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，全部编入一个统一模型之中。这个模型叫做Ontology，中文译为“本体”，但这个术语过于理论化，换个说法就是：

Ontology是企业的骨架。

骨架不是肌肉，也不是血液，但没有骨架，肌肉和血液就无处依附。大模型在企业里缺少的正是这副骨架——它极具智能，但缺乏骨架支撑的智能，是散乱的，是不稳定的，是容易产生妄想的。

要认识Ontology的珍贵，需要先了解企业是如何逐步演进到今天的。

中国信息化建设四十载，主线有四个阶段：信息化→数据化→数字化→智能化。

从物演通论的视角看，这四条路径，对应的是“感知”和“响应”的四次跃迁：

信息化阶段，相当于企业生长出了感官——ERP、OA、MES互联成网，管理者首次能跨越部门、跨越时限，观察到业务在发生什么。但观察到不等于理解，信息过载随之涌现。

数据化阶段，是感应的结果开始变得客观化——BI系统、数据仓库，把零散的数据转化为可对比、可追溯的结构。这好比动物拥有了记忆和分类能力，不仅眼睛能看见，还能储存和归类。

数字化阶段，是业务流程本身被重新定义——不是将纸质流程搬进电子系统，而是让流程在数字空间中运行，形成完整闭环。这相当于感应的对象从“表象”深入到了“结构”。

智能化阶段，是“行动”的主体从人转移给了系统——大模型介入判断和操作，不仅告知你发生了什么，还建议你该做什么，甚至代你执行。

但这里潜藏着一个深层矛盾：感应层次越高，失真越严重。

信息化阶段，信息过载让人“抓不住重点”。数据化阶段，数字可以被筛选提取，“客观”并不等于“真实”。智能化阶段，LLM的妄想正是感应失真的极端表现——它感知越多，编造的本领越大。

物演通论第五印指出：“感应属性耦合导致认知虚在”。AI在企业里产生的妄想，就是这种“虚在”。它说出的每个词汇似乎都正确，却离真相越来越远。

Ontology解决的，正是这个难题。

Palantir的Ontology分为三层：Data（事实）、Logic（边界）、Action（行动）。Data是感知，Logic是判别，Action是执行。这三层并非并列，而是有严格顺序——没有Logic的Data是杂音，没有Action的Logic是空话。

大模型在这套框架中，有了骨架，有了界限，有了锚定。它的感应不再是散射状态，而是被约束在企业真实的决策结构里。妄想的概率大幅降低，不是因为模型变迟钝了，而是因为它的“感知”被牢牢锚定。

2023年之前，Palantir被视为一家“数据整合公司”，商业模式不清晰，估值偏高。但LLM爆发之后，市场猛然发现：Palantir坚守二十年的方向是正确的。

原因很简单：大模型的感应能力越强，就越需要Ontology这根锚。强感应等于高失真风险，没有锚的AI在企业里是失控的。

LLM不是Palantir的威胁，而是放大镜。

它将Ontology从“数据整合层”升级为“AI操作系统层”。之前Ontology是为人设计的，现在Ontology是为智能代理设计的。

Palantir的局限也是真实的：

价格高昂——起步价百万美元级别，中小企业难以负担。语义路径依赖——Ontology里嵌入了大量西方管理理念：KPI驱动、OKR、流程型组织。但中国企业的决策结构截然不同：政府关系、领导意图、非正式渠道——这些在Palantir的框架里是“杂音”，而非“本体”。

中国企业需要的，是一套本土化的Ontology。

这不是技术挑战，而是本体定义问题。中国的“决策”究竟是什么？政府审批链条、企业内政、部门博弈——这些才是中国政企决策的真实结构，并非SAP的审批流模板。

有趣的是，Ontology不仅属于企业。

每个人每天都在构建自己的本体，只是大多数人没有察觉。你的Obsidian笔记、你的周总结、你的每日规划——这些本质上是个人决策Ontology的工程化实现：Data是感知记录，Logic是判断框架，Action是行为执行。

现代人的困境和AI一样：感知太多，行动太少，中间淤塞。看了大量文章，什么都没记住；做了许多事，没有一件感觉做对了；情绪波动大，但不知