锈客

万字拆解 Palantir:本体论,凭什么成了 AI 最贵的生意?

模型越来越像标准品,价值往哪里跑?对消费者是入口,对企业是它自己的"语义"。

这两年,"本体论"这个词突然爆火,它本来躺在哲学课本里,讲的是"世界上到底有什么";现在却频繁出现在上市公司的财报电话会、硅谷的播客和投资人的长文里。上一篇锈评发出去以后,也有朋友留言,让我聊聊本体论在行业里的实践。

看到这个词我笑了。这其实是我的老本行。

2010 到 2012 年,我在兰州大学 UAIS 实验室读研究生,师从胡斌教授,方向是情感计算:把本体论用到脑科学上,用本体把"情绪"描述出来。喜怒哀乐是什么、彼此什么关系、和脑电信号的哪些特征对应,都要写成机器能读的结构。

我当年要解决的问题是:本体太"死"。它只能表达确定的知识,处理不了情绪这种模糊、带概率的东西,所以要给它加上贝叶斯网络。

十几年后,问题倒过来了。大模型什么都能说,但全是概率,说不准;现在整个行业要做的,是给概率模型加上本体,让它有规矩可守。

当年是给本体加概率,现在是给概率加本体。

但说句实话,本体这个词在学界讲了二十多年,一直没出圈。把它带火的,是一家公司:Palantir。所以这篇其实是在拆 Palantir:它的本体和学界有什么不同,它是怎么火的,在战场、工地和医院里怎么落地,别人为什么学不像,以及它最终想成为什么。

一、学界的本体是名词,Palantir 的本体多了动词

先说本体是什么。企业里的本体,就是三样东西:

  • 名词:公司里有哪些东西。客户、订单、物料、产线、供应商。
  • 关系:它们之间怎么连。哪个订单用了哪批物料,哪批物料来自哪个供应商。
  • 动作:对它们能做什么,谁能做,什么时候要人批。

说白了,就是一本让机器也读得懂的公司词典和规矩手册。

做过手机的人对这件事应该不陌生。同样一个"版本",研发说的是软件版本,硬件说的是板子版本,销售说的是配置和颜色。同一个词在同一个企业内部,不同的岗位也会有不同的理解。

以前这些歧义靠人来对齐。CIO 杂志上有一句话说得很准:企业几十年来一直把语义对齐外包给了人。 问题是 Agent 不会打电话问,它拿到一个模糊的词,就会自己猜一个意思,然后很自信地去执行。

但这里有个关键的区别。我当年在实验室里做的本体,以及学界二十年来做的大多数本体,只有前两样:名词和关系。它描述世界"是什么样的",用来检索、推理、回答问题。

Palantir 的本体多了第三样:动词。官方文档的说法是,数据是"企业的名词",动作是"企业的动词";本体要表达的是"企业里的决策,而不只是数据"。

那"动词"具体指什么?是企业的 SOP、工作流,还是把员工能力蒸馏出来的技能?都不完全是。在 Palantir 的体系里,这几样东西分在三层:

  • 动作(Action):一次带规则的业务操作,是最小的那个"动词"。官方文档举的例子是"给员工调岗":要填哪些信息、调岗后自动关联新的上级、只有 HR 才能操作、提交后通知新旧两位上级,这些都写在这个动作里。它像 SOP 里被标准化的某一步,而且这一步能直接执行,做完会写回业务系统,并留下记录。
  • 逻辑(Function):判断该不该做、怎么做。可以是代码写的规则和算法,也可以是用大模型搭的判断函数。员工的经验和判断,如果要"蒸馏"进系统,主要沉淀在这一层。
  • 工作流(Automate):把动作和逻辑按条件串起来自动跑,比如"库存低于某个值,就生成补货单,交给采购审批"。这更接近我们平时说的 SOP 和审批流。

所以,Palantir 说的"动词",指的是最底下那层动作:最小的、有权限、可追溯的业务操作。工作流把动作串成流程,逻辑负责做判断,Agent 则把它们当作工具来调用。关键在于边界:Agent 能改变真实世界的方式,只有这些预先定义好的动作。 Palantir 对外开放给第三方 Agent 的接口,也只允许"通过预定义的动作进行受控写入"。动作定义得越清楚,AI 能做的事就越多,也越安全。

用手机公司的话说:动作是 ERP 里的一个审批按钮和它背后的规则,工作流是整条审批流,逻辑是老员工判断"这单该不该批"的那点经验。

学界的本体是名词和关系;Palantir 多了动词,而动词又分动作、逻辑、工作流三层

这一个字的差别,决定了后面所有的事。只有名词的本体,让 AI 少答错;有了动词的本体,AI 才能真的去做事。

二、Palantir 是怎么把本体带火的

Palantir 二十年:两个阶段,一条主线

图里是时间线,下面只讲图里装不下的三件事:它为什么和军方走得这么近,第一阶段为什么走不通,第二阶段又做对了什么。

第一阶段:军方和情报机构的"定制公司"

为什么和军方走得这么近。 Palantir 是私营软件公司,不是政府机构,但它从出生起,客户就是政府。"走得近"有三层意思:

  • 最早的客户是它。 9·11 之后成立,想用识别欺诈交易的思路识别恐怖分子,中情局旗下的风投 In-Q-Tel 是早期投资人,第一个产品 Gotham 就是给情报分析师用的。
  • 在战场上被验证的是它。 据《华盛顿时报》报道,在阿富汗,它帮美军把零散的公开和机密数据拼在一起追查路边炸弹网络。但它当时不是"正规装备":陆军官方情报系统两年花了约 2.2 亿美元,花在 Palantir 上只有 2,000 万,前线部队得自己去争取。
  • 敢跟它对簿公堂的也是它。 2016 年它起诉陆军采购排斥商业软件,依据的是 1994 年的一部法律,胜诉后在正面竞争中赢下合同,最高 8.76 亿美元,成了第一家进入美军正式"记录项目"的硅谷公司。

再加一层价值观:卡普在上市招股书的信里写得很直白,"我们的软件被用来打击恐怖分子、保护士兵的安全""我们已经选了边"。

第一次试水企业:是政治任务,还是业务? 它 2009 年就开始做企业客户,第一个大客户是摩根大通,场景是查"内鬼":监控员工的邮件、通话和位置,找出违规者;2016 年又和瑞信合资,专门抓违规交易员。

我没有找到这是政治任务的证据。更合理的解释是:金融危机和一连串交易丑闻之后,银行在反欺诈、内控和合规上有被监管逼出来的真实需求;而这些场景和情报分析几乎是同一件事,都是"从海量数据里找出异常的人和行为"。这是业务驱动,但它选的是离自己出身最近的场景。 政府基因也带来了麻烦:据《彭博商业周刊》2018 年的调查,摩根大通那个项目由一位前特勤局探员负责,后来监控失控,甚至盯上了高管,银行随后大幅缩减了使用。

为什么走不通:每一仗都靠人堆。 彭博的报道说,当时 Palantir 约一半的工程师派驻在客户现场;在摩根大通最多有 120 人,每人每天收费高达 3,000 美元。可口可乐、美国运通、纳斯达克等客户陆续离开。卡普 2010 年就承认:"我们不想成为一家服务公司",但这件事"比我们想象的难得多"。

第一阶段的 Palantir,本质上是一家用软件武装起来的咨询公司。

第二阶段:把定制做成产品,走上前台

传统企业软件的两难。 企业软件一直有两条路:标准化的 SaaS,卖一套软件让所有客户自己适配,规模化好,但碰到数据脏乱、流程特殊的大客户就用不起来;系统集成和外包,客户要什么改什么,做一个是一个,最后变成按人头算钱的人力外包。这个两分法大体成立,但不绝对:ServiceNow、Workday 上市时毛利率也只有 63% 和 54%,同样靠大量实施服务撑着。Palantir 的第一阶段,恰恰掉进了外包那个坑。

FDE 的突破点在哪。 Palantir 的答案是"前线部署工程师"(Forward Deployed Engineer,简称 FDE),内部叫 Delta。外界常说它是"产品化的咨询":工程师拿着平台驻扎在客户现场,一边理解脏乱差的真实数据,一边把业务逻辑翻译成本体。我觉得这个说法只说对了一半。和外包相比,FDE 有四个关键区别:

  1. 手里拿的是平台,不是白纸。 搭出来的东西天然可以复用。
  2. 现场的经验必须回流成产品。 Sankar 的原话是,FDE 是一种产品策略,不是一个岗位;没有这个回流机制,就只是售前工程。
  3. 抽象的终点是本体。 交付的不是一个个项目,而是一套"名词、关系、动作",下一个同行业客户可以直接拿去改。
  4. 只做大单。 2019 年它前 20 大客户平均每家贡献约 2,500 万美元,单子够大,才养得起长期驻场的工程师。
企业软件的两难,和 FDE 的第三条路

空客是最好的例子。前 Palantir 业务发展副总裁 Nabeel Qureshi 在 Lenny's Podcast 上讲过,空客当时要在一年内把 A350 产量提高到原来的四倍,但工厂数据躺在 SAP 里,表名是 S3_F1_Z 这样的代号。驻场工程师周一到现场、当晚出版本,周二收反馈,周三再改,一周跑四五轮,把这些表翻译成飞机、工位、工单、零件。Qureshi 说,"把原始数据映射成人能理解的概念"这个想法不是在会议室里设计的,是在空客的问题里泡了几个月泡出来的,之后又花了三四年才变成能卖的产品。

但要说清楚:这套模式很长时间里并没有被证明是对的。 上市时它成立 17 年,客户只有 125 家,前一年还亏了 5.8 亿美元。招股书把自己定义为"为那些对我们生活方式至关重要的大型机构打造软件平台";彭博社评论说,它花了十年淡化政府色彩,上市时却反过来高调拥抱了自己的出身。

真正让 FDE 兑现的,是 2023 年的大模型。Palantir 推出 AIP,把大模型接到本体上,再用 5 天的 Bootcamp 让客户带着真实问题来,当场做出能用的场景。逻辑很简单:模型谁都能买,而且越来越便宜;但一家企业的名词、关系和动作,Palantir 已经花十几年在客户现场搭好了。 第一阶段被嘲笑"像咨询公司"的重模式,突然成了别人拿钱也买不到的东西。

今年二季度,Palantir 收入 19.35 亿美元,同比增长 93%,美国商业收入增长 149%。Sankar 的解释就一句话:"我们的优势归结于 Ontology。"

Palantir 美国商业收入(百万美元)。2025 Q4 由同比增速推算,其余来自季度财报。

FDE 也跟着出了圈:OpenAI 在 2025 年初组建了自己的 FDE 团队,有统计称这个岗位的招聘需求比 2023 年涨了四十多倍。本体和 FDE,一个是 Palantir 的产品,一个是它的交付方式,现在都成了整个 AI 行业的通用词。

三、从战场到工地:本体是怎么落地的

讲本体容易讲虚,下面用几个公开案例,从最极端的场景说起。

战场:最快的反馈回路。

2022 年 6 月,俄乌冲突爆发三个多月后,卡普入境乌克兰见了泽连斯基,是第一个这么做的西方大公司 CEO。据《时代》周刊报道,之后乌克兰国防部、经济部、教育部等六个以上的部门用上了它的软件,而且没有付费。

最受关注的是军事用途:把卫星图像、无人机画面、开源情报和前线报告融合在一起,给指挥官提供作战选项,卡普自己称之为数字化的"杀伤链"。他当时说,Palantir 的软件"承担了乌克兰大部分的目标识别"。到今年 5 月接受乌克兰媒体采访时,他的说法变得更审慎:"这个系统里有一部分是我们的,但很大一部分是乌克兰人自己建的。"他也强调,人必须能在最后一刻"拔掉插头"。

2023 年 3 月,乌克兰第 1 独立坦克旅的一名军人在武赫列达尔附近的前线操作无人机。无人机画面,是这类系统融合的数据之一。图:REUTERS/Lisi Niesner

但很少被提到的是,同一套软件在乌克兰还在做很多非军事的事:为排雷做规划,目标是十年内让 80% 受污染的土地恢复经济用途;为战争罪收集证据;安置流离失所的人;追踪空袭警报和停电对学校的影响。

卡普说,乌克兰的反馈回路是他见过"最好的之一"。这句话的分量在于:本体的价值,要在"数据、决策、行动、结果"这个回路跑得足够快时才体现出来,而战场是这个回路跑得最快、代价最大的地方。

这套能力后来回到了美军和北约。Palantir 的 Maven 智能系统,2025 年 3 月被北约采购;今年 3 月,美国国防部签发备忘录,准备把它定为正式的"记录项目",进入多年期预算。陆军和 Palantir 的合同,从 2024 年的 4.8 亿美元,涨到 2025 年整合了 75 份合同的 100 亿美元框架协议。

工地和工厂:把"人脑子里的经验"变成动作。

回到商业世界,这个月 Palantir 公布的案例更接地气:

  • L3Harris(美国国防承包商)把 30 多套 ERP 系统接进了同一个本体,在上面搭了几百个应用。
  • McCarthy(一家有 160 年历史的美国建筑公司)用 10 万多份真实的工地"信息请求单"训练模型,提前标出可能影响工期和成本的问题,再用 AI 起草分包合同,公司称每年省下约 3 万个工时。
  • Tampa General(美国的一家大型医院)用自己的风险和隐私规则训练模型,给院内的 AI 流量分类。

这些数字都来自 Palantir 自己,但它们有一个共同点:都不是"让 AI 回答问题",而是让 AI 在一个具体的流程里做一个动作。Sankar 有一句话说得很准:"企业的最小单位是工作流,而不是单个知识工作者。"

医院:本体最大的争议也在这里。

英国 NHS 用 3.3 亿英镑的合同,请 Palantir 搭建了全国性的联邦数据平台。今年 2 月,英国医学会呼吁医生停止非临床用途的使用,理由是担心 Palantir 和美国移民执法局(ICE)的合作;国际特赦组织也发起了"别让 Palantir 进入 NHS"的运动。Palantir 的回应是,它的软件让英国多做了手术、让海军舰艇在海上待得更久、帮警察处理家暴。

这场争议恰好说明了本体的本质:它最大的能力,是把原本分开的数据连起来;它最大的风险,也是把原本分开的数据连起来。 在工厂里,这叫打通;在医院和移民执法里,这就是很多人担心的监控。

四、别人为什么学不像

Palantir 跑出来以后,老牌企业软件公司几乎在同一年转向了"本体":微软 6 月推出 Fabric IQ(本体功能仍在预览),Databricks 同月发布 Genie Ontology,SAP 把知识图谱放进 AI 平台的核心,Oracle 这周也发布了自动起草本体的能力。连开发者圈的 Latent Space 都发了一篇《Ontologies Are So Back》。

但仔细看,大多是新瓶装旧酒。

老牌厂商的本体:骨架相似,缺的是动词和驻场
  • 微软的本体,主要从企业现有的 Power BI 语义模型生成,本质上是 BI 时代那套指标和维度的升级版。
  • Databricks 从大家每天跑的查询和报表里自动"捞"知识,再用 OntoRank 打"权威分",名字一看就是对标 Google 的 PageRank。它说接上本体后 Agent 答对率从约 50% 到 84.5%,但做的主要是"答得更准",不是"做得更多"。
  • SAP 的知识图谱,是把几十年的业务对象重新包装一遍。更值得注意的是它今年 4 月改了接口政策:禁止外部 AI 自主调用 SAP 接口,外部 Agent 要么走它自己的助手 Joule,要么走按次计费的网关。熟悉 SAP 的人会想起它当年的"间接访问"收费风波。Forrester 的评价很直接:"封闭架构只有在你能力领先时才管用。"
  • Oracle 的方案还在路线图上,说 12 个月内上线。

它们缺的,恰恰是 Palantir 最难复制的两样东西:动词和驻场。没有动词,本体只是更好的检索;没有驻场,本体就没人去一个决策一个决策地搭。这几家手里有数据、有客户、有渠道,但它们的商业模式是卖标准软件,很难像 Palantir 那样把几百个工程师长期扎在客户现场。

FDE 的跟风也一样。第二节说过,FDE 和外包的区别在于现场经验能不能回流成产品;很多新来的 FDE 缺的正是这一环,有评论说得很直白:不少公司只是把咨询换了个名字。

学不像,还因为本体真正难的两件事,谁都还没彻底解决。

第一件,谁来维护。 这个故事二十年前讲过一遍,叫语义网,没成,最大的原因是本体太难维护:业务天天在变,定义没人更新,一年后就没人用了。这一点我在实验室里就体会过。当年我自建“情绪本体”,同一个情感词例如“开心” 要涉及心理学、脑科学、甚至也要参考文学、哲学领域才会更完整的表示清楚,而作为计算机专业领域的学生知识储备是支撑不起来的。

Palantir 的答案是人:驻场工程师(FDE)。准,但贵。其他几家的答案是 AI,这也是学界这两年最活跃的方向:

  • 今年 9 月的评测 CQ4OE 测了九个大模型,结论是 AI 可以打草稿,结构要人把关:模型找名词很准,搭层级、写约束仍然是弱项。
  • EMNLP 2025 的 OG-RAG 显示,让模型按本体去找资料,事实召回提升 55%,正确率提升 40%。
  • 今年 4 月一项企业 Agent 研究跑了 1,800 次实验,接了本体的 Agent 显著更好;在越南语场景里,提升大约是英语的两倍。模型越不熟的领域,本体越值钱,这对中文企业和垂直行业很有参考意义。
  • 8 月的 OaK、10 月的 AgentOnto,都在让本体边用边长,根据反馈自动修正。

不过,Palantir 的 CTO Sankar 最近在 Stratechery 的访谈里给这股热情降了降温:让模型自己设计本体,它只会照着"一家普通公司"的样子来建模,做出来谁家都差不多。他借了一对投资术语:模型能给的是 beta,也就是行业平均水平;一家公司真正与众不同的 alpha,还得人来定。 这和 CQ4OE 的结论正好对上:AI 能打草稿,骨架得人来搭。

第二件,本体建在谁的平台上。 本体里装的是一家企业最核心、最敏感的知识:有哪些业务对象,它们怎么关联,谁能做什么动作。建在哪家厂商的平台上,以后就很难搬走。分析机构 Constellation Research 有篇评论把这叫作"更温柔的厂商锁定":过去绑住客户的是合同和数据格式,现在绑住客户的,是他自己沉淀进去的业务语义。建在 Palantir 那里,是它的护城河;建在 SAP 那里,是它的收费站;Snowflake 牵头、三十多家公司参与的开放标准 OSI,则想把它修成公共道路。NHS 的争议又加了一层:建在谁家,不只是商业问题,也是信任和政治问题。

我所经历过的大厂,最重要业务数据、SOP,其实一开始都不是自上而下设计的,基本都从各部门各自长出来、后来再陆续统一规范化,再通过持续和外部系统、咨询公司合作多轮才沉淀成公司的主数据、关键流程,本体依然也会是这样的路径,生于业务,沉淀为本体,借助大模型推力反哺回业务,持续更迭。

五、往前看:本体会把企业带到哪里

先说 Palantir 自己想成为什么。 很多人把它概括成"AI 操作系统",也有人说它做的就是"统一语义、沉淀结构化数据"。把招股书、官方文档和高管访谈放在一起看,我觉得它的愿景有三层,而且分主次:

  • 最底层是使命,带着很强的政治立场。 招股书第一句是"为那些对我们生活方式至关重要的大型机构打造软件平台",卡普的信里写的是"我们已经选了边",结尾说这类软件关乎"民主政体的力量与存续"。卡普去年出的书《技术共和国》开篇就是"硅谷迷失了方向";今年反复讲的"AI 主权",是这个使命在 AI 时代的说法:模型可以换,数据和本体必须留在自己手里。
  • 中间一层是产品定位:操作系统。 这个词不是大模型火了以后才有的。2020 年的招股书里,Palantir 就把 Gotham 和 Foundry 称为客户的"中央操作系统",Foundry 是"数据的中央操作系统"。官方文档则把本体描述为"组织的数字孪生",强调"以决策为中心"。到今天,Sankar 在 Stratechery 的访谈里说,本体为企业的动作建模,于是企业变得"可编程":应用可以很快地搭、很便宜地扔,但企业的骨架不会散。
  • 最上面一层才是技术手段:本体。 统一语义、把数据结构化沉淀下来,都是本体要做的事,但在 Palantir 的叙事里,它们是手段,不是目的。目的是让决策和行动跑起来。Sankar 那句"企业的最小单位是工作流,而不是单个知识工作者",说的就是这个。
Palantir 的三层愿景:底层决定上层

所以,如果一定要在"统一语义"和"AI 操作系统"之间选一个,我的判断是:Palantir 想做的是一家企业(乃至一个国家)做决策、采取行动的操作系统,本体是这个操作系统的内核,大模型是后来接上的一个引擎。 "AI 操作系统"这个说法更多出自媒体和分析师,Palantir 自己更常用的词是"操作系统""决策""主权"。它的"操作系统"叙事比大模型早了好几年,大模型让这个旧叙事第一次有了足够大的市场。

也要看到另一面:这些都是 Palantir 对自己的描述。它今天的收入里,政府业务仍占很大比重;它最快的增长,也仍然要靠驻场工程师一家一家去啃。"操作系统"是愿景,"重交付"是现实,两者之间的张力,正是它的护城河,也是它最难规模化的地方。

再看行业在畅想什么:本体会改写公司的组织方式。 a16z 的 Ben Horowitz 这周刚发了一篇长文,说公司的本体大部分"活在人的脑子里";一旦变成共享的记录,很多原本靠中层传话的信息路由就可以交给 Agent。他把这叫作"第二次管理革命"。Databricks 的 Ghodsi 则说,下一代的记录系统要回答四个问题:什么是真的、是什么意思、什么是允许的、做完有没有用。微软 Fabric 的 CTO Amir Netz 补了一句:过去的数据只记录发生过的事,"缺的那一块是未来"。

读到"中层传话"那一段,我停下来想了很久。做产品经理的那十年,我很大一部分时间,其实就是在研发、硬件、市场、销售之间当"人肉本体":把一个部门的话,翻译成另一个部门听得懂的话。从这个角度看,Palantir 的 FDE 做的也是同一件事,只不过他们把翻译的结果写进了系统。

我的判断

还是写三个半年后可以回头对答案的判断:

1. 本体之争,最后比的不是工具,而是交付。 工具层面,几家很快会长得差不多;真正拉开差距的,是谁能把本体一个决策一个决策地在客户那里搭起来。这也是为什么 Palantir 的护城河短期内很难被老牌厂商撼动。

2. FDE 会成为 AI 公司的标配,但大多数会退化成售前和实施。 能像 Palantir 那样把业务现场的坑变成产品的,只会是少数。判断一家公司的 FDE 能力是否卓越,一样要看是否因为他们的产品让现场变得更好。

3. 本体的边界之争,会从商业走向政治。 SAP 的接口风波、NHS 的抵制只是开始。谁能把数据连起来,谁就要回答"该不该连"。"本体归我所有"会写进企业的采购合同,也会写进政府的监管条款。

十几年前,我在实验室里给情绪画本体;后来做了十年手机产品,天天在会上把大家各说各的”对齐”、“拉通”。那时候没觉得这两件事有关系。

现在回头看,它们是同一门手艺:把模糊的东西说清楚,让别人(现在还包括机器)能照着做。 Palantir 把这门手艺做成了一门大生意,也把它带进了企业。本体论热起来,说明这门老手艺又值钱了;它引发的争议,也说明这门手艺从来不只是技术问题。

锈了,还在路上。

参考资料

  1. Palantir 招股书与财报:2020 年 S-1(含创始人信),2025 Q3 至 2026 Q2 季度财报,以及 2026 年 10 月主权 AI 新闻稿
  2. Palantir 官方文档与博客:Ontology、Action types、Foundry 平台概览、AIP Bootcamp,以及《Connecting AI to Decisions with the Palantir Ontology》(2024)
  3. 早期历史与企业客户:Bloomberg Businessweek《Palantir Knows Everything About You》(2018),Bloomberg 上市报道(2020),Fortune 转引 BuzzFeed 的客户流失报道(2016),CNBC 瑞信合作报道(2016),空客 Skywise 发布报道(2017)
  4. 军方与战场:Washington Times、Defense News 关于陆军采购与诉讼的报道(2012–2019),TIME《How Tech Giants Turned Ukraine Into an AI War Lab》(2024),UNITED24 Media 对 Alex Karp 的专访(2026),Maven 相关报道(DefenseScoop 2025、Tom's Hardware 2026),The Register 关于英国 NHS 的报道(2026)
  5. FDE:a16z《Trading Margin for Moat》(2025),The Pragmatic Engineer《What are Forward Deployed Engineers》(2025),Lenny's Podcast 对 Nabeel Qureshi 的访谈(2025),以及 2026 年关于 FDE 模仿者的报道
  6. Palantir 高管访谈:Stratechery 对 CTO Shyam Sankar 的专访(2026),Invest Like the Best、ARK Invest 播客中的 Sankar 访谈,TechCrunch 关于 Alex Karp 新书的报道(2025)
  7. 其他厂商:Microsoft Fabric IQ、Databricks Genie Ontology、SAP Sapphire 2026、Oracle AI Data Platform、Snowflake OSI 规范的官方资料与报道,以及 Forrester、Techzine 对 SAP 的分析(2026)
  8. 行业评论:Latent Space《Ontologies Are So Back》,Constellation Research《Data ontology: A kinder, gentler form of lock-in》,CIO《The next enterprise architecture asset: Ontologies for AI》,a16z《Databricks & the Future of the Firm》(均为 2026)
  9. 学术研究:OG-RAG(EMNLP 2025),以及 2026 年 arXiv 上关于本体约束企业 Agent 的几篇预印本(Ontology-Constrained Neural Reasoning、OaK、CQ4OE、AgentOnto)
本文首发于微信公众号「锈客」,在微信阅读原文,那里可以留言、点赞和关注。