别跟风了，Ontology其实是20年前的老古董

继Ontology的概念被Palantir带火之后，用友也上新了ontology-driven agent，让大家以为Ontology是个非常AI驱动的前沿科技，然而 ... 回溯历史我们会发现一个完全不一样的故事线。

Ontology 是2002年被提出、2004年被标准化的互联网时代古董，2005年美国中央情报局 CIA 需要情报系统的大数据分析找到Palantir，所以刚标准化的 Ontology 作为当时的前沿科技被 Palantir 用在了的其底层数据核心 ...

一、Ontology：上一次互联网泡沫时代的产物

二十多年前，互联网发展正盛，大量结构化数据被产生，但这些数据几乎全部被系统私有化地使用。每个系统都能解释自己的数据，却无法让其他系统真正理解它们。即便两个系统都使用“customer”这个词，机器也无法判断它们指的是不是同一类对象，还是只是名称巧合。这种问题在跨机构数据共享、科研协作和政府信息系统中被不断放大。系统需要一种方式，判断概念定义是否冲突，数据使用是否违反了原本的语义假设：语义不仅要被描述，还要能够被机器验证。

在此背景下，2002年 World Wide Web Consortium(W3C) 在语义网络（semantic web）领域下推出了 Web Ontology Language (OWL)。其设计目标非常清晰，它试图用一套形式化、可计算的语言，把“什么是一个概念”定义清楚，并且保证这些定义在逻辑上是自洽的。class、entity、properties等元素构成了 OWL 的核心表达能力，而描述逻辑则为其提供了严谨的理论基础。

图形用户界面, 文本, 应用程序AI 生成的内容可能不正确。

二、 Ontology 不玄乎，人人都能建

即使把时间拨回到20年前，Ontology也是大家都可以建立的。以Stanford 推出的本体建模工具Protégé为例，它是当时最火，且至今仍然免费可用的Ontology在线编辑器 https://protege.stanford.edu/。

在 Protégé 里，构建 Ontology 的过程高度结构化。建模者需要先梳理领域概念，再把这些概念抽象为类，明确它们之间的继承关系和属性约束。随后，建模者会运行推理器，对整个模型做一致性检查，确保不存在自相矛盾或不可满足的定义。

图形用户界面, 文本AI 生成的内容可能不正确。

在工具中，只需要手动一个个创建instance，再将instances通过properties连接，再通过class组合，就能建立一个完整的Ontology。

图形用户界面, 应用程序AI 生成的内容可能不正确。

文本AI 生成的内容可能不正确。

整个过程更像是在完成一项“语义工程”，而不是在搭建一个系统。建模完成之后，Ontology 本身往往以文件或模型的形式存在，很少直接参与到业务系统的运行过程中。它的价值更多体现在定义是否严谨，而不是使用是否频繁。

三、OWL Ontology 过去真正落地的场景

从实际应用来看，OWL Ontology 并没有在企业业务系统中大规模铺开，但它在一些特定领域取得了长期且稳定的应用效果。生物医药、医疗术语、科研数据管理和图书情报系统，是最典型的例子。

2005年第一大客户CIA正是需要情报系统的大数据分析而找到的Palantir，所以 Palantir选用了当时最新的技术标准 Ontology 作为产品的底层数据核心也算是理所应当。

图示AI 生成的内容可能不正确。

这些领域有一个显著的共同点：概念本身相对稳定，变化周期长，而且参与方对概念一致性的要求极高。在这样的场景下，Ontology 的作用不是驱动流程，而是作为一种共识载体，确保不同系统、不同机构在讨论同一个对象时，至少在语义层面不会出现偏差。

也正因为如此，OWL Ontology 很少被用来描述企业日常运营中的对象和关系。企业关心的是订单状态如何变化、流程如何推进、系统之间如何联动，而这些问题并不在 OWL 的设计关注范围之内。

四、Ontology一直在，只是角色变了

早期 OWL 语境下的Ontology是一套静态的概念模型，它的核心职责在于定义对象的类型与语义边界，并通过逻辑约束保证这些定义在形式上是自洽的。其存在于系统设计阶段，很少随着真实业务数据的变化而动态调整，因此也很难进入企业运行体系的核心位置。它在对概念准确性要求极高的领域发挥了长期价值，但并不以支撑业务运行本身为目标。

Palantir 所使用的Ontology 则被设计为一个持续存在于系统中的业务对象模型。它同样围绕对象、关系和语义展开，但这些语义不再停留在抽象定义层面，而是与真实数据和业务实例紧密绑定，并随着业务过程不断演进。需要强调的是，将这两个 Ontology 放在一起直接对比，很容易产生误解，因为它们使用了同一个词，在概念定义方式上也高度相似，但试图解决的问题以及所依赖的技术条件已经发生了根本变化。

从这个角度看，今天重新被频繁讨论的 Ontology，并不只是对 OWL 的重复，而是在大模型、数据湖和实时数据体系成熟之后，对 Ontology 在企业系统中角色的一次重新定位。当 Ontology 从一份静态的语义描述，演变为一个与企业长期共存、持续更新的模型，它自然会呈现出与二十年前完全不同的形态。

反过来说，如果企业内只是跟风推动建立Ontology模型，却没有跟上配套的技术能力和体系，那只是搬出了个20年前的老古董装装样子罢了。