Open Data Spaces展现分布式数据管理全貌
概述
Open Data Spaces（ODS）是一种开放且可扩展的技术概念，在尊重国家和组织多样性的同时，分布式管理业务特有的数据与上下文。作为Agentic AI的基础，它处理数据的位置、含义和使用控制，实现跨组织、跨行业的互操作。该概念正在汽车与蓄电池、无人航空器运行管理、化学物质与资源循环等领域加速导入。
要点
- ODS是一种分布式数据管理技术概念。
- ODS承担Agentic AI的上下文层。
- 它应对位置、含义和控制这3项挑战。
- 多个领域正在推进商业应用和扩大导入。
概述
Open Data Spaces（ODS）是一种开放、可扩展的分布式数据管理技术概念，尊重不同国家和组织的多样性。其设计不受特定云、平台或企业束缚，也不局限于特定地区的制度。
ODS提供开放架构和协议，能够在保持分布式状态的同时，可靠地跨越领域和组织管理导入Agentic AI所需的业务特有数据与上下文。它使使用者能够掌握数据的存在、位置和含义，也使提供者能够掌握并控制使用者、目标数据和使用目的。
ODS中的“Open”并不意味着无限制公开，而是指在兼顾透明性和可控性、维护公平性的同时，以可管理的形式开放数据。
主要数据
- 高质量AI训练数据枯竭时期
- 2026年至2032年之间
- 汽车与蓄电池领域开始全面运行
- 自2024年起
- 无人航空器运行管理领域计划扩大运行
- 自2025年起
- 化学物质与资源循环领域计划开始实施
- 自2026年起
- ODS架构的支柱
- 3
- Open Dataspaces继承的基本原则
- 4
影响
对企业而言，这将开辟一条路径，使企业能够把沉睡在内部的真实数据作为与其产生背景和含义相联系的经营资本加以利用。从集中收集和管理数据的方式转向由现场领域自行管理和提供的方式后，不仅部门之间，组织之间的数据利用也将更容易推进。
Agentic AI有望从仅依赖一般信息的回答引擎，转变为结合现场特有上下文进行推理并促成可信行动的行动引擎。批发、物流和制造等相关方能够以必要的方式，向必要的对象提供必要的部分。
ODS通过不局限于国家和地区制度的设计，成为跨越组织和国境的数据管理基础。多个领域的导入表明，跨行业数据协作正在向实际业务扩展。
详情
ODS的设计理念包括：为真实数据赋予领域上下文并将其商品化，从集中管理转向分布式管理，以及将Data Mesh的理念从部门之间扩展到组织之间。在方式上，它不采用单方面收集数据的Push and Ingest型，而是采用由提供方以服务形式提供数据、由使用方获取数据的Serving and Pull型。
支撑分布式管理的3个支柱是：用于确定和发现数据位置的Data Addressability and Discoverability（DAD）；用于统一数据含义的Ontology and Semantic Interoperability（OSI）；以及用于管理谁以何种方式使用数据的Identity and Usage Control（IUC）。
Double Product Quanta Model（DPQM）是一种平等对待数据和领域上下文的双层结构。它结合接受未知信息的开放世界假设与使用时要求严格性的封闭世界假设，兼顾安全性和灵活性。在Dynamic Ontology中，数据结构与含义被分离管理，以应对含义变化和组织之间的定义差异。
在导入情况方面，汽车与蓄电池领域自2024年起开始全面运行并扩大应用；无人航空器运行管理领域计划自2025年起扩大运行；化学物质与资源循环领域计划自2026年起开始实施。此外，就ODS的成果物而言，目前尚未建立认证制度或符合性验证机制。