“如果想在短时间内做出一个类似Palantir Foundry的本体论体系，几乎不现实。但在特定垂直领域，这条路仍然值得尝试。”

近日，解读Palantir技术与方法论的新书《像Palantir一样拆解、连接并掌控》作者、律师 Jung Gwan-young 在分享其业务实践时，作出上述判断。

Jung Gwan-young 目前运营法律科技初创公司Lodata。在他看来，本体论（ontology）之所以重要，在于它并不只是概念分类工具，而是能够把现实世界中的对象、属性和关系系统化定义出来，进而成为Palantir大数据平台 Foundry 的关键底层能力之一。

他介绍，Lodata此前曾承接韩国知识产权保护院和韩国专利厅的一项商业秘密判例全量分析项目。基于这一项目，团队梳理了过去10年累计逾2000份判决文书，并在分析过程中发现，“秘密管理性”这一法律概念可以进一步拆解为技术管理、物理管理、政策管理等层级结构。

不过，真正把法律本体论做深做细，难度远高于预期。Jung Gwan-young 表示，问题在于法律概念天然抽象，边界并不容易量化。以“暴力”为例，拉扯衣领、挥拳、推搡都可能被纳入同一概念之下，但如何将其精确结构化，并不是简单分类就能解决的。“如果试图把整个法律体系都纳入本体论，工程量会非常庞大。”他说。

在他看来，现实的切入方式是先缩小场景范围。若将应用限定在商业秘密、合规等特定领域，法律本体论的构建难度会明显下降。沿着树状结构逐层拆解后，他得出的结论是：至少在商业秘密这一范围内，本体论是可以画出来、也可以落地到系统中的。

Jung Gwan-young 在书中还特别强调，本体论的最终价值不在“分析”，而在“行动”。他认为，大语言模型更像是“概率型鹦鹉”，虽然能生成流畅答案，但若把工厂是否启动、战场无人机是否打击目标等决策直接交给LLM，可靠性仍然不足。要让AI真正进入执行层面，前提是向系统输入准确、一致、可验证的事实基础，而这正是“单一真相源”的意义所在。

围绕“单一真相源”的构建，Palantir的路径是先建立对现实世界的数字孪生，让AI在其中完成仿真验证和假设情景推演，再推动执行。问题在于，数字孪生所接入的数据来源极其庞杂，传感器、音频、视频等信息几乎可以无限扩张，若缺乏清晰结构，系统很容易被海量噪声淹没。

Jung Gwan-young 认为，本体论的核心作用，正是帮助系统区分“信号”和“噪声”。只有先把现实世界中的对象、属性与相互关系连接成一张结构化“地图”，AI才可能更准确地搭建数字孪生，并在此基础上形成“单一真相源”。“没有这张地图，就没有数字孪生，也没有单一真相源，更谈不上行动。”他说。

书中还提到美国大型鸡肉分销商Tyson Foods的案例，以说明本体论与数字孪生如何进入实际经营环节。

据介绍，Tyson Foods一度因供应链波动导致产品新鲜度问题，损失持续累积。引入Palantir后，公司将全国范围内的生产、加工、运输和仓储设施转化为可计算的对象模型，并与订单属性建立关联。由此，AI可以在数字孪生环境中提前推演特定事件可能带来的连锁反应，并生成应对方案。最终，Tyson Foods在两年内节省了2亿美元成本，卡车装载率从46%提升至87%，仅物流优化一项就新增4000万美元利润。Jung Gwan-young 认为，这类案例说明，很多原本依赖经验与直觉的判断，最终都可以被量化并转化为可计算问题。

在他看来，Palantir既不是传统咨询公司，也不只是单纯的软件或AI企业。原因在于，传统咨询往往停留在报告交付层面，而Palantir通过技术体系和数字孪生，将PDCA（计划、执行、检查、改进）循环实时跑通，最终形成闭环。也正因如此，无论把它简单类比为McKinsey，还是SAP、Salesforce，都不够准确。

对于外界关注的“供应商锁定效应”，Jung Gwan-young 也给出了自己的判断。他认为，Palantir经过长期跨行业积累，已经沉淀了大量本体论经验，一旦被导入企业核心体系，后续替换成本往往很高。也正因此，他强调“必须要有K-Foundry”：虽然短期内不可能追平Palantir的全栈能力，但即便从垂直领域起步，也应持续积累用本体论为产业问题建立“地图”的经验，这也是他写作此书的重要原因之一。

按照规划，Lodata将把商业秘密管理系统作为首个落地方向，并基于本体论框架推进系统建设。Jung Gwan-young 表示，目前相关商业秘密管理系统主要由公共机构及约100家中小企业使用，未来希望进一步扩展至更广泛的中小企业和中坚企业。“可以先从商业秘密这张小地图开始画起。”他说。