AI真正缺失的不是智慧，而是支撑结构
2023年ChatGPT迎来爆发，人们普遍认为人工智能时代已经来临，企业软件即将迎来巨变。然而一年过后，冷静下来的观察者开始反思：大型语言模型在企业环境中，究竟能发挥哪些作用，又有哪些局限？答案隐藏在Palantir这家公司身上。它规模不大，名气不如OpenAI，但它的Ontology，是目前AI在企业落地中最贴近本质的解答。Palantir耗费二十年专注一件事：将企业的决策架构，建模为一套语义系统。这并非数据仓库，也不是知识图谱，而是把“订单-客户-供应商-成本中心-决策链条”之间的语义关联，全部编入一
人工智能时代的新存在主义思考
第一部分 智能时代新存在主义的关键特征当我从17至20日在上海举办的盛大WAIC活动归来，熙攘人群中展现的智能科技突破，激发了我作为AI时代哲思者的深刻反思。在24年撰写的四篇关于智能时代哲学逻辑的基础上，我写下了本篇：探讨智能时代的新存在主义毫无疑问，AI已从工具角色转变为“准主体”，人类正经历一场被称为“第四次存在觉醒”的深层心灵触动，这种触动已经展开，我们尚不知其何时结束。从存在主义的基本理念出发，审视智能时代新存在主义的核心特征，可以清晰看到其独特之处如下。一、从“存在优先于本质”到“存在逐渐消解
对人工智能发展路径的深度思索
1. 人工智能缺乏对世界的真正认知 近期AI领域热议一个概念——“本体论”。其核心观点是，AI面临的困境并非数据匮乏，而是无法领悟数据蕴含的意义及数据间的相互联系。在我看来，根本原因在于AI尚未深度把握这个世界，它掌握的是语言的统计模式，而非现实的因果逻辑。 2. 为何AI难以理解现实？ 人们常说人才是首要驱动力。而企业对人才的衡量标准，不仅涵盖其知识储备，更重视其处世之道与解难能力。这是因为，每个人都怀有对世界的独到见解，过往的经历、见闻、学识与实践，会凝结成一个人的性情、品格和思维方式。而AI当前能够
【AI 周周学】第十期：从构想至落地
让 AI 从“想尝试”到“真可用”，仅需数小时即可跨越许多企业虽具备应用场景、数据资料与创新构想，却因缺乏 AI 技术与 IT 支撑，迟迟无法开启第一步——“渴望应用 AI 却不知从何做起”，正是众多政企机构面临的真实难题。本体工坊并非单一的智能体，而是一款高效的智能体构建工具：用户上传现有资料并陈述业务需求，即可在数小时内生成一个可体验、可评估、可迭代的智能体原型。简而言之，本体是将分散的文档、规章、案例等信息，整合为包含对象、属性、关联及规则的完整知识体系。传统检索仅能实现“片段式”匹配，问一句搜一段
数学概念“本体”如何破解企业AI落地难题
国内大型企业和机构在财报会议、行业报告和投资者沟通中，对部署人工智能的雄心丝毫未减。与此同时，一个词汇的出现频率正不断攀升：本体。这个被AI行业广泛认为源于哲学领域的术语，更准确地说，来自数学希尔伯特纲领的公理形式化推理系统，即用变形式化语言来描述事物间的所有关系、逻辑、数据、定义和运作模式。本体重新引发关注，与大模型进入企业场景后的实际表现密切相关。面向消费者时，大模型往往显得能力无边；但一旦踏入企业环境，就容易显现出“不理解业务”的短板。因为“语义断层”、“数据分隔”和“推理误差”，这些常被批评的大模
2025-2029中国AI数据基础设施市场测算：从传统中台到本体平台
摘要：产业正经历从传统数据中台向本体语义平台的迭代，预计2025年中国市场规模为450亿，2029年将突破1984亿，年均复合增长率高达44.9%。报告涵盖AI数据库、本体平台、多模态管理、DataOps、智能体数据调用、优质数据集及数据安全七大领域；其中本体平台增速最快（78.6%），AI数据库规模最大。关键趋势在于企业统一AI数据入口的重要性凸显，数据建设重心由工程治理转向AI原生语义能力，以满足大模型和智能体对全场景数据访问、推理及执行的需求，并详细剖析了各赛道的空间、增长动力及实际应用。报告总页数
AI时代企业为何需风险本体：打造懂业务的智能决策助手
无需成为风险领域的专家，也不必掌握本体建模、知识图谱、RAG、Python或语义治理等技能。RiskOS V3以AI原生技术为核心，助力企业自动构建风险本体，将业务对象、关键指标、规则逻辑、证据链条及管理动作无缝连接，使AI真正深入理解企业的风险生态。面向未来，企业需要的不再仅仅是能回答问题的AI，而是能够深刻理解业务逻辑、有效辅助风险决策的智能体。无需成为风险领域的专家，也不必掌握本体建模、知识图谱、RAG、Python或语义治理等技能。RiskOS V3以AI原生技术为核心，助力企业自动构建风险本体，
仅凭本体感知即可应对复杂地形：上海 AI Lab 推出全新四足机器人控制框架 HIM
全称：混合内模：利用仿真机器人响应学习敏捷的足式运动作者：Junfeng Long1,∗Zirui Wang1,2∗, Quanyi Li1, Jiawei Gao1,3, Liu Cao1,3, Jiangmiao Pang1 1OpenRobotLab, Shanghai AI Laboratory, 2Zhejiang University, 3Tsinghua University链接：https://doi.org/10.48550/arXiv.2312.11460目前，基于深度强化学习的四足机
易经、汉字与AI：四元同构下的哲学新解
四元同构体系：哲学三重世界、AI三大流派、易经象数理、汉字形音义的异同，兼论汉字在AI与哲学领域的现代价值 首先确立四套体系一一对应的三元底层架构（完全契合你手绘笔记：符号=物理世界、内涵=心理世界、外延=认知世界）： 哲学三元分层 人工智能三大流派 易经象数理 汉字形音义 底层定位 符号（客观物理世界，外在实存） 行为主义 象 形 外在具象感知层 内涵（内在心理世界，主观体验） 联结主义（神经网络） 数 音 动态流变中介层 外延（主体认知世界，概念解释） 符号主义 理 义 抽象规律逻辑层 四套体系全部遵
没有本体的AI就像“识字不识意”——读《本体驱动的AI数据管理》第3章有感
本体驱动的AI数据管理 · 第3章读后感⑩：没有本体的AI是"识字但不识字"——它能读"坡度15.1度"，但不知道这意味着什么"读完《本体驱动的AI数据管理》第3章3.3.2节'支撑业务活动中的AI'"一、这部分我学会了啥3.3.1节读完我留了一个问题：智能工作台聚合了所有信息，但会不会让审查员变懒？3.3.2节没直接回答"替代"还是"增强"的边界问题，而是给了我对AI角色的新理解——AI不是替代人，是增强人。
真AI还是假AI?5道题测出企业AI化真实水平
01写在最前最近经常听到这样的困惑——"我们部署了RAG，也上线了Agent，为什么客户一问后续处理方案系统就答不上来了？"在回答这个问题之前，先做一个简单的自我检测："AI外挂"和"AI原生"的核心区别究竟在哪里？02不是"接得够不够多"——是"该接的没接"过去两年，目睹了大量企业AI项目的折戟。失败的原因并非接入数量不足——他们部署了向量数据库、接入了RAG、上线了Agent、配置了MCP工具调用、适配了所有最新协议。真正
Growth AI中的因果推理机制
首先，Growth AI需借助数据图谱（DataGraph）插件才能完成数据的分析与处理，Growth DataGraph同时为Growth AI提供类似本体论模型的支持。其次，Growth AI的因果分析依赖DataGraph中定义的关系网络，追溯并推断真实存在的因果关联。再者，因果理论在Growth AI中的核心功能有二：一是因果推断，即基于因果关系进行未来趋势预测；二是数据因果解析，用因果逻辑阐释数据为何呈现当前形态。
理想汽车架构重组：整车与智驾团队并入研发
新浪科技讯 7 月 3 日下午消息，据业界报道，理想汽车正筹划新一轮组织变革，聚焦产品决策流程优化，拟把产品部部分核心职能剥离，划归研发部门。对此，理想汽车官方目前尚未作出回应。 现阶段，理想汽车产品部由高级副总裁范皓宇统领，业务范畴涵盖电动本体、空间智能、自动驾驶终端产品、交互设计、平台运营以及 App 与官网等板块。 消息指出，本次调整重点针对电动本体及自动驾驶等关键产品定义团队。其中，电动本体产品定义团队将拆分并融入由整车电动高级副总裁刘立国掌舵的整车研发部门；自动驾驶终端产品团队则并入由基座模型负
AI能力出众，为何落地企业却难掩青涩
同一套大模型，面对公众提问时表现如天才，踏入企业环境却沦为实习生。 并非 AI 能力不足，而是缺乏企业的专属话语体系——哪些客户属于核心层级、哪些数据严禁外泄、哪些订单受到特定监管……这些规则深植于资深员工的认知中，模型无从习得。 让 AI 真正胜任岗位的关键，并非追求更庞大的模型参数，而是构建本体：一幅可被机器解析的业务导航图。 蓝象智联将本体打造为动态系统——AI 自主提取信息、持续迭代优化，将数月工作量压缩至一周内完成。 大模型如同引擎，本体则是掌控方向的舵盘。 下期探讨：本体如何在理解业务的同时保
告别AI幻觉！本体智能赋能企业AI落地实战营启航
大模型能力虽已卓越，企业也坐拥庞大数据，为何AI应用在企业内始终难以真正落地生根？核心症结：业务语义脱节常规的数据治理往往停留在表结构、字段及固定报表层面，缺失清晰的业务语义。这让AI难以精准把握对象关联与指标口径，极易产生“幻觉”，输出结果难以采信。正契合国家数据局的观点：“打造高质量数据集，是企业AI应用落地的重要基石。”决定智能体聪明与否的核心，恰是数据的品质。基于此，我们特别推出“本体智能赋能的企业AI落地实战营”，助你洞察底层逻辑，从起点重塑企业数据基石！本次实战营不仅是思维认知的跨越，更是端到