图2:从企业数据到可执行AI的路径 AI主权的终点,也许不是私有部署04 私有部署可以减少一部分数据和基础设施风险,却不必然带来业务自主。如果企业的核心流程只能在某一家平台上运行,如果业务规则没有被显性表达,如果提示词、评价标准和运行日志无法迁出,那么即使服务器放在自己的机房里,企业仍可能没有真正掌握这套能力。反过来,一家企业即使使用外部模型,只要关键业务对象、关系、规则、评价集和工作流由自己维护,并且保留替换接口,它仍然可能拥有更强的控制力。所以,我们或许不必把“自建”和“采购”看成两个互斥答案。更值得讨论的问题是:哪些通用能力可以购买,哪些业务定义必须由企业自己掌握,哪些知识和流程应当以可迁移的方式沉淀下来。 先从一个业务问题开始05 建设企业本体听起来宏大,但它未必需要从一场覆盖全公司的建模工程开始。也许可以先选一个真实问题:战略客户识别、项目风险预警、招聘匹配、经营计划跟踪,或者行业情报分析。围绕这个问题,梳理关键对象、关系、规则、行动和评价标准,再让AI进入流程。当这些定义能够被业务人员理解、被系统调用、被管理机制持续修正时,企业才开始拥有一种不会随着模型版本更换而消失的能力。Palantir的增长是否足以证明“AI主权”已经成为企业采购的普遍理由,还需要更多市场数据验证。但它至少提出了一个值得共同思考的问题:当模型越来越容易获得,我们是否正在把最难替代的部分——对自身业务的理解和定义——也一起交给外部供应商? 参考来源[1] Palantir Technologies Inc., “Palantir Reports Q2 2026 U.S. Comm Revenue Growth of 149% Y/Y and Revenue Growth of 93% Y/Y,” Business Wire, 2026-08-02. 财务数据为公司正式披露;“AI主权”属于公司及相关市场叙事,本文不将其视为全行业统一结论。[2] Palantir, “Ontology Building—Overview”及“Core Concepts,” Palantir Foundry Documentation. 官方文档将Ontology定义为连接企业数字资产与现实业务对象的操作层,并以对象、属性、关系、行动和函数支撑决策与工作流。[3] C. Maria Keet, An Introduction to Ontology Engineering;Robert Arp, Barry Smith, Andrew D. Spear, Building Ontologies with Basic Formal Ontology。本文关于业务对象、关系与领域建模的解释同时参考了上述本体工程资料。