Palantir与本体论 · 番外三：AI能替FDE配眼镜吗？

最近看到报道，有公司宣称自己实现了"动态本体自进化"，并且用"AI-FDE模式"取代了传统的驻场工程师，只需少量工程师快速微调就能落地。言下之意：Palantir那套靠人堆的模式已经过时了，AI可以自动完成范畴构建。

这个说法值得认真拆一拆。不是说方向不对，而是"动态"这个词覆盖的范围太大了，容易把不同难度的事情混在一起，制造一种"已经解决了"的错觉。

"动态本体"需要小心它具体指的什么

动态本体（Dynamic Ontology）在学术界确实存在，不是哪家公司发明的营销术语。学术文献中更常用的术语是"本体演化"（Ontology Evolution），克里特大学的Flouris等人在2008年将其定义为"回应领域或其概念化的变化"的过程（Flouris et al., The Knowledge Engineering Review, 2008）。早期的ontology确实是静态的——专家定义好实体、属性、关系，系统按定义运行，现实变了就得人工去改。"动态本体"指的是ontology能根据新数据、新事件自动或半自动地更新自身定义。这是从2000年代中期就开始系统化研究的方向，不是什么新东西。

但这个概念具有很强的广谱性——从最简单的数据更新到最难的范畴发现，都可以被装进"动态"这两个字里。不搞清楚它具体指的是哪一层，就容易被误导。

三个层次的"动态"，难度差几个量级

实例层的动态： ontology的框架不变，具体实例持续更新。"供应商"这个类型不变，但新供应商不断被加入。这其实是任何数据库都在做的事。

规则层的动态：业务规则可以配置化修改，不用改代码。安全库存水位从30天调到45天，审批链从三级变四级。这是规则引擎的能力，也不算新东西。

范畴层的动态：系统能识别出一个全新的实体类型，而这个类型在原来的ontology里根本不存在。第四篇讲的"战争爆发后发现需要跟踪制裁实体"——"制裁实体"这个概念在和平时期的ontology里压根没有，需要从无到有地创建。

这三层的难度差了几个数量级。大部分宣称在做"动态本体"的产品，实际做到的是前两层。真正的第三层——范畴发现——是最难的，也是最有价值的。

那个伪装军舰的例子，到底是哪一层？

有一个常被引用的场景：卫星发现一艘外观是商船但装备了武器的船只，系统自动创建"疑似伪装军舰"这个新分类。

这个例子听上去很接近范畴层的动态——系统发现了一个新的实体类型。但仔细想想，它能做出这个判断的前提是：系统已经知道"商船"是什么、"武器"是什么、以及"商船不应该有武器"这条规则。它做的事情是基于已有知识检测到异常，然后给异常打了一个新标签。

这跟真正的范畴发现不是一回事。真正的范畴发现是：你连"应该注意什么"都不知道。第五篇讲的那个场景——供应链平时只需要跟踪供应商、物料、订单，突然战争爆发，你才意识到"冲突区域""制裁名单"是必须纳入的新实体类型。这些新范畴不是从已有知识的组合中推导出来的，而是来自前提假设的根本性崩塌。在那个时刻，决定"我们现在需要关注什么新东西"的不是算法，是人的判断。

所以这个例子展示的能力——基于已有规则的异常检测和分类扩展——已经有实际价值了，但它处在"动态"光谱的中间位置，不是最难的那一端。

AI能替FDE配眼镜吗？

第六篇讲过，FDE的核心价值是把业务专家说不出来的内隐知识翻译成范畴定义。调度员知道哪些指标重要但说不清楚，FDE在现场看他干一天活才能捕捉到。这种翻译工作需要同时理解业务语境和技术实现，而且很多关键判断是在模糊、矛盾、信息不完整的条件下做出的。

AI目前能辅助这个过程吗？在一些方面可以。比如从历史数据中自动发现实体之间的关联模式，或者从业务文档中提取实体和规则的候选定义，减少FDE的重复劳动。这些都是有价值的效率提升。

但"辅助FDE"和"替代FDE"是两件完全不同的事。

在封闭场景里——实体类型明确、业务规则稳定、数据结构清晰——AI确实可以大幅减少对驻场专家的依赖。设备故障预警、地质构造分析这类领域，物理规律不会突然改变，实体之间的关系相对固定。在这些场景里宣称"少量工程师快速微调即可落地"，是可信的。

但在开放场景里——对手在持续对抗、前提假设随时可能崩塌、需要从混沌中识别全新的认知维度——AI目前还做不到替代人的范畴判断。Palantir服务的反恐情报和战场态势感知就属于这类场景。Palantir自己花了二十年都没能完全解决FDE规模化的问题，说明这件事的难度不是技术代际差异能抹平的。

值得注意的是，Palantir自己也在用AI来降低ontology构建的门槛——但它的做法很克制。2025年11月，Palantir发布了一个beta功能，名字就叫"AI FDE"。它允许用户用自然语言跟Foundry平台交互，完成数据转换、创建和修改对象类型、编写函数等操作。但关键细节是：所有AI生成的ontology修改都支持分支（Branching）和人工审核，不是自动生效的。AI提出建议，人来决定是否采纳。

这跟外面宣称的"AI自动构建本体、替代驻场专家"是两个思路。Palantir的"AI FDE"是给人类FDE配了一个AI助手，让他干活更快；不是用AI替代了FDE这个角色。

区分场景，不要混为一谈

所以对"动态本体"和"AI-FDE"的正确理解应该是：

在封闭、规则明确的场景中，AI辅助ontology的自动更新和减少驻场工程师的投入，是可行的、有价值的方向。这不是吹牛，是真实的工程进步。

但把这种能力包装成"超越Palantir"或"本体论的代际升级"，就把封闭场景中的局部进步说成了通用能力的全面突破。两者之间的距离，就像在实验室里让无人车跑通一条固定路线，和让它在深夜暴雨中的陌生乡村自主导航之间的距离。

回到这个系列一直在用的比喻：AI可以帮配镜师做一些标准化的检测——测瞳距、测散光度数。但最终决定"这个人需要什么样的眼镜"——他的生活场景是什么、主要看什么、在什么光线条件下用——这个判断，目前还是得人来做。

AI在让这个过程变得更高效，但还没到替代的程度。承认这一点，不是保守，是诚实。

---

参考资料：

1. Flouris, G., Manakanatas, D., Kondylakis, H., Plexousakis, D., Antoniou, G., "Ontology change: classification and survey", The Knowledge Engineering Review, Cambridge University Press, 2008

2. Palantir, "November 2025 Announcements: AI FDE", palantir.com/docs/foundry/announcements/2025-11