ISO-GQL 为什么重要？图查询语言标准化如何影响企业 AI 战略

一、图数据库长期存在一个被忽视的问题

企业在选型数据库的时候，有一个问题很少被认真考虑：如果将来要换数据库，迁移成本是多少？

关系型数据库有 SQL 标准，虽然各家方言有差异，但核心语法基本通用。换一个数据库，核心的查询逻辑大概率可以复用，迁移的主要成本在数据搬运和性能调优，不在重写所有业务逻辑。

各家图数据库查询语言五花八门——有的用 Cypher，有的用 Gremlin，有的用 SPARQL，有的用自研查询语言，还有的在向 SQL 扩展图能力。这些语言之间，语法思路、遍历方式、模式匹配写法都不一样，互不兼容。

企业选了某个图数据库，用它的查询语言写了几千条查询逻辑，深度集成进了业务系统，这时候想换一家数据库，就等于几千条查询全部重写。锁定效应极强，迁移成本极高，企业被迫长期依赖一家供应商。

这个问题存在了十余年，直到 2024 年才有了根本性的转折。

二、ISO-GQL 是什么，它解决了什么问题？

2024 年 4 月，国际标准化组织（ISO）正式发布 GQL（Graph Query Language）标准，编号 ISO/IEC 39075:2024。这是图数据库领域第一个正式的国际查询语言标准，意义相当于当年关系型数据库领域 SQL 标准的发布。

ISO-GQL 的定位是一门专为属性图（Property Graph）设计的声明式查询语言，核心能力覆盖：图模式匹配、路径查询与遍历、节点和边的增删改查、聚合与过滤、子查询与组合查询。语法设计上借鉴了 Cypher 的可读性和 SQL 的逻辑结构，同时针对图遍历的复杂性做了专门的语言特性支持。

标准化解决的核心问题有三个：

可移植性 ——基于 ISO-GQL 写的查询逻辑，理论上可以在所有支持该标准的图数据库上运行，不需要为每家产品重写查询语言。企业的图谱查询投资可以跨产品复用。

互操作性 ——多个图数据库系统之间，基于标准查询语言可以更容易地实现数据互通和查询联邦，不需要为每个集成点专门做语言转换层。

人才可复用性 ——掌握 ISO-GQL 的工程师，可以在不同图数据库产品之间流动，而不需要为每个产品重新学一套查询语言。这对企业招聘和团队建设的影响是实实在在的。

三、标准化对企业 AI 战略的具体影响

很多人觉得查询语言标准化是一个技术细节，和业务战略没什么关系。这个判断低估了它的影响范围。

影响一：知识图谱的长期资产价值

企业花费大量资源构建的知识图谱——业务实体关系、供应链图谱、客户关系网络、金融风险图谱——这些是真正有价值的数据资产。但如果图谱上层的查询逻辑是用某家专有查询语言写的，一旦这家供应商产品停更、涨价或出现服务风险，图谱资产就面临被套牢的风险：数据还在，但查询能力随时可能失效。

ISO-GQL 标准化之后，图谱查询逻辑与特定产品解耦，知识图谱真正成为企业自己可以掌控的长期资产，而不是绑定在某家供应商平台上的临时资源。

影响二：GraphRAG 和 AI Agent 的查询层稳定性

GraphRAG 和 AI Agent 系统高度依赖图数据库的查询能力——实体检索、关系遍历、多跳路径查询，这些操作每天要执行数万次乃至数百万次。底层查询语言一旦发生变化（比如供应商升级破坏了旧语法），整个 AI 应用层就需要跟着改，维护成本极高。

基于 ISO-GQL 标准构建的查询层，有国际标准作为稳定性背书。供应商在遵从标准的前提下升级产品，不会随意破坏核心查询语法的兼容性。这对于需要长期运营的企业 AI 应用来说，是一个不可忽视的稳定性优势。

影响三：多云和混合部署的灵活性

大型企业越来越倾向于多云战略——核心业务用私有云部署，部分应用用公有云，有时候还需要在不同云环境之间迁移。在没有统一查询语言标准的情况下，跨云的图数据库迁移几乎等于重建，代价极高。

ISO-GQL 为多云迁移提供了语言层面的可行性基础。同一套图谱查询逻辑，可以在私有云的图数据库和公有云的图数据库之间迁移运行，而不必因为查询语言不同而把整个应用层推倒重来。

影响四：合规与审计要求的应对

金融、医疗、政务等行业对数据系统有严格的合规要求，其中包括对查询行为的可审计性和可解释性。使用经过国际标准认证的查询语言，在合规文件中更容易获得监管机构和审计方的认可，而使用厂商专有语言的系统往往需要额外提供语言规范说明和安全性证明。

这不是小事——在金融风控、医疗数据治理等场景，合规审查通过与否，直接决定系统能不能上线。

四、标准化进程中，企业现在需要做什么？

ISO-GQL 标准已经发布，但行业的全面落地需要时间。对于正在评估或使用图数据库的企业，现在有几件事值得提上日程：

第一：优先选择已支持 ISO-GQL 的图数据库产品

不是所有图数据库都已经支持 ISO-GQL，很多产品还在观望或计划中。优先选择已经完成 ISO-GQL 适配的产品，意味着从一开始就站在标准的轨道上，避免未来再次经历迁移痛苦。

第二：新项目的图谱查询用 ISO-GQL 语法开发

对于新启动的知识图谱项目、GraphRAG 项目或 AI Agent 记忆图谱项目，从第一行查询代码开始就用 ISO-GQL 语法。旧项目可以逐步迁移，但新项目没有理由继续用专有语言积累技术债务。

第三：评估现有图谱查询逻辑的迁移优先级

盘点一下目前用了什么图数据库、用了什么查询语言、有多少查询逻辑是深度依赖专有语法的。把这些量化出来，作为未来技术债务清理的优先级依据。高频使用、业务关键性强的查询，迁移优先级最高；低频、边缘场景的查询可以放后面。

第四：把查询语言标准兼容性纳入供应商评估标准

下一次图数据库选型或续约谈判，把"是否支持 ISO-GQL"、"标准支持的完整度是多少"、"未来版本是否保证标准兼容性"作为硬性评估项写进 RFP。只做口头承诺的供应商，要求提供具体的标准合规测试报告。

五、ISO-GQL 语法看起来是什么样的？

说了这么多标准化的意义，来看一个具体的例子，感受一下 ISO-GQL 的实际语法风格。

假设要查询"在担保圈中，距离企业 A 不超过 3 跳的所有关联企业"：

MATCH (a:Company {name: 'A公司'})
      -[:GUARANTEE*1..3]->
      (b:Company)
RETURN b.name, b.creditScore
ORDER BY b.creditScore ASC

语法非常接近自然语言的逻辑：从 A 公司出发，沿着担保关系走 1 到 3 跳，找到所有目标企业，返回名称和信用分，按信用分升序排列。

对比一下在没有标准之前，不同查询语言里做同一件事的写法，语法差异极大，学习成本高，迁移几乎是重写。ISO-GQL 的出现，让这种割裂不再是常态。

当然，标准和产品实现之间还会有差距，每家支持 ISO-GQL 的图数据库都会有自己的扩展语法。但核心语法的一致性，已经大大降低了跨产品迁移和团队学习的门槛。

六、悦数图数据库

在图查询语言标准化这件事上，悦数图数据库走在了行业前面。悦数率先在国内图数据库产品中全面支持 ISO-GQL 国际标准，用户可以直接用标准语法编写图谱查询，无需学习专有方言，查询逻辑具备跨平台可移植性。与此同时，悦数兼容 nGQL（基于 Cypher 语法的扩展查询语言），为存量系统提供平滑过渡路径，不需要一次性重写历史查询逻辑。C++ 原生存储引擎确保 ISO-GQL 标准查询在千亿级图谱规模下仍保持毫秒级响应，标准化不以牺牲性能为代价。Shared-Nothing 分布式架构与不停服线性扩缩容能力，让企业在遵从国际标准的同时，享有足以支撑大规模 AI 应用的底层基础设施。选择支持 ISO-GQL 的悦数图数据库，不只是选了一个产品，更是为企业的知识图谱和 AI 战略投资买了一份长期的可移植性保险。