上一篇聊到工业AI落地卡在一个结构性矛盾上——AI供应商不对业务结果兜底，工厂缺乏AI工程能力，系统集成商的项目制逻辑跟这件事的探索性本质冲突。三方各有各的合理...

工厂定义业务规则和安全边界，AI供应商提供算法引擎和基础设施，系统集成商在两者之间做"翻译"——把工艺know-how转化为系统里的门控规则，把AI的输出转化为...

最近看到一条评价Palantir的评论，大意是：在没有大模型的时候，Palantir的规则推理系统根本无法大规模使用。有了大模型之后，系统才真正可用。也就是说2...

番外五从定义层面讲了学术Ontology和Palantir Ontology的区别——一个是知识表示工具，一个是可执行的业务操作系统。但"为什么"会有这个区别？...

最近看过几份工业AI应用方案——设备智能运维、产线预测性维护、工艺参数自动寻优，覆盖的场景不同，但技术架构都做得相当扎实。边缘计算、实时流处理、知识图谱、大模型...

这些门控的本质，是系统在向用户让渡控制权。系统不扮演代替人类决策的"黑箱"，而是扮演"智能哨兵"——它负责在每个关键节点检查前置条件是否满足，但最终的决策权始终...

合规的，系统自动通过，不需要主管签字。有疑问的，才推给人判断，并附上AI的分析依据。

在讨论建模方法之前，需要先说清楚一个前提：学术界说的"本体"和Palantir说的"本体"，严格来讲不是同一个东西。

中间那二三十个需要下料、机加工、焊接的零部件，在系统里全部是"虚拟件"。所谓虚拟件，就是系统自动忽略的层级，MRP展开的时候直接跳过，不生成工单、不做报工、不走...

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：Palanti...

前三篇聊了企业AI投资回报算不过来的几层原因：省时间不等于省钱、钱花错了方向、效率被流程吃掉、产品本身就是半成品。这些问题叠在一起，构成了95%的AI项目ROI...

预测性维护就是一个典型。PPT上的故事特别好讲："AI实时监测设备状态，提前预判故障，减少非计划停机，降低维修成本。"听起来完美。但真正跟上了这套系统的人聊，才...

先搞清楚一个前提：在同一套ERP系统内部，"客户""物料""订单"的定义本来就是统一的。SAP里的物料主数据不会在采购模块叫一个名字、在生产模块叫另一个名字。这...

准则三：语义定义能否直接驱动系统行为？三个检验问题：语义定义是否连接了实际数据源且持续流动？系统能否基于Ontology触发业务动作？动作结果能否写回源系统？三...

方向不同：单行道vs双车道。ETL是单向的——从源系统抽取数据、清洗、加载到数据仓库。数据搬完就躺在目标系统里等着被查询。动力层是双向的——数据不仅从源系统流入...

但这些判断都隐含了一个前提——有人能做出这些判断。谁来判断"什么实体是重要的"？谁来从业务决策者的直觉里提取出可建模的范畴？谁来把"这批货能不能按时到"翻译成系...

这在行业里太常见了。一个供应链数字化项目花半年建出一个"全量数据模型"，实体类型超过两百个。但一线调度员打开系统的时候说了一句话："我还是看不到我最想知道的东西...

Palantir的ontology嵌入了可执行的业务逻辑。语义定义直接驱动系统行为：触发审批、更新状态、调度资源、执行权限控制。它建模的不是"数据"，而是"决策...

但这家企业系统里，工序加工时间根本没有被完整维护。系统拿不到这个数据，只能用默认值填充，跑出来的结果有时候就是「昨天到货」。