三星收购牛津语义：RDFox 与神经符号 AI

可以把我的日程和健康记录完全托付给 AI 吗？

三星收购牛津语义（2024 年 7 月）旨在通过收购 RDFox 开发商，获取设备内个人知识图谱的核心引擎，并以此为基础，通过结合逻辑推理的神经符号 AI（Neuro-Symbolic AI）来弥补生成式 AI 的缺陷。

三星收购牛津语义的战略意图是什么

牛津大学于 2024 年 7 月 16 日宣布，三星电子已收购该校孵化的企业牛津语义技术公司 (OST)。三星电子于 7 月 18 日（韩国时间）通过新闻中心表示，公司自 2018 年起就与 OST 开展合作，并曾通过三星创投进行过投资。此次收购获得的是能够整合分散在各项服务和应用中的信息与上下文的个人知识图谱核心引擎。官方解释称，该技术能在将敏感个人数据保留在设备内部的同时，实现超个性化的用户体验。其应用范围不仅限于智能手机，还涵盖了电视和家电产品。

以上内容均基于官方发布。而“这是为了减少幻觉的决胜招”属于我个人的解读，本文将对此进行明确区分。下文将探讨的三个技术支柱分别是作为大脑的知识图谱、作为神经网的语义通信，以及作为眼睛的语义分割。

神经符号 AI 如何减少生成式 AI 的幻觉

像 ChatGPT 这样的大语言模型 (LLM) 是基于海量训练数据计算下一个词出现概率的概率模型 (Probabilistic Model)。句子之所以能写得如此流畅，以及无法自行判断内容真伪而导致幻觉 (Hallucination) 的原因，都源于其相同的架构。如果 AI 要从聊天伙伴变成帮我协调日程的秘书，首先必须解决这一弱点。

神经

这是由牛津大学研究团队（Ian Horrocks、Boris Motik、Bernardo Cuenca Grau）于 2017 年创立的 OST 所开发的知识图谱与推理引擎。关系型数据库（如 Excel）难以通过表格记录“哲秀是英熙的朋友，英熙喜欢江南站的意大利面店”这类连接，而知识图谱则将其存储为（主语）-[关系]-(宾语)的三元组（Triple）。

用户 → 位于 → 江南站 → 特征 → 交通拥堵

随着数据量的增加，通过连接获得的上下文 (Context) 也会变得更加丰富。市面上也有像 Neo4j 这样的图数据库，因此有必要探讨三星为何选择了 RDFox。RDFox 产品介绍页面提出了以下三个特征：

内存计算 (In-memory)：设计用于在内存 (RAM) 中运行，而非磁盘。虽然开发者声称其加载和查询速度通常快 10~1000 倍，但这属于开发商的说法，尚无独立的基准测试支持。本文初稿中“比现有方式快 100~1,000 倍”的表述因缺乏条件限制，在此予以更正。
增量推理 (Incremental Reasoning)：当数据发生变化时，动态执行规则，仅重新处理受影响的信息。无需从头计算整体，因此在资源受限的环境中更具优势。
Datalog 规则：可以将逻辑规则直接输入引擎。例如“如果用户在地铁站且时间是工作日上午 8 点，则表示正在上班”，这同样是用于解释概念的假设。

三星选择该引擎的原因已得到联合创始人 Ian Horrocks 在采访中的证实：RDFox 能够直接在手机上运行且运算负荷较小，这引起了三星的兴趣。目前没有证据表明这是“该引擎独有的唯一理由”，因为缺乏与其他引擎的对比数据。

基于 RDFox 的个人知识图谱将如何改变 Galaxy S25

OST 在 2025 年 1 月 22 日的博客中透露，RDFox 是三星个人数据引擎 (Personal Data Engine) 的基础技术，并将应用于 Galaxy S25 系列。据 Computer Weekly 报道，Horrocks 教授解释称，该引擎将用户的体验存储在个人的知识图谱中。这体现了“属于我自己的 AI”这一方向，而不是在服务器上收集全球知识的“大众 AI”。端侧处理的趋势也在端侧 AI 文章中进行了整理。

关于隐私部分，我将初稿中“完美保护”的表述进行了修正。三星解释称，个人数据引擎在设备内部处理数据，并由安全硬件 Knox Vault 进行保护，但在使用云端 AI 的功能时，采用的是仅在需要时访问数据并在处理请求后立即删除的混合方式。其目标是将数据安全地保留在设备内，但目前尚未看到经独立验证的结果。

虽然有时 Galaxy S25 的 Now Brief 功能被介绍为此次收购的成果，但并未确认二者之间的直接联系。OST 博客和 Computer Weekly 均未将 Now Brief 与 RDFox 直接关联，三星方面的解释也仅限于该功能是提供每日定制摘要的工具。“下雨了？那应该会堵车吧”从而推断出“为了不耽误 9 点的会议，比平时早 20 分钟出发”的提醒场景，仅能作为知识图谱结合日程、天气和交通后可能实现的功能示例来理解。

关于初稿中预测的“随着使用时间越长，积累的数据越多，用户会因舍不得图谱而产生锁定（Lock-in）效应”的观点，这仅是我个人的推测，并无官方资料支持。

神经符号 AI 的神经网络支柱：语义通信与 DeepJSCC 承诺了什么

语义通信的根源在于通信理论。通信问题的三个层面通常被认为是克劳德·香农 (Claude Shannon) 提出的，但实际上这是沃伦·韦弗 (Warren Weaver) 在解读香农理论时提出的框架。香农本人曾明确表示语义层面与工程问题无关。韦弗提出的三个层面如下：

Level A (技术问题)：符号传输的准确程度如何
Level B (语义问题)：传输的符号在多大程度上准确传达了预期的意义
Level C (效果问题)：接收到的意义在多大程度上影响了预期的行为

可以说 4G 和 5G 是在“更快、更多”地传输方面的 Level A 竞争。语义通信研究则是试图将通信从 Level A 提升到 Level B 的尝试。由于未能找到三星将其作为官方目标的资料，本文仅将其作为行业研究方向进行探讨。

DeepJSCC (Deep Joint Source-Channel Coding) 是该趋势下的代表性技术。在 2019 年的一篇论文中，Bourtsoulatze、Kurka 和 Gündüz 提出了一种神经网络，无需压缩编码和纠错编码，即可将图像像素直接转换为信道信号。该技术展现出了优雅的性能衰减 (graceful degradation)，即在信道状况变差时画质缓慢下降，这与数字方式下信号低于临界值时突然崩溃的现象形成对比。初稿中关于“数据减少约 1/1000”及“仅传输眼、鼻、口向量”的说明因论文中并不存在而予以删除。论文实验的带宽比大致在 0.04 到 1 之间。

仅发送文本和草图信息，并在接收端由 Stable Diffusion 等生成模型恢复图像的构想也被列为研究方向。但由于公开资料中未能确认压缩率和画质等具体数值，因此未作记录。在偏远地区或卫星环境下使用的期待目前也仅停留在期待阶段。

神经符号 AI 的眼睛：高通语义分割的作用是什么

语义分割是将视频按帧拆解，分别识别天空、皮肤、头发和建筑物的技术。高通在骁龙 8 Gen 3 的规格书中加入了认知 ISP (Cognitive ISP)，并介绍了将照片和视频最多分为 12 个图层并分别进行优化的实时语义分割技术。例如“这个区域是天空，所以调得更蓝一些”、“这个区域是皮肤，所以处理得质感更柔和一些”。与简单的滤镜校正不同之处在于，它是根据区域的语义进行不同的处理，仅此而已。

有一点需要纠正。初稿将该功能描述为搭载在 Galaxy 上的骁龙芯片的特性，但Galaxy S25 系列全系均采用骁龙 8 至尊版（Galaxy 版），而认知 ISP 是骁龙 8 Gen 3 规格书中的用语。目前没有证据将其直接关联到 S25 的相机功能。将分割结果（“用户现在在山上”）传递给知识图谱以强化上下文的构想也是我个人的推测，尚未找到公开的实现案例。

三星收购 RDFox 在智能体 AI 时代处于什么位置

初稿中写道“2025 年以后我们将见证智能体 AI”。截至 2026 年 10 月，这已不再是展望，而是处于验证阶段。Gartner 在 2025 年 6 月曾指出，到 2028 年，至少 15% 的日常工作决策将由智能体 AI 自主处理，而到 2027 年底，超过 40% 的智能体 AI 项目将被取消。可以说期待与试错正在同时发生。

在此趋势下，三星此次收购的意义在于获得了将个人数据作为设备内知识图谱进行积累的基础。我的判断是，未来的 AI 竞争将从“谁制作的模型更大”转向“谁能更深入、更合乎逻辑地（Semantically）理解用户”。同一网站的语义 AI 与 Palantir 本体论对比文章也从企业级本体论的角度指出了相同的逻辑。

下表将本文内容分为了经证实的事实和解读。

与三星收购牛津语义技术相关的表述	分类	依据
2024 年 7 月宣布收购，获得个人知识图谱引擎	已证实	三星新闻中心、牛津大学
RDFox 是 Galaxy S25 个人数据引擎的基础	已证实（开发商发布）	OST 博客
内存计算、增量推理、Datalog	已证实（开发商说明）	RDFox 产品介绍
旨在减少幻觉的神经符号布局	解读	无公开数值
Now Brief 与 RDFox 的关联、锁定效应	未证实	无官方资料
语义通信/分割与知识图谱的结合	构想	无公开实现案例