Palantir 本体

Palantir 的软件在全球许多最关键的商业和政府场景中，为实时的人机协同决策提供动力。从灾难响应到核能生产，客户依赖 Palantir AIP 在其企业中安全、可靠且有效地利用人工智能，并推动运营转型。

尽管实现和扩大运营影响力涉及诸多因素，包括 AIP AgentCamps（客户在此亲手操作，在数小时内利用 AI 取得成果），但关键的区别在于一个围绕 Palantir 本体构建的软件架构。

本体是一个旨在表示企业决策而不仅仅是数据的系统。世界上每个组织的首要目标都是在内部和外部条件不断变化的情况下，通常以实时的方式，执行最佳决策。传统的数据架构无法捕捉决策背后的推理过程或由此产生的行动，因此限制了学习和人工智能的整合。传统的分析架构没有将计算置于现实情境中，因此仍与运营脱节。为了在当今世界中航行并取胜，现代企业需要一个以决策为中心的软件架构。

要理解本体的价值，首先考虑任何运营决策的四个组成部分：

• 数据：用于制定决策的信息
• 逻辑：评估决策的启发式方法和计算过程
• 行动：对所选决策的编排与执行
• 安全：确保决策符合运营策略的保障措施

图：从根本上说，每个决策都由数据（用于制定决策的信息）、逻辑（评估决策的过程）和行动（决策的执行）组成——所有这些都必须受到安全性的管控，以确保决策被安全、一致地做出。

本体将这四种决策组成要素整合到一个可扩展、动态、协作的基础中，这个基础实时地反映了组织不断变化的状况和抱负。

数据

当今的组织被前所未有的数据量所淹没。数据源的体量、多样性和速度不仅在与日俱增，而且还在加速增长。尽管关于清理和统一数据的优点已有诸多论述，但在人工智能时代，核心问题是相关性。相关数据当然包括全部范围的企业数据源——结构化数据、流数据和边缘数据源、非结构化存储库、图像数据等——但它也包括最终用户和智能体在决策过程中产生的数据。这种“决策数据”包含特定决策的背景、所评估的不同选项以及所做选择的下游影响。生成式人工智能提供了一项突破性的能力，能够从全面的决策数据中综合学习成果，并不断丰富由人类和智能体驱动的工作流。自然，将全面的企业数据与动态的决策数据环境整合起来，需要一个与为报告和分析而优化的传统数据库管理解决方案截然不同的架构。

本体将所有形式的数据整合成一个全面、高保真的企业语义表征。广泛的运营数据源（ERP、MES、WMS 等）可以与来自物联网和边缘系统的数据流、非结构化数据存储库的相关部分、地理空间数据存储等同步并情境化。本体统一并激活这些分散的数据池，并用企业的业务语言将其呈现出来。企业全景不再是被扁平化为狭窄模式的金表，而是以实时演化的对象、属性和链接的形式生动呈现，并且这些元素被设计为直接嵌入到决策工作流中。至关重要的是，本体旨在安全地捕获运营用户在日常工作中（例如，在供应链、医院系统、客户服务中心内）产生的决策数据。这包括在边缘做出的决策，通过轻量级的嵌入式本体进行捕获。特定决策是何时做出的、基于哪个版本的企业数据、通过哪个应用程序进行的端到端“决策谱系”会被自动捕获，并可被人为开发者和智能体安全地访问。这为大规模驱动人工智能驱动学习并持续优化所有形式的智能体记忆（工作记忆、情景记忆、语义记忆、程序记忆等）提供了所需的基础。

图：本体将所有形式的数据整合成一个全面、高保真的语义表征，捕捉企业不断演变的现实，并作为人机协同工作流的基础。

逻辑

虽然数据是基础，但它只是决策过程的一个维度；它必须辅以决定何时以及如何做出特定决策的推理或逻辑。支撑决策的逻辑，可以是一个核心业务系统内的一条简单业务逻辑、一个使用云端数据科学工作台维护的预测模型、一个使用多个数据源生成运营计划的优化模型——可能性多种多样。在现实场景中，人类推理通常是协调在特定工作流的不同节点使用哪些逻辑资产，以及如何在更复杂的过程中将它们潜在链接在一起的关键。随着智能体编排的出现，现在至关重要的是，人工智能驱动的推理能够以人类历来使用的方式利用所有这些逻辑资产。确定性函数、算法和传统的统计过程必须作为运营工具呈现，以补充大语言模型和多模态模型的非确定性推理。此外，随着人类和智能体执行工作流，积累的团队隐性知识可以被纳入不同的逻辑片段中，并可以推动一个持续的过程，生成在整个工作流中被利用的新功能封装。

本体使得全套逻辑资产（决定如何做出决策的计算和过程）能够为人类和智能体进行连接和情境化。这包括通常在 CRM 和 ERP 中发现的与客户互动相关的业务逻辑；分布在数据科学环境中、驱动传统机器学习的建模逻辑；以及通常与领域特定工具交织的规划、优化和模拟算法。本体的灵活“逻辑绑定”范式提供了一个一致的接口，用于构建无缝整合和组合异构逻辑资产的工作流——这些逻辑资产可能存在于完全不同的环境中（例如，本地数据中心、企业云环境、SaaS 环境、Palantir 平台）。最终，这意味着智能体驱动的推理可以平稳地引入到利用多样化逻辑集、传统上完全由人类用户指导的决策场景中。

图：本体使用户能够构建融合团队隐性知识并结合异构逻辑资产的工作流。最终，这意味着智能体可以被安全地引入日益复杂的决策场景。

行动

随着信息（数据）和推理（逻辑）被整合到一个共享的表示中，下一步要建模的是决策本身的执行和编排（行动）。在实时决策时闭环执行行动，是将运营系统与分析系统区分开来的关键。自 Palantir 成立以来，决策的执行就与数据的综合或分析的整合同等重要。这需要设计和实现广泛的功能集，包括：如何安全地捕获可能同时发生且存在潜在冲突的决策；一种协作模型，将可以探索可能决策的人员、可以将决策暂存以供审查的人员以及可以批准这些决策的人员区分开来；以及一个广泛的框架，用于将决策同步到现有数据库、边缘平台和坚固设备。

本体在一个统一的、以决策为中心的企业模型中对行动进行原生建模。如果本体中的数据元素是企业的“名词”（语义化的现实世界对象和链接），那么行动可以被视为“动词”（动态的现实世界执行）。在每一个本体驱动的工作流中，名词和动词通过人类和/或人工智能驱动的推理（融合了各种逻辑片段）结合成完整的句子。虽然将数据统一在语义模型本身就很有价值，并且将全面评估可能决策所需的逻辑缝合在一起也至关重要，但除非被执行的决策与运营系统同步，并且完整的决策谱系被捕获在一个能够更好地为下一次决策提供信息的复合基础中，否则其最终价值都是有限的。本体使人类和智能体的行动能够被安全地暂存为场景，受到与数据和逻辑基元相同的细粒度访问控制，并被安全地写回每一个企业基础——事务处理系统、边缘设备、自定义应用程序等。

图：本体在一个统一的、以决策为中心的企业模型中对行动进行原生建模，使人类和人工智能驱动的行动能够被安全地暂存为场景，受到与数据和逻辑基元相同的访问控制，并被安全地写回每一个企业基础。

安全

在任何运营环境中，人机交互都需要严格的安全和治理能力，这远远超出了传统的基于角色的数据存储桶策略。Palantir AIP 提供了一个安全架构，可以融合基于标记、基于目的和基于角色的策略；横跨数据、逻辑、行动和应用构件的动态谱系；以及一套完整的集成变更和发布管理工具，这些工具适用于人类驱动和智能体驱动的工作流。可以在本体上附加细粒度的策略，以限制智能体和人类对敏感或依赖上下文信息的访问。这些策略在每次交互运行时动态计算，并且可以组合应用于底层数据集的行级和列级限制、特定用户组（包括通过单点登录传递的）属性、在底层数据管道中传播的安全标记等。

工具使用由管理数据访问和各种形式记忆的相同安全架构动态强制执行。这至少确保任何工具调用都依赖于对本体的底层对象、属性和链接的访问权限。此外，工具可以包含依赖于细粒度提交标准的运行时验证。每一个智能体或人类行为都依赖于精确的授权许可，这些许可明确规定了允许的操作集合，防范意外调用（例如，查询跨组织边界存在的数据，或连接到未指定外部系统的工具）和其他形式的权限提升。由于智能体会生成详细的遥测数据，日志的安全性和传输是关键的最后一环。AIP 使管理员能够控制日志如何跨特定项目、工作流和智能体进行访问。数据标记和其他动态安全基元以与管控底层数据、逻辑和行动基元访问相同的方式，来管控日志访问。

简而言之，本体将数据、逻辑、行动和安全性整合成一个以决策为中心的企业模型，可以由人类和智能体共同利用。从数据集成、到应用程序构建、再到最终用户工作流，一切都通过一个经过实战检验的模块化架构来驱动——使人类用户和智能体能够在共享的运营基础上查询、推理和行动。

通过一个概念性的例子来解析本体如何使超过 50 个行业的组织能够在数天内激活人机协同工作流。

图：本体在一个以决策为中心的企业模型中对人机协同活动进行统一管控，使基于角色、标记和目的的策略能够在运行时动态计算，一致地应用于每个人类和智能体与数据、逻辑、行动基元的交互，并无缝扩展到工具调用、智能体记忆和遥测日志。

一个运营实例

Onyx 公司是一家虚构的医疗设备制造商，生产一系列成品，从注射器到外科口罩，每种产品都需要将一套精确的材料通过相关制造流程进行移动。多元化的团队管理者从供应商关系、仓储运营、成品生产到向最终客户分销的一切事务；决策相互依存，并且需要不断适应变化的环境。简而言之，在运营业务时每天都面临独特的挑战。

在这个例子中，Onyx 遇到了其主要供应商之一的意外中断，该供应商提供了生产外科口罩所需的关键原材料。鉴于 Onyx 各制造工厂紧张的生产计划以及客户对外科口罩不断增长的需求，这种中断势必会严重影响完成未交付客户订单的能力。幸运的是，Onyx 的运营团队已利用人工智能基础开发环境（AI FDE）将广泛的数据源、逻辑资产和行动系统连接到了他们的企业本体中，并拥有快速响应的能力。

图：Onyx 的本体整合了应对此次原材料中断所需的所有决策要素：它提供对每次短缺对收入影响的完整可见性以指导优先级排序，允许智能体推荐和解决方案考虑企业的运营现实，并驱动回写和持续学习，不仅保持系统最新状态，还能优化未来的决策。

Onyx 将首先评估供应商短缺的直接影响，然后利用人工智能评估跨生产线的可能重分配策略，最后将其决策转化为一系列相互关联的行动，这些行动将同时更新仓储流程、生产计划和履行路线。

Onyx 的本体提供对其业务中每个相互依赖部分正在发生的运营的实时、端到端可见性，使领导层和一线团队能够快速理解供应商中断的影响。与供应商管理、仓储运营、工厂内生产活动、配送中心处理以及客户履行相关的重要数据系统，全部被综合成语义对象和链接，这些对象和链接反映了业务的业务语言。只需点击几下，运营负责人就能够精确定位因原材料短缺而面临风险的外科口罩生产，并通过其本体中的连接，导航到每一个也因此面临风险的未交付客户订单。本体的细粒度安全模型确保更敏感的数据元素（例如，财务指标）在默认情况下自动隐藏，因为响应范围扩大到包括企业内更多的团队。

虽然运营用户可以通过直观的 Workshop 和 SDK 驱动的应用程序无缝导航本体，但智能体能力的加入对 Onyx 公司来说是力量的倍增器。利用开源和专有的大语言模型的智能体，能够在包含于组织本体内的供应商信息、库存水平、实时生产指标、装运清单和客户反馈中流畅地导航。至关重要的是，所有智能体活动都受与管控人类使用相同的安全策略控制——确保 Onyx 的工程师始终能精确控制大语言模型可以查询、推荐和操作的内容。每个构建和部署的智能体都可以被视为一个新的团队成员，随着 Onyx 团队成员对其性能信心的增强，会逐渐获得更广泛的权限。

图：Onyx 的本体整合了来自组织重要系统的数据，将其综合成语义对象和链接，提供对运营的实时、端到端可见性，并使领导层和一线用户能够快速评估中断的全部影响。

态势感知只是本体价值的冰山一角；Onyx 公司需要快速找到应对供应商中断的解决方案，并探索每个可能决策中固有的权衡。幸运的是，多样化的预测模型、分配模型、生产优化器和其他逻辑资产，已与上述数据源一起连接到了 Onyx 的本体中。这使得供应链分析师能够快速运行一系列模拟，详细说明不同可能材料替代方案的后果。本体的互联、实时特性在此阶段至关重要，因为替代原材料可能对使用相同材料生产的其他产品（例如，注射器、手套）产生下游影响。随着模拟的运行，模拟输出会暂存为本体场景，将提议的变更安全地打包到本体的沙箱化子集中，使团队在批准决策之前能够安全地探索和分析其影响。

真正改变 Onyx 团队游戏规则的是，智能体舰队可以安全地利用全部范围的逻辑资产和相同的场景框架。本体使智能体能够超越检索增强生成以数据为中心的局限性，转而通过可扩展的工具范式与本体中相互连接的数据、逻辑和行动基元进行交互。这意味着，随着 Onyx 的分析和数据科学团队在其云工作台中创建新的机器学习模型、在企业系统内调整优化算法、使用 Palantir 的开放模型构建框架微调大语言模型，本体会安全地将所有这些逻辑资产呈现为 AI 就绪的工具。在本案例中，Onyx 创建了一个经过调优的智能体“中断机器人”，它能够使用一套本体驱动的工具来扫描全部范围的企业数据源、关于在类似情况下先前所采取行动的事后报告，以及可能适用的材料重分配模型。由于本体提供了丰富、密集的上下文，中断机器人能够提出一个新颖的重分配计划，该计划使用了一个供应链分析师尚未考虑到的较新模型。在将计划的后果安全地暂存在一个场景中后，智能体提出的决策被移交给一名人类分析师进行最终审查。

图：本体将 Onyx 的逻辑资产（从机器学习到优化模型）安全地呈现为 AI 就绪的工具，为人机组队提供丰富、密集的上下文。

随着确定了应对材料短缺的可行计划，Onyx 公司需要快速、安全地将决策推送到运行各个组成流程的运营系统中。鉴于该企业是通过收购发展起来的，并且包含一系列多样且脆弱的关键运营系统，Onyx 的 IT 团队对哪些流程可以在何种条件下回写这些系统保持警惕。幸运的是，本体对行动应用了与数据和逻辑同样严格的控制和验证；实现对谁可以调用特定行动的细粒度控制、用于发布变更的测试驱动框架、批量暂存和审查变更的能力，以及对每个事件的详细日志记录。在本案例中，材料重分配计划的执行自动编排了一套回写例程，每项例程都针对接收系统进行了调整：仓库管理系统通过 API 驱动的更新接收信息；三个 ERP 系统各自通过原生本体驱动的连接器接收更新，这些连接器遵守每个系统中的保护措施；生产计划系统接收一个整合的平面文件，并异步获取。随着行动的被执行，Onyx 的 IT 团队可以监控系统响应，并且始终能够审计过去的活动。

本体提供了人工智能在允许范围内安全采取行动所需的防护栏。与数据和逻辑一起，行动可以自动呈现为各类智能体的工具。行动的范围可以仅限于在本体中反映特定变更（例如，编辑一个对象，或创建一个新对象）；也可以回写到一个或多个系统。在 Onyx 的场景中，他们授予了中断机器人和其他少数生产 AI 智能体对少量行动的访问权限。默认情况下，这些行动（例如，更改工单状态，或推送重分配计划）只能由 AI 暂存，然后移交给人类进行最终审查。然而，借助于本体（以及更广泛的 Palantir 平台）提供的细粒度日志记录和运营监测工具，Onyx 能够精准地选择哪些值得信赖、久经考验的 AI 流程可以无需人工审查而自动闭环执行行动。随着条件的变化，给予 AI 的自主权可以扩大或收缩，并即刻反映到所有本体驱动的工作流中。

图：本体使 Onyx 能够自动将行动呈现为 AI 驱动的智能体和自动化的工具，同时为人工智能在预定边界内安全采取行动提供必要的防护栏。

危机之后会怎样？随着数据、逻辑、行动和安全性全部连接到 Onyx 的本体中，该组织有能力进行强大的、以决策为中心的学习。为解决材料短缺问题而组建的人机组队所产生特定解决方案的同时，也揭示了可推广的工作流，这些是组织希望记录下来并在未来呈现的。评估的每个数据元素、逻辑资产和行动都被捕获在端到端的决策谱系中，这为优化人工智能的性能提供了丰富、有上下文的燃料。在整个本体中，由数千名用户和智能体做出的聚合决策可以在微调模型时安全地用作训练数据，并且可以提炼成在智能体提示期间被调用的针对性原则。传统上被困在工作流缝隙中的团队隐性知识可以通过人工智能来揭示，以改进人工智能的应用。

图：本体会在决策被安全做出的过程中捕获对每个数据元素、逻辑资产和行动的更新，这为长期优化人类和智能体的性能提供了丰富、有上下文的燃料。

本体的未来

最终，本体使每个组织能够实施和扩展人机协同运营，并精确控制如何在第一线场景中利用智能体驱动的推荐、增强和自动化。这是可能的，因为本体以决策为中心，而不仅仅以数据为中心；它将决策的组成要素——数据、逻辑、行动和安全性——整合在单一的软件系统中。新数据可以快速整合到一个高保真的语义表示中；新的算法和业务逻辑可以无缝地呈现给人类和 AI 用户；通过实时的、与全面运营系统的连接实现稳健的行动集成。每个组织的本体都是跨团队不断变化的条件、抱负和决策的实时脉搏——确保人工智能始终植根于企业的现实。

本文仅触及了本体底层以决策为中心的架构的表层；系统的原生模拟和场景构建能力；通过本体 SDK 提供的可扩展性；允许本体安全、零停机演进的全局分支框架；以及在整个企业范围内扩展人机组队的工艺。

参考来源：https://blog.palantir.com/connecting-agents-to-decisions-277dee8ddb40