Palantir 本体平台的四个发展阶段:每一代解决了什么,又留下什么

导读

把 Palantir 关于本体的四篇官方文献按时间排开,会看到一个容易被忽略的事实:“Ontology”这个词的外延,在两年里被悄悄扩大了三次。

2024 年 1 月,它是“把集成知识集中一次”的语义抽象层;2026 年 1 月,它变成 Agent 四类记忆的统一承载;2026 年 4 月,它加上动词,成为改变世界的能力;到了 2026 年 11 月的《Evals as the Substrate for Sovereign AI》,它已经变成“什么算一次好决策”的版本化记录。

官方从未重新定义过这个词。于是产生一个普遍误读:用 2024 年的理解,去评价 2026 年的平台。 结果是两边都不对——说它“就是数据建模”的人没看到动作与标准;说它“是操作系统”的人没看到它的判断权仍然悬空。

本文试图做一件更基础的事:把这四次迁移讲成一条有生成逻辑的序列,逐代说明它解决了什么问题、留下了什么内生缺陷、以及解法是什么。


一、先立判据:本体在依次吞并四种语气

如果只是把四代列成“越来越强”的阶梯,那不过是厂商叙事的复述。要让这套划分可用,必须回答一个更硬的问题:是什么力量在推动迁移?

我的答案是:不是功能需求,而是某一种语气(modality)无法被当前结构表达。本体依次在吞并四种语气:

代 吞并的语气 它回答的问题 它无法表达的东西
一、抽象层 陈述(descriptive) 世界里有什么、怎么连 时间:什么是“现在”
二、记忆基座 时间(temporal) 那时是什么、我何时知道 意图:为什么要这么做
三、动词层 施为(performative) 允许怎么改变世界 规范:这次改变对不对
四、标准载体 规范(normative) 什么算一次好决策 异议:谁有权说它不好

这张表给出一个可检验的推论:

每一代的“缺陷”,精确等于“下一代才有的那种语气”;而每一代的解法,正是下一代的缺陷来源。

所以这条线不是进步叙事,是螺旋。判据也随之而来:任何系统宣称进入第 N 代,却仍无法表达第 N 代对应的语气,它只是换了词汇。


二、第一代|抽象层:解决了“碎片化”,留下了“谁来定义”

它解决的问题

2024 年 1 月,Palantir 本体系统产品负责人 Peter Wilczynski 写下《Ontology-Oriented Software Development》。这篇文章的论证起点根本不是 AI,而是企业软件的结构性失败:

  • 行业把人力资本集中在“模块化组件”,而不是把组件整合成能影响业务结果的系统;
  • 于是出现悖论:组件层面进步巨大,系统层面停滞甚至退化——因为孤立优化的组件越来越难同步变更;
  • 更尖锐的一句是:现有架构“为风险投资家的回报优化,而不是为客户的结果优化”。

解法是把“如何与各系统交互、如何协调不同数据模型、如何编排动作”这套知识,从每个应用的胶水代码里抽出来,集中到共享层。原文的定位很清楚:“OSDK 不是给产品做通用 API,而是给你一套用你业务语言构建 API 的工具包。” 代码从 Airplanes / FlightSchedule / Airports 写起,而不是从 rows and columns 写起。

顺带给出一个对后来影响极大的观察:“AI 系统更像应用而不是用户——它们直接与 API 交互。” 这句话解释了为什么 AIP 能快速落在本体之上:本体恰好提供了那个统一的 API 表面。

它留下的缺陷(三条,均为内生)

其一,语义无裁决。 全文回避了一个政治问题:谁有权定义“订单”?当两个部门对同一实体有两套口径,本体没有裁决机制,只能让“谁的系统先建”或“谁的部门强”来决定。这不是没做完,是这一代的结构性盲区——它把 schema 当既定前提。

其二,抽象泄漏。 作者自己引了 Brooks 的《没有银弹》自警:系统集成充满本质复杂性,只能管理、无法消除。问题在于,被封装起来的复杂度不会消失,只会转为静默失败——源系统改了字段,本体属性仍可查,但值为空或陈旧,而且不报错。错误不在编译期暴露,在业务决策期暴露。

其三,本体熵增。 抽象层的价值来自复用,复用产生依赖,依赖抬高变更成本。于是那个“把边际成本压到趋零”的机制,最终抬高了“修改核心的成本”。本体越大,越不敢动。

解法

缺陷 机制
语义无裁决 语义权威(每个类型有具名负责人)+ 变更影响面预计算(在依赖边上算 blast radius)+ 版本戳
抽象泄漏 把 provenance / freshness 做成一等属性:每个对象与关系记录来源系统、时空上下文、置信度
本体熵增 分层(upper / core / domain / local)+ 只增不改:修正语义不复用旧 IRI,用新 IRI 取代旧语义

第三条在工程上尤其值得抄:不复用旧 IRI,意味着下游不会在不知情的情况下“语义被改变”。代价是三元组膨胀,以及查询时必须做版本过滤。

这一代的产物是“可复用的语义”,不是“可执行的判断”。 它解决了读,没碰写。


三、第二代|记忆基座:解决了“Agent 上生产不安全”,留下了“记忆与事实混同”

它解决的问题

2026 年 1 月 22 日的《Securing Agents in Production》(Agentic Runtime 系列首篇),把 Agent 从“聊天/链式调用”重新定义为一句工程定义:

一个反复调用无状态推理核心、解释其输出、执行工具与记忆操作、把结果回灌直至满足终止条件的有状态控制循环。

定义一换,安全问题的对象就从“模型”变成了“循环”。于是有了五维安全面:推理核心的安全接入、执行器的隔离编排、跨所有记忆形态的细粒度策略、多模态工具的受治理调用、实时可观测与事后审计。

真正有理论贡献的是记忆四分法,以及“四种记忆由同一套本体承载”这个设计:

记忆类型 内容 本体的承载方式
工作记忆 本轮循环内的 prompt 与变量 通过 Actions 更新,形成“会话账本”
情景记忆 跨会话、带时间标记 对向量化的本体属性做相似检索,按情境加载
语义记忆 类别化的知识与技能 从“知识节点”对象加载
程序性记忆 补足模型参数化知识的代码 存为本体对象中的代码,或由 Agent Studio 编排

这一步的意义在于:本体从“数据结构”升级成“Agent 的运行环境”。安全面由此从“每个应用各管各的”收敛为一个面——这是 prompt injection 能被系统性治理的前提。

它留下的缺陷

其一,记忆与事实混同。 为了统一治理而统一存储,把认识论上地位不同的东西塞进了同一种容器:草稿、提案、会话、事实共享一个对象空间与检索入口。后果是“临时结论”会污染“事实源”。

其二,相似度 ≠ 当时为真。 情景记忆按向量相似度加载,而相似度衡量的是语义接近,不是时间有效性。这正是 RAG 的经典事故——召回三年前的方案当成当前最优。这一代并没有解决它,只是加了权限。

其三,可观测 ≠ 可解释。 trace 记录了“调了哪个工具、传了什么参数”,没记录“为什么选它、为什么不选另一个”。

一处被修辞掩盖的裂缝

2026 年 4 月的文章说“本体让 Agent 超越 RAG 的数据中心局限”。但按 1 月的实现描述,情景记忆恰恰是“对向量化的本体属性做相似检索”。

所以准确的说法不是“超越 RAG”,而是——把 RAG 关进有类型、有权限、有治理的笼子里。 这个区别是实质性的:按“超越”去设计,你会砍掉检索层;按“关进笼子”去设计,你会保留检索,但给它加上类型约束、权限过滤与来源标记。后者才是可复制的做法。

解法

缺陷 机制
记忆与事实混同 记忆分型落到不同存储:工作记忆用带 TTL 的暂存(不进事实库)、情景记忆用 append-only 事件流、语义记忆才是本体对象、程序性记忆是代码资产
相似度 ≠ 当时为真 双时间(valid time / transaction time)+ 快照冻结:分析或模拟时锁定一份 as-of 快照
可观测 ≠ 可解释 决策轨迹必须记 rationale 与 rejected alternatives——“为什么没选 B”比“选了 A”信息量大

四、第三代|动词层:解决了“有知识没行动权”,留下了“语法正确 ≠ 规范正确”

它解决的问题

2026 年 4 月的《Connecting Agents to Decisions》给出了最有传播力的一对隐喻:

本体表示企业的决策,而不只是数据。数据元素是企业的名词,动作是企业的动词。

Agent 只懂名词做不了事。于是四个机制落地:Action Type(参数、提交条件、副作用、审计)、Function(任意复杂度的逻辑)、动态安全(按上下文实时计算权限,人/系统/Agent 共用一套)、Scenario(把拟议变更打包成本体的一小份沙盒子集,提交前探索后果)。

系统由此从 System of Record 变成 System of Action。这一代是四代里最容易被误认为“已经完成”的一代——因为它看得见、摸得着。

致命的缺陷

前置条件能校验“参数是否合法、是否越权、是否满足业务规则”,不能校验“这次做它是否正当”。 Action 是语法,不是判断。

这不是抽象批评。2026 年 2 月 28 日,美军对伊朗米纳布的空袭击中一所小学(与目标军营相邻),联合国事实调查团认定“有合理理由相信构成战争罪”。9 月 18 日彭博社引五角大楼调查:Palantir 的 Maven 系统把原本需要数小时的目标审查压缩到“几分钟”,同期中央司令部平民保护团队从 10 人减到 1 人,坐标来自过时的情报数据。

流程上有审批、有国际人道法政策、有日志——全部“合规”。但审查时间短于判断所需时间,人退化成橡皮图章。

流程走完 ≠ 判断发生。

其余三条缺陷

责任粒度错配:一次 Action 的事务边界是“一次提交”,责任的业务边界却跨部门、跨期。事后追责找不到“谁批的、依据什么”。

工具面爆炸(Agent 时代特有):按 Ontology MCP 的文档化投影规则,多个对象类型收敛成 1 个宽读 SQL 工具,而每个 Action Type 展开成一个独立窄写工具。一个有 12 个对象类型、30 个动作、6 个查询函数的应用,会得到 37 个工具对 1 个引擎。工具越多,Agent 越容易选错;而改名即破坏所有学过它的 Agent(第三方 2026 年的记录,数量为示例性测算)。

终审退化与无补偿事务:高吞吐下“默认 staged、人终审”会失效;而写回 ERP 之后事务保证即终止,回滚靠人。

解法

缺陷 机制
语法 ≠ 规范 动作契约五件套:参数 schema / 前置条件 / 副作用与回写目标 / 审计(who·role·rationale·approvalChain)/ 补偿程序。少一项只算接口,不算契约
语法 ≠ 规范 动作必须携带“依据”:提交时强制引用哪条规则、哪份评估、哪个对象状态。这是从语法通向规范的唯一接口
责任粒度错配 按后果分级:金额 × 不可逆性 × 影响面 → 自动 / 单人 / 双人 / 独立复核。不是“默认 staged”,而是“按后果分级”
工具面爆炸 意图-动作映射:对外只暴露少数高层意图(建议 ≤15 个),动作层留在平台内
无补偿 状态机 + 补偿事务:每个 Action 声明补偿动作,跨系统写回失败则逆序补偿

由此得到一条自查判据,非常好用:

看一个“动作层”是真契约还是“带权限的 API”,只查两件事:有没有 rationale 字段,有没有 rollback 声明。两者皆无,它只是接口。


五、第四代|标准载体:解决了“凭什么相信这次动手”,留下了“谁来裁定标准”

它解决的问题

2026 年 11 月的《Evals as the Substrate for Sovereign AI》,把问题从“能不能做”推到“凭什么相信”。它的起点是一句反模式诊断:Agentic demo 的通病是让模型干完整的活、再逼用户清理结果——给你几十个待筛方案,而你只需要一个能快速做出的可靠决策。价值的单位因此从 model 移到 decision。

四个机制:

  1. 决策轨迹:捕获世界状态、提案、人改了什么、结果如何;
  2. 三路分流:可复用决策 → 固化为 eval case / 训练案例;系统缺口 → 改本体、约束、工作流;一次性例外 → 只保留为上下文。原文一句很克制:“不是每个纠正都该变成规则。”
  3. 可接受性七条:满足硬约束、目标冲突时尊重运营偏好、对输入变化正确响应、用对数据与工具、最小化不必要扰动、提供可追溯解释、对真正新颖的案例升级处理;
  4. 摊销式审议(amortized deliberation):把反复发生的人判断折进代码(可审计、慢)或权重(快、不透明)。原文的比喻很精准:“直觉是被摊销的昂贵推理。”

最值得记住的是它对主权资产的排序:

排序 资产 为什么
1 Ontology “写进本体的约束能扛过换模型、供应商宕机与代际跃迁”
2 Evals “什么算好决策”的累积证据,是机构 alpha 的来源
3 Procedural Layer 规则、工具、策略、工作流,让已验证知识“便宜地执行”
4 Weights 后训练权重:不是第一杠杆,也最不可移植

它留下的缺陷(五条,前两条是结构性的)

其一,标准的自指循环。 问“这条经验已经验证了吗?”→ 指向 eval;问“eval 判据谁定的?”→ 指向人;问“人的判断可靠吗?”→ 回到起点。这一代把裁决权下推给“机构自己 + eval”,没有引入独立于决策者的验证者。

其二,过拟合。 eval 来自生产轨迹,训练集与测试集同源。系统会越来越擅长“见过的决策”,对新颖案例的失败被系统性低估。原文自己意识到这点(“用于开发变更的案例,不能作为其泛化性的唯一证明”),但没有给解法。

其三,Goodhart 效应。 eval 一变成门槛,团队优化的就是“过 eval”而不是“做好决策”。法律审查退化为打勾,正是这个机制。

其四,蒸馏即失检。 一边说权重最不可检视、最不可移植,一边提出 Fine-Tuning Ontology 把决策轨迹变成训练集。一旦标准进了权重,标准就分裂成两份:可检视的一份(Ontology/Evals)和真正在跑的一份(weights)。

其五,主权可读不可运行。 接口开放了(Ontology MCP 2026 年 6 月 GA)、定义可 diff 了(ontology-as-code 2026 年 8 月 beta),但运行时一步没动——定义仍要物化到某个平台实例才能执行。所以它主张的是“可读的主权”。

这一条的尖锐对照是:白皮书称支持原生 RDF/OWL 导入导出,而 Ontology Manager 文档只写 JSON 且提示 schema 可能变更;有开发者自建转换器后报告 22 种属性类型中有 7 种在任何公开标准里没有对应物(第三方记录,2026 年 9–10 月)。连“可读”都还有缺口。

解法

缺陷 机制
自指循环 角色分离:eval 判据的批准权 ≠ 决策的执行权;高后果场景引入外部复核
自指循环 标准可争议:每个 eval 附“什么情况下这条标准应被推翻”,并保留异议记录
过拟合 独立反例集 + 留出集:反例由未参与决策的人(红队)维护;每次标准变更必须在留出集上重测
Goodhart 双指标绑定:eval 通过率必须与至少一个真实业务结果同时上报;一升一不动即告警
蒸馏失检 双层权限:规定不可检视层不得单独决定高后果动作
可读不可运行 可迁移最小内核:承认运行时不可移植,但把语义、约束、标准做成可导出规范,保证离开平台后至少能重建判断依据

六、四代总表,与那条螺旋

代 核心能力(新增) 内生缺陷 主要解法 代价
一 抽象层 集成知识集中一次;用业务语言编程;边际成本趋零 语义无裁决;抽象泄漏;本体熵增 语义权威+影响面+版本戳;provenance 一等属性;分层+只增不改 治理成本前移到建模期
二 记忆基座 四类记忆统一治理 → 单一安全面 记忆与事实混同;相似度≠当时为真;可观测≠可解释 记忆分型存储;双时间+快照;唯一写入口+决策轨迹 存储与延迟上升
三 动词层 动作、函数、动态安全、沙盒;从记录到行动 语法正确≠规范正确;责任粒度错配;工具面爆炸;终审退化 契约五件套;动作带依据;后果分级;意图-动作映射;补偿事务 动作必须宁少勿多
四 标准载体 决策轨迹→eval→摊销;主权资产排序 标准的自指;过拟合;Goodhart;蒸馏失检;主权可读不可运行 角色分离;可争议标准;独立反例集;双指标;双层权限;可迁移内核 eval 维护成本;需定期复审

把四代的缺陷并排放,规律很清楚:第四代把“谁定义语义”这个问题,升级成了“谁裁定标准、标准可被谁反驳”。

所以第五代不是“更强的本体”,而是回到第一代的问题——但带着前三代积累的机制。

两个竞争假设:

候选 主张 弱点
可争议性(contestability) 本体不仅要表达规范,还要表达“对规范的异议”及其处置程序 异议的记录成本极高
因果/意向(causal) 本体缺意向性模型与因果推断,产不出战略判断 容易变成“再加一层模型”,稀释确定性优势

我的判断:可争议性是闸门,因果是内容。 没有可争议性,加多少因果模型都不会被信任——因为没人有权说它错了。这与米纳布的教训完全一致:事故不是缺因果模型,是缺一个有权在发射前说“这个分类有冲突证据,停下来”的角色与程序。


七、未来演进:三个可观察的信号

不写“趋势预测”,写三个可被观测、可被证伪的信号。

信号一:标准从“可执行”走向“可争议”

观察 Palantir 是否做三件事:① 发布 eval 标准的版本与变更日志(而不是只发布 eval 功能);② 允许外部角色审计或挑战判据;③ 在动作日志里保留“被否方案”与异议记录。

如果到 2027 年仍只有“通过率”而没有“异议处理”,第四代的标准仍是单向的。

信号二:运行时的开放压力会持续上升

定义已经可读、可 diff、可进仓库,但执行仍绑定平台。观察两件事:① 是否出现非原平台的参考运行时(哪怕只支持只读+前置校验);② 导出格式是否稳定(而不是“schema may change”)。

判断依据很朴素:把标准导出后,能否在别处跑出同样的动作与校验。 不能,就仍是“可读的主权”。

信号三:从单一本体走向多本体与联邦

企业内部的语义冲突可以用“语义权威”压住,跨组织、跨监管域的冲突压不住。观察:跨域语义桥接是否成为产品能力(带冲突状态、权威、衰减、可争议标记),而不是靠项目现场人工对齐。

一条反向风险:本体变成模型权重的缓存

摊销式审议的终点是“把已验证的知识折进权重”。如果折进去的标准无法再被检视,那么本体就退化成训练数据的采集器——表面上主权在 Ontology,实际上判断权在 weights。

这条风险不是理论推演。它已经写在第四代自己的资产排序里:Ontology 第一、Weights 第四,但只有前三个是可检视的。一旦蒸馏成为默认路径,排序就会倒过来。


八、给自建团队的六条判据

不必按四代逐级建,但可以用六条判据定位自己,并决定下一步该投在哪。

  1. 语义有权威吗? 同一业务概念是否只有一套定义,且有具名负责人能拍板?
  2. 属性带来源与新鲜度吗? 抽样十个对象,能否说出每个值来自哪个系统、何时产生?
  3. 能 as-of 查询吗? 三个月前的判断,能否用当时的数据复现?
  4. 动作有 rationale 与 rollback 吗? 两条都没有,那只是“带权限的 API”。
  5. eval 独立于决策者吗? 判据的批准权与决策的执行权是否分属不同角色?有没有留出集?
  6. 标准能导出重建吗? 离开平台后,判断依据还剩多少?

六条里前两条属第一代,第三、四条属第二三代,第五、六条属第四代。大多数团队卡在第 3 条——不是因为不会做,而是因为没做时间维度。


结语

本体既不是“知识图谱的升级版”,也不是“数据建模的高配版”。用四代的目光看,它做的事情一句话可以说完:

把判断从人的脑子里搬到可执行、可版本化、最终可争议的资产里。

四代之后,真正稀缺的东西已经不是对象类型了——那是第一代就解决的事。稀缺的是:谁有权说这次判断错了,以及说了之后系统会怎么变。

Palantir 已经把前四代做得很完整,第五代还没开始。而这恰好也是所有自建者的机会窗口:在“标准可争议”这件事上,大厂没有先发优势,因为它的护城河恰恰建立在“标准由我定义”之上。


参考资料

  1. Peter Wilczynski, Ontology-Oriented Software Development, Palantir Blog, 2024-01
  2. Securing Agents in Production(Agentic Runtime #1), Palantir Blog, 2026-01-22
  3. Connecting Agents to Decisions, Palantir Blog, 2026-04
  4. Evals as the Substrate for Sovereign AI — Amortized Deliberation: Compound by Owning the Standard, Palantir, 2026-11(官方 PDF 资产)
  5. Palantir Docs, Ontology building / The Ontology system / Ontology MCP Overview
  6. Bloomberg, 2026-09-18(米纳布空袭调查:目标审查时长与平民保护人员编制)
  7. 联合国事实调查团关于米纳布事件的结论(2026)

证据说明:第 1–4 篇的引句均可核对;Ontology MCP 的投影规则、37 个工具的数量、RDF/OWL 可移植性报告均来自第三方公开记录,本文已标注为“第三方”,不作为 Palantir 官方主张引用。米纳布事件的伤亡数字在不同来源间存在差异(120–156 名平民、123 名儿童等),本文只引用“超过 150 名平民死亡、含大量儿童”这一共识区间。

← 返回资讯列表

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?