最近有同学找我咨询，为什么需要Ontology 这一套，以及怎么衡量给企业的价值，自己能不能做之类的话题。

虽然国内的企业喜欢自己 DIY，不过这一套还是难度很高的，建议企业找靠谱的供应商。

下面是详细内容，一起探讨：

1、大模型时代落地范式为什么是 Agent

大模型经过这几年的发展，训基础模型逐渐演变成了少数公司可以玩的起的竞争；更多的公司是想着怎么把大模型的能力应用到业务里面来。

业界基本形成了共识，Agent 是应用落地范式。这种范式下面，大模型作为“通用推理内核”，驱动 Agent 自主决策、动态调用工具、与环境交互。

2、Agent 为什么 2B 落地效果差

前面落地的业务基本上是知识库，BI 查数，数字人等等。大部分Agent 在企业里面落地效果很差，主要原因是通用大模型是基于互联网知识训练而成，缺乏对业务的理解，能给的回答大部分是泛泛而谈，而且幻觉严重。

3、怎么解决Agent 不能在 2B 成熟落地的问题

大模型像刚毕业的大学生，智商是足够的。但是一个刚毕业大学生去一个企业里面，是不能从事企业的工作的。需要经过上岗培训，需要师傅带。逐步掌握企业的业务知识+积累工作经验，有了企业的业务知识，以及工作经验之后，才是一个合规的员工。

那怎么让大模型也可以快速掌握业务知识和掌握工作经验呢？

业界在这块有很多尝试，有不同的实现方法。

从业界最成功的实践来看，最成熟的，以及效果最好，有真实核心业务落地的就是Palantir 这一套 Ontology 建模。

具体什么是Ontology 建模，可以参考我前面写的一系列文字了解。

4、Ontology 给企业的价值是什么，怎么衡量？

这一套最核心的就是通过 语义化建模+大模型 Agent，帮助用户去解决决策，分析，查询等问题。

有了这一套，相当于企业有了一系列智能化决策大脑，大大提升用户数字化决策，降低人力成本，提升经营生成效率。

对一个企业来讲，Ontology 能落地多价值，取决于企业可以通过数字化决策带来的效益有多少。一个简单的思考思路是：

1）梳理下自己企业的业务。

2）找出业务，以及业务流程中可以被数字化的占比。

3）预估当前没有被数字化带来的损失包括直接效益 A1 和 潜在机会成本 B1。

4）预估如果数字化之后，可以带来的直接经济提升 A2，以及潜在战略机会空间 B2。

5）那数字化带来的直接效益应该是 A1 + A2 ，长远效益是 B1+B2。

通常来说越大的企业，规模效益越明显；越成熟的商业模式，提升会更容易。

5、为什么一定需要Palantir 这一套

这是当前业界最成熟，效果最好，有真实核心场景落地的可信任方案。

6、企业能不能自己手工搭建去实现这一套？

Palantir 是平台+服务。

首先从平台来说，整体是一个非常复杂的底层平台+多种应用组合；这一套是需要比较大的积累和投入，一般的企业不具备构建这一套的技术和产品能力。

另外一方面，Palantir 核心提供了建模的 knowhow，帮助企业真实落地效果，这个门槛也很高，企业虽然懂业务，但是怎么把业务做成数字孪生，实现效果，绝大部分企业是不具备能力的。

7、Ontology落地的典型场景？

Palantir 的核心价值主张是为全球最重要、最复杂的机构，在其最关键的业务上，提供一个决策制定和业务执行的“操作系统”。

面向 2B 领域，Palantir 提供 Foundry+AIP，典型的场景有：

1）制造业与工业 (Manufacturing & Industrials)

2） 供应链与物流 (Supply Chain & Logistics)

3）能源与公用事业 (Energy & Utilities)

4）医疗保健与生命科学 (Healthcare & Life Sciences)

5）金融服务 (Financial Services)