悦数图数据库 v5.3 版本发布：让复杂数据和业务关系更好支撑企业 AI

过去一年，企业 AI 的讨论越来越热。从智能问答到 Agent，从 RAG 到 Copilot，越来越多企业开始思考一个问题：如何让 AI 不只是回答问题，而是真正理解业务？——答案并不只在模型本身。

很多时候，AI 之所以难以准确回答业务问题，总以为模型能力不够，实际上是因为企业的数据世界本身并没有被清晰地表达出来：客户是谁，产品是什么，风险来自哪里，流程如何流转，指标之间如何关联，规则又如何影响结果。这些信息散落在数据库、文档、系统、表格和业务人员的经验中。对于人来说，它们可能是常识；但对于 AI 来说，如果没有清晰的结构，就很难真正理解。

这也是为什么“本体”重新受到关注。

本体的核心价值，是把业务世界中的实体、关系、属性和规则定义清楚，让机器能够理解企业如何描述自己的业务世界。但本体不能只停留在概念层，也不能只存在于建模文档里。要真正支撑 AI 应用，本体必须落到可存储、可查询、可计算、可推理的数据底座中。

图数据库，正是承载这件事的重要基础。本次版本更新，悦数图数据库围绕本体数据承载、图计算分析、查询性能、系统可靠性和资源治理等方向进行了系统性升级。

从 SET、MAP 数据类型的支持，到新增数十种图算法、SubGraph、GQL Skills 协同，再到性能优化、高可用和资源管理能力，悦数图数据库正在进一步强化面向企业 AI 的图数据底座能力。

让本体中的复杂数据更好存

在真实业务中，一个客户可能同时拥有多个标签、多个兴趣、多个风险特征；一个知识对象可能属于多个分类；一个业务实体也可能随着场景变化产生不同的动态属性。如果底层数据结构只能表达固定字段，本体建模就会被迫简化，很多真实业务信息无法完整进入图中。对于后续的知识检索、关系推理和 AI 应用来说，这些缺失都会影响最终效果。

因此，在本次版本更新中，悦数图数据库新增了对 SET 和 MAP 数据类型的支持，让真实世界中的复杂数据能够更自然地进入图。

SET 数据类型适合存储用户标签、兴趣特征、知识分类等多值信息，能够更自然地表达一个实体同时具备多个特征的情况。MAP 数据类型则适合存储动态属性、Prompt Metadata、Agent 状态等非固定结构数据，能够更灵活地承载不同业务对象之间存在差异的属性信息。

这意味着，图数据库不仅可以存储实体和关系，更可以更完整地承载本体中的属性、特征和上下文信息，为后续的知识检索、关系推理和 AI 应用提供更接近真实业务世界的数据基础。

让图计算更快支撑 AI 发现关系

把数据存进图，只是第一步。

很多企业已经把数据接入系统，但企业真正需要的，是从复杂关系中发现价值：哪些客户属于同一圈层？哪些节点最关键？风险会沿着哪条路径传播？某个对象周围有哪些相关实体？哪些群体之间存在潜在关联？

本次更新，悦数图数据库将图算法能力与 GQL Skills 深度整合。系统内置数十种全新的图算法，覆盖社区发现、圈层识别、路径分析和潜在关联群体挖掘等典型场景，同时结合自然语言驱动的 GQL Skills，使用户无需手写复杂查询或算法，即可快速生成图分析任务并执行。

通过图算法与 GQL Skills 的协同，原本需要开发者手动实现的分析流程，现在可以通过自然语言快速完成，从算法选择、参数配置到结果输出实现一体化自动化。在实际使用中，原本需要两周左右完成的算法开发，现在往往十几分钟就可以完成，平均开发成本也降到了几块钱，大幅提升了图分析能力的可用性与落地效率。

在这一能力体系下，新增的水平聚合函数可以用于构建多维统计指标和特征，提升关系分析的完整性和可解释性；SubGraph 函数则可以围绕目标实体快速提取局部子图，帮助用户高效查看节点周边关系网络，减少复杂查询的编写成本

这些能力的提升，使企业在构建 AI 应用时，可以更方便地获取高质量的关系数据和结构化特征，提升知识检索、特征工程和关系推理效果，让企业 AI 输出更加准确、更加可解释。

让 AI 应用跑得更快、更稳、更省成本

当本体、知识图谱和企业 AI 应用从 PoC 走向生产环境，系统需要面对的不再是单次验证，而是长期稳定运行、复杂查询响应、多团队协作、资源隔离和成本控制等现实问题。

本次更新围绕性能提升、高可用、资源管理和执行安全进行了系统性增强。

相比于 5.2 版本，本次升级在性能与资源效率上实现了系统性的提升：图分析平均性能提升 2.2 倍，图查询平均性能提升 1.87 倍。通过查询解释器优化、延迟物化、点中心索引等能力，复杂关系查询、路径探索、知识召回和图计算效率得到整体增强，使系统在相同资源条件下即可支撑更高并发与更复杂的业务负载。

在此基础上，系统进一步通过副本动态调整能力，将性能提升与资源使用策略打通：企业在 PoC 阶段可以以更低资源投入快速验证业务价值，在生产阶段再按需提升副本数与可靠性，实现性能、成本与稳定性的动态平衡，从而显著提升整体资源利用率。

同时，多租户与配额管理能力的强化，使资源调度与隔离能力与上述性能与弹性能力形成协同，可以对不同团队、不同任务的计算与存储资源进行精细化控制，避免资源争抢，保障多业务并行场景下的平台稳定运行。

在系统可靠性方面，悦数图数据库 5.3 版本支持同城主备容灾、同城双活、异地容灾、三地五中心等多种部署形态，为关键业务构建更加可靠的图数据底座。

此外，Dry Run 模式支持在正式执行复杂查询前，提前校验语法、执行计划和可能影响的数据范围，减少无效任务带来的时间与资源浪费，进一步提升整体资源使用效率。

这些能力共同解决的是同一个问题：让图数据库从技术验证走向业务生产，不仅要能存、能查、能算，更要稳定、可控、可持续。

企业 AI 的下一步，不只是接入模型，而是让模型真正理解企业自己的业务世界。本体负责定义这个世界，图数据库负责承载这个世界，而图计算和图分析则帮助企业从这个世界中发现关系、理解关系、使用关系。

未来，悦数也将继续围绕本体构建、关系推导、自动化执行与生产级稳定性持续演进，帮助企业将分散数据连接起来，将隐藏关系挖掘出来，并转化为可理解、可分析、可应用的业务价值。