Ontology on E7Coding

案例篇：制造、医疗、能源、国防分别怎么落地

Joy — Mon, 20 Jul 2026 14:00:00 +0800

看 Palantir 案例，最容易犯的错误是把文章写成客户名单。

某个政府部门用了，某个医院用了，某个制造企业用了，某个能源公司用了。这些信息有参考价值，但对理解 Palantir 的产品能力帮助有限。

真正应该看的，是这些行业背后的共性结构。

Palantir 常出现的场景并不是因为它适合所有行业，而是因为这些行业都有同一种复杂性：

多源数据、复杂对象、严格权限、真实世界动作、跨部门协同和持续反馈。

通用落地结构

不管是制造、医疗、能源还是国防，Palantir 的落地通常可以抽象成六步：

接入分散系统和数据源。
清理、治理和追踪数据血缘。
用 Ontology 建模业务对象和关系。
把规则、模型、函数和优化逻辑接入对象世界。
构建面向一线任务的应用和工作流。
在权限和审计约束下执行动作，并把结果反馈回来。

这套结构比“做一个大屏”更重，也更接近运营系统。

制造：从排产看板到运营调整

制造业的典型问题是系统割裂。

ERP 管订单，MES 管工单，WMS 管库存，质量系统管缺陷，设备系统管产线状态，供应商系统管交付。

AIP 篇：企业 Agent 为什么不能只是聊天机器人

Joy — Mon, 20 Jul 2026 12:00:00 +0800

很多企业做 AI Agent，第一反应是先做一个聊天机器人。

它能回答制度问题，能总结文档，能生成邮件，能帮人写 SQL。这个阶段有价值，但它还没有真正进入企业运营。

原因很简单：聊天机器人主要处理文本，企业运营处理的是对象、关系、权限、动作和责任。

Palantir AIP 的关键不在于“把大模型接进企业”，而在于把大模型放进 Foundry 和 Ontology 构成的业务世界里，让 Agent 在受控边界内理解、推演和执行。

普通企业 Chatbot 的边界

一个普通企业 Chatbot 通常能做三件事：

查知识库。
总结文档。
给出建议。

这已经能提高知识工作效率，但它有明显边界。

Ontology 篇：为什么 Ontology 是 Palantir 的核心

Joy — Mon, 20 Jul 2026 11:00:00 +0800

如果说 Foundry 是 Palantir 的数据运营底座，那么 Ontology 就是这套底座上的核心业务模型。

很多人第一次看到 Ontology，会把它理解成“本体”“知识图谱”“语义层”或“业务对象模型”。这些理解都有一部分对，但都不完整。

从工程视角看，Palantir 的 Ontology 更接近这样一层东西：

它把企业里的对象、关系、逻辑、动作和权限放进同一个可执行模型里，让人、应用和 AI Agent 可以围绕同一个业务世界协作。

这句话是理解 Palantir 的关键。

为什么企业需要 Ontology

企业系统最大的问题，不是没有数据。

恰恰相反，大型组织通常有太多数据：

ERP 里有订单、库存、采购。
CRM 里有客户、合同、销售机会。
MES 里有工单、产线、设备状态。
WMS 里有仓库、库位、出入库。
财务系统里有成本、回款、预算。
文档和邮件里有大量非结构化业务判断。

每个系统都对一部分现实负责，但没有一个系统等于企业现实本身。

Foundry 篇：为什么 Palantir 把数据平台做成运营系统

Joy — Mon, 20 Jul 2026 10:00:00 +0800

上一篇讲 Palantir 的基本地图时，我把它概括成一句话：

Palantir 的核心，是把企业数据变成可操作的业务世界，再把 AI 放进这个世界里做受控行动。

这篇单独讲 Foundry。

如果只把 Foundry 理解成“数据平台”，会低估它。更准确的说法是：Foundry 是 Palantir 用来把企业数据变成运营系统的基础层。

它不只是负责把数据接进来，也不只是负责存储、清洗、建模和展示。它真正要打通的是这条链路：

这条链路一旦打通，数据就不再只是看板里的指标，而会变成业务流程里的对象、判断、动作和反馈。

为什么普通数据平台会卡在“看见”

大多数企业做数据平台，第一阶段通常都很合理：

把各个系统的数据接进来。
建数据仓库或湖仓。
做指标口径。
做报表和看板。
给管理层、业务团队、分析师使用。

这套路径能解决一个重要问题：让企业看见自己发生了什么。

Palantir 入门：它到底是一家什么样的软件公司

Joy — Mon, 20 Jul 2026 09:00:00 +0800

如果只用一句话介绍 Palantir，我会这样说：

Palantir 是一家帮大型组织把数据、业务逻辑、AI 和真实行动连接起来的软件公司。

这个定义听起来没有“AI 军工公司”“大数据公司”“美国版神秘软件公司”那么抓眼球，但更接近它真正想解决的问题。

很多人第一次听到 Palantir，往往是从几个标签开始：

军方和情报机构客户。
政府合同。
供应链、制造、医疗、能源等大型企业案例。
AIP 和 AI Agent。
股票市场里的高估值争议。

这些标签都不算错，但如果从标签开始，很容易把 Palantir 理解窄了。它的核心不是某一个行业，也不是某一个模型，而是一套面向复杂组织的操作系统式软件架构。

先从一个普通企业问题说起

想象一家大型制造企业。

它有 ERP、MES、WMS、CRM、供应商系统、财务系统、质量系统、设备传感器、Excel 表格、邮件和文档。每个系统都有一部分真实世界，但没有一个系统能完整回答这些问题：