用户群体和兴趣关联；在供应链场景中，可以结合链接预测识别潜在的供应链风险。
Ontology 提供语义框架，图算法则进一步释放关系网络中的结构智能。二者结合，让 AI 不仅能够理解“数据是什么”，还能够进一步发现“数据之间可能存在什么关系”。
2. Aggregation + SubGraph：构建 GraphRAG 的基础能力
NebulaGraph Enterprise v5.3 新增更完整的横向聚合函数以及 SubGraph 函数，为 GraphRAG 应用提供更加直接的图计算与图检索能力。
2.1 Aggregation：直接在图中构建多维特征
聚合函数支持直接在图查询过程中完成计数、求和、平均值、分布统计等计算。
这意味着 AI 应用无需频繁将图数据导出到外部分析平台，即可直接基于最新的关系数据构建统计指标和模型特征。减少数据搬运的同时，也能够保证 AI 获取的特征始终基于最新的数据状态。
2.2 SubGraph：为 LLM 提取真正相关的局部知识网络
SubGraph 函数支持围绕目标实体快速提取局部知识网络。
当 LLM 需要回答一个与特定实体相关的问题时，系统可以根据当前任务提取目标实体、相关邻居以及关键关系，而不是将大量无关图数据全部交给模型。这能够减少检索干扰，让 LLM 将注意力集中在与当前问题真正相关的关系网络上，从而提升 GraphRAG 的检索质量和结果可解释性。
Aggregation 与 SubGraph 结合，使 AI 能够一方面基于图数据构建多维统计特征，另一方面获取更加精准的局部知识上下文，为 GraphRAG、Agent 推理和复杂关系分析提供更直接的数据基础。
更快、更稳定、更可控的企业级 AI 基础设施
生产级 AI 应用不仅需要更强的数据和计算能力，也对性能、可靠性和成本提出了更高要求，因此，NebulaGraph Enterprise v5.3 围绕查询执行、高可用、多租户和资源管理进行了系统性增强。
1. 全面性能优化：图计算平均提升 2.2 倍
NebulaGraph Enterprise v5.3 引入多项性能优化，包括：
- 动态查询计划选择
- 查询解释器优化
- Late Materialization（延迟物化）
- Vertex-Centric Index（点中心索引）
综合优化后，图计算性能平均提升 2.2 倍，图查询性能平均提升 1.87 倍。
更快的图遍历意味着更低的实时 AI 应用响应延迟、更高效的模型特征提取，以及更快的 GraphRAG 检索。当 AI Agent 需要执行复杂的多跳关系查询时，底层图查询与计算性能将直接决定 Agent 的响应速度。v5.3 的性能提升，为更加实时、交互式的 AI 应用提供了更强的基础支撑。
2. 高可用 + 多租户：面向生产环境的 AI 基础设施
NebulaGraph Enterprise v5.3 支持更加完整的高可用部署架构，包括：
- 同城主备容灾
- 同城双活
- 两地三中心
- 三地五中心
集群间支持近实时同步，为关键业务提供更高等级的数据可靠性和业务连续性保障。与此同时，v5.3 进一步完善多租户与 Quota 管理能力，使企业能够针对不同 AI Agent、团队和应用进行资源隔离与配额控制。
在大型企业环境中，多个 AI Agent 和业务应用可能同时访问同一个图数据基础设施。多租户和资源配额机制可以避免单一工作负载过度占用资源，降低不同应用之间的相互影响。这意味着 NebulaGraph 可以作为统一的图数据底座，在保障 AI 服务持续可用的同时，对不同业务负载进行更加精细的资源治理。
3. 动态副本调整 + Dry Run：从 PoC 到生产更加平滑
3.1 动态副本调整
NebulaGraph Enterprise v5.3 支持在线动态调整副本数量，无需中断服务。
在 AI 项目的早期开发、测试或 PoC 阶段，业务对高可用的要求通常较低，可以采用单副本部署以降低基础设施成本。随着应用逐步进入生产环境，对可靠性和容错能力的要求提高，企业可以在线增加副本数量，而无需停止服务。这种能力让 AI 项目能够根据生命周期灵活调整基础设施配置，从成本更低的开发环境平滑演进到高可用的生产部署。
3.2 新增 Dry Run 模式
Dry Run 可以在不实际执行查询的情况下，对查询语法、执行计划以及潜在的数据影响范围进行验证。
随着 AI Agent 开始通过 GQL Skills 等方式自动生成图查询，查询语法错误、不合理的执行计划以及潜在的资源消耗都可能成为生产环境中的新风险。通过 Dry Run，开发者和 AI Agent 可以在真正执行查询之前发现这些问题，从而减少调试成本，降低意外资源消耗的风险，并提升 AI 应用从开发到生产的整体效率。
从 Ontology 到 AI，打通语义与执行的完整链路
NebulaGraph Enterprise v5.3 打通了语义与执行的完整链路，让 Ontology 赋能 AI：
- 更丰富的数据建模。 SET 和 MAP 数据类型支持多值属性与动态上下文，让稳定的 Ontology 能够更好地承载持续变化的 AI 数据。
- 更强的图智能能力。 内置图算法、Aggregation 和 SubGraph，让 AI 能够直接利用图中的结构信息，提升分析、检索与推理结果的完整性和可解释性。
- 更快、更可靠、更可控的基础设施。 图计算性能平均提升 2.2 倍、图查询性能平均提升 1.87 倍，并通过企业级高可用、多租户、动态副本调整和 Dry Run，为生产级 AI 应用提供性能、稳定性与成本控制能力。
无论是构建金融风控系统、推荐引擎、供应链智能平台，还是新一代 AI Agent，NebulaGraph Enterprise v5.3 都在进一步缩短从语义建模、图数据管理到 AI 执行之间的距离。
在 Ontology 驱动的 AI 时代，NebulaGraph 让语义真正可计算，让关系真正成为智能。
