了解Palantir 的邏輯后，你才能成為真正的信息工作者

信息工作者要成為真正的信息工作者而不是簡單的編碼牛馬。 現(xiàn)在很多剛畢業(yè)的CS學(xué)生找不到工作，其實已經(jīng)開始停止來想一想：1920年代的麥肯錫到底是啥的？在前AI時代，它監(jiān)控了失眠的生態(tài)位？工業(yè)文明可以中斷三層：物質(zhì)生產(chǎn)、信息協(xié)調(diào)、結(jié)構(gòu)決策。麥肯錫為什么至少地位這么高？因為它長期重視結(jié)構(gòu)決策層的下面——在技術(shù)還不成熟的年代，依靠人工完成整個工業(yè)體系里最核心的信息工作。IT是什么？全稱信息技術(shù)——信息技術(shù)。可在過去，真正的工業(yè)文明信息工作者是誰？不是我們今天熟悉的程序員，而是麥肯錫、波士頓咨詢、四大會計事務(wù)所等這些“文商科小妹”們。她們的技術(shù)手段有限，她們要手動收集高熵信息，把各行各業(yè)的亂信息重構(gòu)處理，再形成執(zhí)行的最高層指令。她們才是那個時代真正的信息工作者。所以，今天你是CS職業(yè)，寫代碼的活已經(jīng)越來越多職業(yè)機(jī)器做，那么你不是更應(yīng)該思考：在 人工智能 時代，自己要不要轉(zhuǎn)型成為真正的AI時代信息工作者——掌握重塑、執(zhí)行的信息處理能力，站到新的結(jié)構(gòu)決策鏈條中？這才是在新周期里持續(xù)參與核心位置的路徑。

新時代的麥肯錫：信息工作者在結(jié)構(gòu)文明時代真正的煉丹熔爐

我認(rèn)為CS人轉(zhuǎn)型的窗口之一：成為真正的信息工作者（以前你還真不是）

• 工業(yè)時代的信息金字塔之巔

并不是我心血來潮要去分析麥肯錫，而是一個需要系統(tǒng)投入的長期研究方向。從現(xiàn)在開始，至少一個月，我會集中精力深度剖析工業(yè)時代（恰好從麥肯錫成立的 1920 年代，到 AI 崛起的整整 100 年）這個真正全球化的工業(yè)文明階段中，位于最頂端的信息處理機(jī)構(gòu)。

以麥肯錫為代表，這類全球頂級的管理與戰(zhàn)略咨詢公司包括 MBB（三巨頭：麥肯錫、波士頓、貝恩）、四大會計師事務(wù)所，以及各類專注特定領(lǐng)域的專業(yè)咨詢公司。同時，我也會分析新興力量的崛起：Palantir（雖是數(shù)據(jù)平臺，但其政府與企業(yè)項目濃厚地帶有咨詢屬性）、QuantumBlack（麥肯錫旗下 AI/數(shù)據(jù)科學(xué)部門）、Bain Advanced Analytics Group（貝恩的數(shù)據(jù)與 AI 部門）、BCG Gamma（BCG 的數(shù)據(jù)科學(xué)與 AI 咨詢部門）。

這些新生力量的出現(xiàn)，本身就印證了一個事實：這是計算機(jī)科學(xué)（CS）從業(yè)者轉(zhuǎn)型的關(guān)鍵窗口期，因為理解這一切背后的技術(shù)與系統(tǒng)邏輯，對于 CS 背景的人來說，要比文科和商科背景的人更容易。

• 工業(yè)文明的三層架構(gòu)

從現(xiàn)代文明的源頭看，由于我出生時的中國在人口結(jié)構(gòu)上依然是一個農(nóng)業(yè)國，對于那些已經(jīng)在工業(yè)化頂層運(yùn)轉(zhuǎn)了近百年的高端咨詢機(jī)構(gòu)來說，要洞察它們的生態(tài)邏輯并不容易。但從現(xiàn)代工業(yè)文明的三層結(jié)構(gòu)來看，麥肯錫的生態(tài)位極為特殊：它并不直接生產(chǎn)商品，而是處于工業(yè)體系的高階結(jié)構(gòu)調(diào)度層，相當(dāng)于現(xiàn)代經(jīng)濟(jì)的“中樞神經(jīng)節(jié)點(diǎn)”之一。

物質(zhì)生產(chǎn)層：制造業(yè)、能源、交通、原材料供應(yīng)等部門，將物理資源轉(zhuǎn)化為商品和基礎(chǔ)設(shè)施。

信息與協(xié)調(diào)層：金融、法律、管理、物流等體系，在全球范圍內(nèi)調(diào)配資本、資源與人力。

結(jié)構(gòu)與決策層：戰(zhàn)略咨詢、科研決策、政策制定等環(huán)節(jié)，負(fù)責(zé)設(shè)計和優(yōu)化整個系統(tǒng)的運(yùn)作方式。

麥肯錫恰恰位于第三層“結(jié)構(gòu)與決策層”，但它既不是學(xué)術(shù)機(jī)構(gòu)，也不是政府部門，而是一個商業(yè)化的跨行業(yè)結(jié)構(gòu)優(yōu)化中樞。它的功能可以分為三點(diǎn)：結(jié)構(gòu)感知——捕捉全球產(chǎn)業(yè)、市場、政策信號；結(jié)構(gòu)壓縮——將復(fù)雜信息壓縮成可執(zhí)行的戰(zhàn)略框架；結(jié)構(gòu)調(diào)度——指導(dǎo)客戶在資本、人力、技術(shù)上的資源配置。在工業(yè)文明的生態(tài)系統(tǒng)中，麥肯錫更像是一個“超級算法服務(wù)商”，只不過它運(yùn)算的對象不是單純的數(shù)據(jù)，而是行業(yè)和組織的結(jié)構(gòu)路徑。

在整個工業(yè)生態(tài)里，它與其他角色的關(guān)系清晰可見：對制造業(yè)，它提供戰(zhàn)略方向（例如供應(yīng)鏈全球化還是回流本土化）；對金融業(yè)，它提供行業(yè)洞察和投資策略框架；對政府，它參與政策設(shè)計、公共服務(wù)改革和國有企業(yè)優(yōu)化；對科技行業(yè)，它幫助新技術(shù)找到可落地的商業(yè)模式與市場路徑。它并不直接制造產(chǎn)品，卻影響著資源配置的邏輯，因此起到“放大器”的作用。

這種生態(tài)位有幾個鮮明特征：跨行業(yè)遷移能力——能夠?qū)⒁粋€行業(yè)的結(jié)構(gòu)方案移植到另一行業(yè)（如將汽車制造的精益生產(chǎn)邏輯用于醫(yī)療運(yùn)營）；低物質(zhì)依賴性——核心資產(chǎn)是方法論、人才與信任網(wǎng)絡(luò)，不依賴重資產(chǎn)；高杠桿影響力——員工不到 5 萬，卻能輻射全球幾乎所有大型企業(yè)與政府部門。直到今天，麥肯錫依然是私人公司，2023 年營業(yè)收入高達(dá) 160 億美元，純靠“賣信息”為生。它是工業(yè)時代最純粹的信息工作者形態(tài)——某種意義上，也是結(jié)構(gòu)文明的早期雛形。幾乎是純手工靜態(tài)交付，交付物是PDF和PPT。

• 到底誰才是信息工作者?

信息之神香農(nóng)早就告訴你了

如果從香農(nóng)的信息論角度精確區(qū)分，前 AI 時代所謂的“信息工作者”其實混淆了兩類完全不同的角色：信息基礎(chǔ)設(shè)施建設(shè)者與信息內(nèi)容處理者。香農(nóng)模型將信息分為兩個層面：一是傳遞信息，即編碼、傳輸、解碼的過程，不涉及意義，只保證比特流準(zhǔn)確送達(dá)，關(guān)注信道容量、抗噪性與延遲；二是信息的內(nèi)容，即信息“說了什么”和“如何使用”的部分，直接關(guān)聯(lián)意義、決策與執(zhí)行，涉及結(jié)構(gòu)化、解讀、壓縮、重組與再分發(fā)等高階操作。

碼農(nóng)

在前 AI 時代，IT 從業(yè)者與碼農(nóng)的核心任務(wù)是建設(shè)和維護(hù)信息傳遞的基礎(chǔ)設(shè)施——網(wǎng)絡(luò)、數(shù)據(jù)庫、操作系統(tǒng)、應(yīng)用框架等，實現(xiàn)數(shù)據(jù)采集、存儲、檢索、展示，優(yōu)化傳輸效率與系統(tǒng)穩(wěn)定性。這類工作屬于符號層的搬運(yùn)與處理，類似“信道工程師”，確保信號不失真地抵達(dá)，而大概率不參與信息意義的解讀與決策設(shè)計。

相反，戰(zhàn)略咨詢公司等文科、商科為主的辦公室團(tuán)隊才是真正處理信息內(nèi)容的人，他們收集高熵信息（市場、財務(wù)、政策、技術(shù)趨勢），將其壓縮并結(jié)構(gòu)化為可執(zhí)行的戰(zhàn)略框架，再轉(zhuǎn)化為決策建議與資源配置方案，屬于語義層與結(jié)構(gòu)層的高階加工，直接影響現(xiàn)實世界的運(yùn)作路徑。

因此，在前 AI 時代，IT 人并非核心的信息工作者，他們掌握的是傳輸與工具，而信息的“主權(quán)”掌握在咨詢公司的內(nèi)容處理者手中。

• 信道與信息是分開的

工業(yè)時代信道與信息之所以長期分離，本質(zhì)上源于當(dāng)時的技術(shù)條件、組織分工和經(jīng)濟(jì)激勵，使得這兩類職能必須由完全不同的體系來承擔(dān)。在技術(shù)層面，工業(yè)時代早中期的信息傳輸與信息內(nèi)容處理依賴截然不同的能力：信道建設(shè)需要電報、電話、衛(wèi)星、網(wǎng)絡(luò)、數(shù)據(jù)庫等工程技術(shù)，核心是物理與電子工程、通信技術(shù)；而信息內(nèi)容加工依賴經(jīng)濟(jì)、法律、管理、戰(zhàn)略等領(lǐng)域知識，核心在于人文、商科、社會科學(xué)的分析能力。

由于當(dāng)時的計算機(jī)與通信系統(tǒng)無法處理復(fù)雜語義或策略，信道只能負(fù)責(zé)將比特送達(dá)，而內(nèi)容必須由人類專家解讀、壓縮并轉(zhuǎn)化為決策。組織上，這種差異被泰勒制與流水線式的分工固化下來：工程師與 IT 部門負(fù)責(zé)工具、基礎(chǔ)設(shè)施與數(shù)據(jù)流動，管理層與咨詢公司則掌握信息意義的解讀與資源調(diào)度，形成“信道保證信息可達(dá)，信息處理者保證信息可用”的職能分立。

經(jīng)濟(jì)上，真正的高價值環(huán)節(jié)在于“信息如何指導(dǎo)行動”，而非“信息如何送到”，基礎(chǔ)設(shè)施建成后邊際價值迅速下降，而戰(zhàn)略決策與結(jié)構(gòu)優(yōu)化直接影響資本流向與生產(chǎn)布局，回報豐厚，因此咨詢公司、智庫與管理層位居價值鏈頂端，信道建設(shè)者則長期處于支撐位置。

此外，在 AI 出現(xiàn)之前，計算機(jī)在自然語言理解與語義分析上能力有限（這才是重點(diǎn)），無法用同一系統(tǒng)同時完成信息傳輸與信息理解，信道層的工作可用固定協(xié)議標(biāo)準(zhǔn)化，而語義層工作依賴人類推理與跨領(lǐng)域經(jīng)驗，難以形式化，最終形成物理層與語義層的天然分離。

所以，工業(yè)時代的信道–信息分離是技術(shù)、組織、經(jīng)濟(jì)三方面共同作用的結(jié)果：技術(shù)上物理傳輸與語義理解差距巨大，組織上分工體系固化，經(jīng)濟(jì)上決策端掌握高價值而基礎(chǔ)設(shè)施端可替代性強(qiáng)。而進(jìn)入 AI 時代，這一分離被打破——符號處理與語義處理能力開始融合，IT 人可以借助 AI 直接參與信息內(nèi)容的結(jié)構(gòu)化與決策生成，從單純的“信道工程師”轉(zhuǎn)型為“協(xié)議設(shè)計者”和“執(zhí)行調(diào)和者”，從“造管道”升級為“用管道直接調(diào)度世界”，這正是 CS 人接管過去由文科商科團(tuán)隊獨(dú)占的信息內(nèi)容主權(quán)的關(guān)鍵窗口期。

其實你想一下，文科商科是什么時候開始變得不好找工作的？ 其實就是系統(tǒng)給我們反饋的一個信號。

過去幾十年，文科和商科背景的人之所以在就業(yè)市場中占據(jù)高位，是因為他們掌握了“信息內(nèi)容處理權(quán)”——負(fù)責(zé)結(jié)構(gòu)化、解釋、壓縮、再分發(fā)高熵信息，并據(jù)此影響決策和資源配置。而 IT/碼農(nóng)更多是做“信道工程師”，提供信息流動的基礎(chǔ)設(shè)施。

但近十年，尤其是 AI、大數(shù)據(jù)、自動化決策系統(tǒng) 的普及，讓系統(tǒng)本身具備了自動處理大部分基礎(chǔ)性內(nèi)容工作的能力：

數(shù)據(jù)的收集、清洗、歸檔 → 機(jī)器自動化

行業(yè)信息的歸納和對比分析 → AI 模型可以實時完成

報告生成、PPT 框架 → 模板化、自動化產(chǎn)出

這就直接沖擊了文科、商科內(nèi)容處理者的“低中端環(huán)節(jié)”，導(dǎo)致崗位需求萎縮。換句話說，系統(tǒng)正在逐步接管他們的“信息結(jié)構(gòu)化”職能。

當(dāng)然現(xiàn)在輪到低端碼農(nóng)了，我們各有窗口，可以各取所長，利用AI融合。所以不要分什么文科理科的了，不轉(zhuǎn)型都完蛋。

百年麥肯錫：前AI時代最強(qiáng)世界信息結(jié)構(gòu)化處理中心

• 麥肯錫100年都咨詢了個啥

100 年前的世界，電力剛普及沒多久，電話、流水線才剛剛進(jìn)入工業(yè)體系，跨國公司屈指可數(shù)，全球供應(yīng)鏈幾乎還不存在，工業(yè)管理理論也就剛從泰勒制、福特制起步。而現(xiàn)在，我們生活在一個跨國生產(chǎn)網(wǎng)絡(luò)遍布全球、供應(yīng)鏈金融高度復(fù)雜、企業(yè)矩陣化管理、全球品牌滿天飛、政府—企業(yè)—資本深度協(xié)作的世界。這背后，有一條非常清晰的“咨詢優(yōu)化軌跡”，麥肯錫就是這個軌跡上的核心設(shè)計者和調(diào)度員。

如果把它的百年歷史當(dāng)成一次長周期的“工業(yè)文明結(jié)構(gòu)調(diào)度實驗”，它做的核心工作就是為全球化工業(yè)體系進(jìn)行結(jié)構(gòu)設(shè)計與運(yùn)行優(yōu)化——從生產(chǎn)、資本、管理，到供應(yīng)鏈、政策、技術(shù)路徑的全局配置。它像是為全球工業(yè)系統(tǒng)編寫和升級操作系統(tǒng)：早期幫企業(yè)裝上預(yù)算與財務(wù)控制模塊，中期設(shè)計多事業(yè)部和跨國布局架構(gòu)，后期搭建全球供應(yīng)鏈網(wǎng)絡(luò)，再到近二十年推動數(shù)據(jù)化管理、精益優(yōu)化、數(shù)字化轉(zhuǎn)型與 ESG 內(nèi)嵌。

因為這種持續(xù) 100 年的優(yōu)化，世界從電氣化萌芽期的局部生產(chǎn)，變成了今天的全球一體化、實時協(xié)作、指標(biāo)化管理體系。副作用是系統(tǒng)高度耦合、風(fēng)險傳導(dǎo)極快。但也正因為有了這些被咨詢公司塑造的全球結(jié)構(gòu)，AI 時代才有了可以直接接管和自動化調(diào)度的基礎(chǔ)。

我對敘事的歷史沒興趣，我們研究過去，是為了謀劃和推演未來。所以關(guān)鍵問題是——麥肯錫的結(jié)構(gòu)精華到底是什么？它憑什么和其他頂級咨詢機(jī)構(gòu)一起，作為全球最強(qiáng)的大腦，把工業(yè)社會的財富和效率放大了無數(shù)倍？

• 結(jié)構(gòu)化知識是麥肯錫的精華

要回答這個問題，就得先把“麥肯錫的結(jié)構(gòu)精華”拆開來看。它的核心不是某一套具體的分析工具，而是一種長期積累出來的跨行業(yè)、跨地域、跨周期的結(jié)構(gòu)處理能力——它能在不同的經(jīng)濟(jì)階段、技術(shù)環(huán)境、政治格局下，把高熵的全球信息壓縮成低熵的可執(zhí)行方案，并推動這些方案落地。

首先是結(jié)構(gòu)感知。麥肯錫掌握了一套幾乎覆蓋全球的“信號捕捉網(wǎng)絡(luò)”，可以從政策、市場、技術(shù)、競爭格局中提前嗅到趨勢拐點(diǎn)。它不是靠一個分析師的直覺，而是長期項目積累出的數(shù)據(jù)、案例、關(guān)系網(wǎng)絡(luò)和行業(yè)模板的結(jié)合。這讓它總能比客戶自己更早、更系統(tǒng)地看清結(jié)構(gòu)變化。（人家60個辦公室遍布全球）。

其次是結(jié)構(gòu)壓縮。大量的調(diào)研和信號捕捉回來后，它們會被套進(jìn)一套標(biāo)準(zhǔn)化的分析框架（價值鏈分析、7S 模型、行業(yè)矩陣等），把復(fù)雜的行業(yè)動態(tài)、企業(yè)現(xiàn)狀和外部環(huán)境壓縮成幾個清晰的戰(zhàn)略選項和優(yōu)先級。這一步是麥肯錫的“算法層”，雖然形式是人類顧問的PPT，但本質(zhì)是一次結(jié)構(gòu)計算。

然后是結(jié)構(gòu)調(diào)度。光有方案不夠，麥肯錫的強(qiáng)項在于能直接影響客戶在資本、人力、技術(shù)、供應(yīng)鏈等方面的資源配置，并且知道怎么讓這些決策在組織內(nèi)部被執(zhí)行。這依賴它的高信任度人脈網(wǎng)絡(luò)——政府、跨國企業(yè)、資本市場——和它對不同利益相關(guān)方的協(xié)調(diào)能力。

最后是跨行業(yè)遷移。麥肯錫積累了大量行業(yè)的結(jié)構(gòu)模板，可以把某個行業(yè)成熟的運(yùn)行機(jī)制直接移植到另一個行業(yè)，比如把汽車制造的精益生產(chǎn)理念帶到醫(yī)療運(yùn)營，把零售業(yè)的供應(yīng)鏈優(yōu)化方法移植到能源行業(yè)。這種“結(jié)構(gòu)復(fù)用”能力，讓它在全球范圍內(nèi)加速了效率擴(kuò)散。

所以，麥肯錫和頂級咨詢機(jī)構(gòu)的真正價值，是在過去 100 年里構(gòu)建了一個全球工業(yè)結(jié)構(gòu)的知識庫 + 決策算法 + 執(zhí)行接口網(wǎng)絡(luò)。它們不直接制造財富，而是通過優(yōu)化結(jié)構(gòu)來放大財富創(chuàng)造的效率。

• AI時代先把人力轉(zhuǎn)成AI

在 AI 時代，這套“結(jié)構(gòu)調(diào)度能力”第一次有機(jī)會被技術(shù)復(fù)制、API 化、甚至超越。因為過去需要幾百人幾個月才能完成的調(diào)研、壓縮、調(diào)度，現(xiàn)在 AI 可以在幾分鐘內(nèi)完成第一輪輸出，并且實時更新。麥肯錫的百年積累，正好將是我們構(gòu)建 Strategy as Code、Governance as Code 這些結(jié)構(gòu)文明底座的歷史原型。

麥肯錫大部分交付居然是靜態(tài)的PPT和PDF！

沒錯，麥肯錫讓我最難接受的一點(diǎn)，就是它的交付物大部分還是靜態(tài)的。

這種靜態(tài)文檔，在交到客戶手里之后，并不會直接生效，而是需要經(jīng)過一層又一層的“翻譯”——高層解讀成部門目標(biāo)，部門經(jīng)理再拆成任務(wù)，業(yè)務(wù)分析師再寫需求文檔，最后技術(shù)團(tuán)隊去實現(xiàn)。等它真正落到系統(tǒng)里，已經(jīng)是好幾道傳話筒之后的產(chǎn)物。PPT → PRD 的流程。耗人力無數(shù)。

你想想，麥肯錫自己沒有任何實體生產(chǎn)，沒有工廠、沒有零售，甚至不碰執(zhí)行系統(tǒng)，但它全球卻養(yǎng)著幾萬名顧問。對于一個計算機(jī)人來看，這個模式最大的“bug”就是信息經(jīng)過多層人工傳遞，成本高、易失真、效率低。

我們舉個具體的場景——你花了 50 萬美元（還不算最貴的那種）定制了一份麥肯錫的咨詢報告，收到了厚厚的 PDF。接下來你要干嘛？

第一步，你得把報告里的戰(zhàn)略目標(biāo)解釋給公司高層和核心團(tuán)隊聽；

第二步，高層再把它拆成各部門的業(yè)務(wù)目標(biāo)和優(yōu)先級；

第三步，業(yè)務(wù)部門找產(chǎn)品經(jīng)理或業(yè)務(wù)分析師，把這些目標(biāo)翻譯成可以落地的業(yè)務(wù)流程和功能需求；

第四步，技術(shù)部門根據(jù)需求文檔再寫系統(tǒng)設(shè)計、數(shù)據(jù)模型、接口規(guī)范；

第五步，等系統(tǒng)上線，還要手動對照原戰(zhàn)略看看有沒有跑偏。

在這個鏈條里，每一步都是人工翻譯，每翻一次就可能丟掉細(xì)節(jié)、誤解原意、改動邏輯。等你花了半年、一年去落地時，市場環(huán)境早就變了。

而在 As Code 的思路下，這份“50 萬美元的 PDF”本可以直接變成機(jī)器可執(zhí)行的結(jié)構(gòu)協(xié)議：戰(zhàn)略目標(biāo)直接編譯成數(shù)據(jù)契約、規(guī)則引擎配置、執(zhí)行編排，自動分發(fā)給相關(guān)系統(tǒng)，實時執(zhí)行和回滾——不需要一層層傳話。

對不？

API：這還需要推演么？ 如果他們沒想明白這個1，2，3那就完蛋了。

麥肯錫最起碼，有大量的交付可以做成API。

API 化”就是把原來寫在 PPT/文檔里的策略、規(guī)則、流程，封裝成可調(diào)用、可組合、可審計的穩(wěn)定接口。它是把“敘事 → 協(xié)議 → 執(zhí)行”連成一條線的工程化方法。

我舉一個超級簡單的例子：

假設(shè)你是零售集團(tuán)的市場部負(fù)責(zé)人，需要讓各地區(qū)根據(jù)庫存和價格彈性來調(diào)整商品售價。按照傳統(tǒng)的靜態(tài)交付模式，咨詢公司會先給你一份厚達(dá) 200 頁的 PDF，其中明確寫著類似這樣的規(guī)則：如果庫存覆蓋天數(shù)低于某個閾值且需求預(yù)測上漲，就提高價格 2%；如果價格彈性小于 -0.4 且競爭價差大于 3%，則降低價格 2%。接下來，你得先讓業(yè)務(wù)經(jīng)理讀懂這些規(guī)則，再由他們整理成 Excel 表格交給技術(shù)團(tuán)隊，然后技術(shù)團(tuán)隊再將這些規(guī)則寫進(jìn)代碼并部署到系統(tǒng)中。整個流程往往需要一到兩個月，中間還要反復(fù)對齊定義和修正口徑。而在 API 化的動態(tài)交付模式下，咨詢公司直接提供一個 PriceRecommendation API，你只需輸入商品信息、庫存、價格彈性等數(shù)據(jù)，就能實時獲得系統(tǒng)返回的建議價格，不再需要冗長的人工翻譯和多層中轉(zhuǎn)。

• As Code的未來：

在咨詢或 As Code 的語境中，API 用清晰的輸入/輸出、版本和契約（例如通過 IR/DSL 轉(zhuǎn)化為 OpenAPI、GraphQL、gRPC 等形式）將業(yè)務(wù)策略、規(guī)則、數(shù)據(jù)分析與決策邏輯封裝成服務(wù)，使其能夠被人和機(jī)器一致地調(diào)用、組合與結(jié)算。

它的目標(biāo)是在 PPT → PRD → 系統(tǒng)之間大幅縮短那層“人工翻譯鏈”，讓信息直接成為可執(zhí)行的指令，并將“一次性交付”轉(zhuǎn)化為“持續(xù)服務(wù)”的模式。這樣做的好處包括：減少信息在傳遞過程中的失真，讓同一份契約貫穿執(zhí)行全程；將行業(yè)結(jié)構(gòu)單元做成類似樂高組件，方便跨團(tuán)隊、跨組織復(fù)用與拼裝；確保每一次調(diào)用都有可追蹤的 trace、SLA、審計與回滾策略（與 GitOps/As Code 的原則一致）；并且能從一次性售賣項目轉(zhuǎn)向按接口、配額或訂閱的方式模塊化輸出咨詢能力。

從結(jié)構(gòu)文明的角度看，API 是最簡單、最直接的一層 As Code——它的作用是將原本抽象、模糊、需要人工解讀的規(guī)則，封裝成機(jī)器可調(diào)用的結(jié)構(gòu)化接口，實現(xiàn)“輸入 → 規(guī)則執(zhí)行 → 輸出”的直接閉環(huán)。但 API 化更多解決的是執(zhí)行層的問題，而完整的 As Code 還包括聲明層（規(guī)則定義與版本管理）、調(diào)和層（保持聲明態(tài)與運(yùn)行態(tài)一致）、觀測層（可追蹤與回滾）、互操作層（跨系統(tǒng)對齊）等內(nèi)容。因此，API 可以看作是 As Code 的落地觸點(diǎn)或出口端口，但要實現(xiàn)真正意義上的 As Code，還必須把規(guī)則的定義、版本、調(diào)用、驗證與回滾全部納入同一套結(jié)構(gòu)化協(xié)議中。

潑一碗冷水——這事沒那么簡單，這項技術(shù)本身也算不上什么驚天動地的發(fā)明，你甚至可以問：“既然這么好，為啥以前不做？” 現(xiàn)實是，即便今天 IT 部署成本已經(jīng)大幅下降，真正推起來依然很麻煩：要統(tǒng)一規(guī)則、口徑，要跨部門改流程，還要讓不同背景的人達(dá)成共識。

但這并不是我的重點(diǎn)。我的觀點(diǎn)是，哪怕它依然復(fù)雜、實施周期長，信息技術(shù)背后的文明范式已經(jīng)開始發(fā)生跳躍。過去，我們習(xí)慣把戰(zhàn)略、規(guī)則、政策這些高語義內(nèi)容留在文檔和會議里，讓它們在人工翻譯的多層鏈路中逐級下沉；而今天，第一次出現(xiàn)了讓這些內(nèi)容直接以機(jī)器可執(zhí)行形式存在的現(xiàn)實可能性。

這種變化不是單點(diǎn)的工具升級，而是底層運(yùn)行邏輯的換代——從“信息描述世界”變成“信息驅(qū)動世界”，從“靠人去解讀并執(zhí)行”變成“信息本身就是協(xié)議、就是操作”。它的麻煩恰恰說明，這不是一次小修小補(bǔ)，而是一次結(jié)構(gòu)級的遷移。等到這條路徑被跑通，成本會繼續(xù)下降，門檻會越來越低，最終它會像互聯(lián)網(wǎng)一樣成為所有系統(tǒng)的默認(rèn)形態(tài)。

這才是我想說的關(guān)鍵。否則我費(fèi)那么大勁干嘛。

我曾設(shè)想過用許多不同的角度去分析我所了解的 Palantir 和科技右派：想想還只能是哲學(xué)

但無論從哪一條線索切入，都無法完整呈現(xiàn) Peter Thiel、Alex Karp、Palantir 以及“科技右派”這一組名詞背后交織出的復(fù)雜度與多層次性。科技右派的崛起，在我看來，是當(dāng)代最值得關(guān)注、也最具影響力的科技勢力之一。這股力量強(qiáng)大到，讓我本能地覺得必須在這個棋盤上落一子。需要先聲明的是，我在寫作和研究時，并非以立場為先，而是因為感受到了這一股勢能——它足夠深刻、足夠強(qiáng)勁，值得投入未來幾十年的時間去跟蹤、分析與理解。理解這股勢，理解它的哲學(xué)與范式，不僅有助于看清未來技術(shù)演化的方向，更能為那些尚未成形的技術(shù)項目，在關(guān)鍵時刻落下一枚有分量的棋子。正因如此，我切入 Palantir 的第一個分析帖子，絕不可能從維基百科式的“公司做什么、歷史如何、業(yè)務(wù)布局、技術(shù)實力、客戶構(gòu)成”等信息開始——這些問 AI 就能得到。我認(rèn)為，進(jìn)入 Palantir 的最佳入口，是將它視為一家科技哲學(xué)的分析案例，因為它的哲學(xué)將深刻而長遠(yuǎn)地影響這個世界。但無論現(xiàn)在如何解讀，都是無法獲取全貌的。只能跟進(jìn)，不能完全理解。

• 科技哲學(xué)家：兩位非典型科技領(lǐng)軍人物

提起“科技大佬”，你腦海里浮現(xiàn)的是什么形象？是穿著帽衫的理工宅男？是木訥內(nèi)向、智商爆表的數(shù)學(xué)天才？如果是這樣，那 Peter Thiel 和 Alex Karp 顯然都不符合這種刻板印象——他們都不是理工科出身，而是用哲學(xué)思維去探索世界的科技領(lǐng)軍人物。Peter 出生在德國法蘭克福，小時候隨父母移民美國，畢業(yè)于斯坦福法學(xué)院，帶有濃厚的精英主義色彩，是典型的“硅谷技術(shù)右派”，強(qiáng)調(diào)資本效率與結(jié)構(gòu)創(chuàng)新的制度力量，商業(yè)履歷橫跨 PayPal 聯(lián)合創(chuàng)始人、Facebook 早期投資人和 Founders Fund 管理人。Alex 出生在紐約，父親是猶太人，母親是非裔，本科讀法語，畢業(yè)于哈佛法學(xué)院，之后在德國法蘭克福大學(xué)攻讀哲學(xué)博士，專攻新古典社會理論（neoclassical social theory），導(dǎo)師是法蘭克福學(xué)派成員。他曾深受歐洲左翼思想的熏陶，但進(jìn)入企業(yè)領(lǐng)域后展現(xiàn)出強(qiáng)烈的現(xiàn)實主義與國家安全觀，沒有硅谷工程師的典型背景，更像是一位政治哲學(xué)家與 CEO 的結(jié)合體。

在意識形態(tài)上，Peter Thiel 代表著“技術(shù)主權(quán) + 結(jié)構(gòu)右派”：他相信科技決定論，認(rèn)為西方陷入技術(shù)停滯，需要推動核能、航天、人工智能等領(lǐng)域的突破；他批判全球化的反烏托邦傾向，對多元文化主義與過度民主化保持懷疑，強(qiáng)調(diào)國家競爭與文明沖突；他主張一種結(jié)構(gòu)化的自由主義——自由市場與技術(shù)精英治理并行，制度競爭力優(yōu)先于意識形態(tài)；他支持利用技術(shù)平臺構(gòu)筑國家安全護(hù)城河，增強(qiáng)美國及盟國的戰(zhàn)略優(yōu)勢。

Alex Karp 則體現(xiàn)著“現(xiàn)實主義安全觀 + 法蘭克福學(xué)派殘影”：他承認(rèn)技術(shù)的雙刃劍特性，認(rèn)為在正確制度下，技術(shù)可以成為民主的防御工具；他強(qiáng)調(diào)制度與透明性，盡管 Palantir 與情報機(jī)構(gòu)深度合作，他依然堅持可問責(zé)性和民主社會的授權(quán)邊界；他帶有歐洲式的社會民主情懷，對美國極端自由市場有所保留，支持國家在社會福利與公共安全中發(fā)揮作用；他反威權(quán)卻強(qiáng)調(diào)強(qiáng)安全，在俄烏戰(zhàn)爭和反恐等議題上立場強(qiáng)硬，認(rèn)為軟弱的防御會摧毀民主社會。兩人在理念上交集顯著：都堅持技術(shù)民族主義，視科技為國家競爭的核心資源，反對其落入戰(zhàn)略對手之手；都將安全視為首要任務(wù)，無論面對恐怖主義還是地緣沖突；都信奉精英驅(qū)動的決策模式，相信應(yīng)由少數(shù)具備結(jié)構(gòu)洞察力的高素質(zhì)群體引領(lǐng)戰(zhàn)略走向。

好，停！這里必須討論一個我認(rèn)為技術(shù)人需要想一下的概念。你認(rèn)為技術(shù)是如何演化的？

• 技術(shù)達(dá)爾文主義 vs. 結(jié)構(gòu)設(shè)計主義

你有沒有想過，技術(shù)究竟是像達(dá)爾文的生物進(jìn)化那樣——完全依賴隨機(jī)變異與環(huán)境篩選的被動過程，還是可以通過結(jié)構(gòu)化設(shè)計與戰(zhàn)略性推動來塑造？在達(dá)爾文模型中，技術(shù)被視作“技術(shù)方案或產(chǎn)品”的集合，先產(chǎn)生變異，再在市場競爭中經(jīng)歷優(yōu)勝劣汰，環(huán)境——包括規(guī)則、制度、接口、審查、資本約束——只是外生的常量。而在結(jié)構(gòu)驅(qū)動模型中，技術(shù)的基本單位不是產(chǎn)品，而是“協(xié)議與邊界條件的制定權(quán)”：標(biāo)準(zhǔn)、API、合規(guī)規(guī)則、補(bǔ)貼與采購門檻、威脅模型、數(shù)據(jù)分級等，誰能掌握這些，就能重新定義“適者”的含義，并重塑競爭的地形。

縱觀人類工業(yè)技術(shù)的演化史，我的判斷是：技術(shù)既不是完全自由演化的，也不是完全人工設(shè)計的，而是處在一個“可設(shè)計的演化區(qū)間”中，并且在后AI時代“結(jié)構(gòu)文明”框架下，這種狀態(tài)會持續(xù)下去。技術(shù)的自由演化，更像是在一個預(yù)先設(shè)計好的“競技場”里進(jìn)行自然選擇；設(shè)計不是萬能的，但只要能寫協(xié)議、設(shè)邊界，就能在很大程度上“塑造自然”。這也是 Palantir 與 Thiel–Karp 模式的本質(zhì)：他們不會等待技術(shù)在大市場中自行進(jìn)化，而是直接制定規(guī)則，占據(jù)協(xié)議層，讓演化結(jié)果向自己預(yù)設(shè)的方向傾斜。因此，技術(shù)并非在所有情況下都被完全設(shè)計，但重要技術(shù)的走向，往往是被刻意塑形的。

• Thiel–Karp 模式： 要搶，而且我會搶

從一些看似簡單的動作里，其實很容易看出 Palantir 完全認(rèn)同“協(xié)議要搶”的理念。Peter Thiel 在他唯一的一本書里（真的就是唯一一本），就強(qiáng)調(diào)自己只會去做別人不僅追不上、甚至連追平都不可能做到的事情，因為在他看來，無意義的市場競爭本身就是——無意義的。協(xié)議的制定并非自然而然形成的共識，而是爭奪、綁定、鎖定的結(jié)果；誰先寫下協(xié)議，誰就有權(quán)定義未來“適者”的含義。

Palantir 在協(xié)議搶占上的路徑非常清晰：它先快速嵌入情報與國防系統(tǒng)，直接占據(jù)國家安全數(shù)據(jù)融合的事實標(biāo)準(zhǔn)；再通過 Foundry 切入商用市場，把同一套數(shù)據(jù)權(quán)限與分析協(xié)議移植到能源、制造、醫(yī)療等領(lǐng)域；最后借助 Apollo 的持續(xù)部署機(jī)制，把更新能力本身變成協(xié)議的一部分，掌握系統(tǒng)升級、功能演進(jìn)乃至淘汰的最終決定權(quán)。這種極具 alpha male 氣質(zhì)的做法，并不是今天才出現(xiàn)的新鮮事，而是延續(xù)了百年來技術(shù)與主權(quán)嵌入的傳統(tǒng)。

在近代工業(yè)標(biāo)準(zhǔn)化階段，英帝國海軍造船標(biāo)準(zhǔn)讓船只零件規(guī)格統(tǒng)一，在全球殖民地快速維修補(bǔ)給，從供應(yīng)鏈層面協(xié)議化了帝國的工業(yè)體系；德意志鐵路軌距與時刻表則通過統(tǒng)一規(guī)范，把軍運(yùn)和經(jīng)濟(jì)運(yùn)輸綁定在國家戰(zhàn)略的軌道上。進(jìn)入信息與通信協(xié)議時代，電報與摩爾斯碼在 19 世紀(jì)中葉成為全球唯一通信標(biāo)準(zhǔn)，誰控制電報線路，誰就控制信息流；TCP/IP 在 1970–1980 年代不僅確立了互聯(lián)網(wǎng)技術(shù)標(biāo)準(zhǔn)，還嵌入了開放互聯(lián)、分布式冗余的價值觀，一旦被全球采納，就幾乎無法替換。

在軍事與地緣戰(zhàn)略領(lǐng)域，GPS 由美國國防部在 1970 年代開發(fā)，雖然后來開放民用，但保留了核心主權(quán)控制權(quán)（可在特定區(qū)域降低精度甚至關(guān)閉），讓全球用戶在依賴的同時，命脈仍握在美國手中。SWIFT 作為全球銀行間支付清算系統(tǒng)，將金融信息傳輸協(xié)議標(biāo)準(zhǔn)化（ISO 9362），并內(nèi)置政治制裁功能，可將成員國排除在國際結(jié)算網(wǎng)絡(luò)之外。F-35 戰(zhàn)斗機(jī)體系更是軍事版的“平臺鎖定 + 協(xié)議嵌入”，不僅依賴硬件，還通過軟件與后勤網(wǎng)絡(luò)把零件、升級、維護(hù)全部綁定在美國的認(rèn)證與供應(yīng)鏈內(nèi)。

在商業(yè)領(lǐng)域，蘋果 App Store 與 Google Play 的分發(fā)協(xié)議與審核規(guī)則，本質(zhì)上也是商業(yè)主權(quán)的一部分，直接界定了哪些業(yè)務(wù)形態(tài)可以存在，哪些會被徹底封殺。Palantir 只是把這種早已存在的“協(xié)議即權(quán)力”的邏輯，推向了數(shù)據(jù)、算法與決策結(jié)構(gòu)的核心位置。

那又怎么樣呢？以前搶了現(xiàn)在繼續(xù)搶，那現(xiàn)在又有什么特別的——特別在于科技右派如何看待AI，以及AI范式下他們打算搶什么。

在科技右派眼中，AI 從來不是一件中立的工具。他們不會把它看作單純的計算能力，而是一個可以嵌入價值觀、權(quán)限結(jié)構(gòu)與戰(zhàn)略優(yōu)先級的執(zhí)行器；它不僅能算，更能在運(yùn)行中執(zhí)行特定的政治與文明邏輯。在這種視角下，AI 還是一種主權(quán)延伸器——訓(xùn)練數(shù)據(jù)的選取、推理路徑的設(shè)定、決策邊界的劃定，都是主權(quán)版圖的一部分。誰掌握了這些，誰就能在未來的制度運(yùn)行中占據(jù)主動。此外，AI 對他們來說還是一臺規(guī)則編譯器：如果協(xié)議是“文明的源代碼”，那么 AI 就是即時編譯并執(zhí)行這些代碼的引擎，一旦邏輯模板被寫好，運(yùn)行過程中就會不斷強(qiáng)化設(shè)計者的價值觀。

因此，在 AI 范式 下，科技右派想要“鎖定”的，并不只是接口或市場份額，而是智能運(yùn)行的底層條件——讓未來的機(jī)器在他們的規(guī)則里“思考、取數(shù)、行動、更新”。換句話說，要把“能學(xué)什么、怎么看世界、能做什么、誰能改它”全部寫進(jìn)規(guī)則里，使智能的運(yùn)作永遠(yuǎn)被限制在特定的文明邊界之內(nèi)。圍繞這一戰(zhàn)略目標(biāo)，他們會在九個關(guān)鍵環(huán)節(jié)設(shè)下鎖鏈：

算力與根信任：通過指令集、加速棧、安全芯片、遠(yuǎn)程證明與安全啟動鏈，鎖住“能不能跑、跑在哪里、誰說了算”。

密碼學(xué)與密鑰治理：通過加密算法標(biāo)準(zhǔn)、KMS/HSM、跨域密鑰托管，鎖住“誰能解密、誰能審計”。

數(shù)據(jù)主權(quán)與身份權(quán)限：通過數(shù)據(jù)分級、零信任/ABAC、跨域共享網(wǎng)關(guān)，鎖住“誰可見、誰可改、何時可流動”。

語義本體與標(biāo)簽體系：通過統(tǒng)一的領(lǐng)域本體和標(biāo)簽?zāi)Ｊ剑i住“世界被如何切分與命名”，即模型的意義坐標(biāo)系。

訓(xùn)練與評測協(xié)議：通過訓(xùn)練數(shù)據(jù)許可、清洗準(zhǔn)則、評測基準(zhǔn)與安全卡尺，鎖住“模型學(xué)什么、什么算好”。

推理與工具調(diào)用邊界：通過工具目錄、作用域、費(fèi)控與聯(lián)網(wǎng)策略，鎖住“模型能做什么、能調(diào)用誰”。

部署與更新通道：通過模型注冊表、版本控制、熔斷與回滾機(jī)制，鎖住“誰能改它、何時改、改了可否撤”。

采購與合規(guī)適配：通過采購白名單、認(rèn)證體系、審計模板，把“適者”的定義直接寫進(jìn)招標(biāo)評分表。

聯(lián)盟與條約標(biāo)準(zhǔn)：通過跨國數(shù)據(jù)/安全協(xié)定、行業(yè)或軍標(biāo)互認(rèn)、共同威脅模型，把技術(shù)規(guī)則固化為長期的政治承諾。

在這一整套設(shè)計里，AI 已經(jīng)不只是運(yùn)算系統(tǒng)，而是被當(dāng)作文明操作系統(tǒng)的一部分——鎖得越深，未來越難逃出他們設(shè)定的框架。

數(shù)據(jù)平臺，以及人類社會中推演過的最強(qiáng)數(shù)據(jù)平臺：智子

很多概念，你可以去查維基百科，可以去問 AI，但人的固有限制在于——很難想象自己從未親歷過的東西。這也是頂級科幻的魅力所在：它不是幻想，而是預(yù)言。

在人類社會曾經(jīng)推演過的最強(qiáng)數(shù)據(jù)平臺原型中，有一個名字足夠壓場——智子。

大劉的手筆，不服來戰(zhàn)。

我打算把你直接帶進(jìn)三體人的視角，來解析這個數(shù)據(jù)平臺——我認(rèn)為這是下一個重要科技范式的雛形。當(dāng)你的思維能與三體文明對齊，再回頭看人類后來造出來的那些平臺，那不就是蟲子么。

人類能想象到的頂級計算機(jī)與傳感器合體形態(tài)：智子

質(zhì)子高維展開——刻蝕電路成為智能機(jī)器

“三體世界利用‘智子’技術(shù)——將單個質(zhì)子從九維展開至二維，并在其二維結(jié)構(gòu)上刻蝕電子線路，使其變成一種智能計算機(jī)器人。智子具備自由收縮與展開維度的能力，最多可展開至十一維，從而在高維環(huán)境中獲得人工智能。”

智子是一個跨維度的人工智能，計算與感知合為一體，且維度高度直逼宇宙可能的極限——十一維。

分布部署與實時通信

“在三體世界制造出四個智子后，分為兩對。一對以近光速送往地球，另一對則留在三體世界作為通訊工具。即使智子相隔數(shù)光年，也能實現(xiàn)瞬間通信。”

最簡單粗暴、最反直覺的解決方案——直接用量子糾纏，干掉了宇宙中最難的無損通訊難題。相對論和光速都不用考慮了。

傳感與計算一體——無死角監(jiān)控與信息采集

“智子可以自由展開或收縮到任意維度，這使得它能以超高速讀取任何人類資料、書籍或計算機(jī)存儲內(nèi)容——雖然不能侵入人類思維，但幾乎能掌握全部的外在信息。”

這是一臺跨維度的“傳感–計算–執(zhí)行”一體機(jī)，不僅覆蓋整個地球的信息空間，還能在量子尺度下實現(xiàn)零延遲、零遺漏的全景感知。

• 智子與三體母艦隊的核心計算形成的數(shù)據(jù)平臺

智子與三體母艦隊的核心計算母體結(jié)合，構(gòu)成了一個龐大的數(shù)據(jù)平臺系統(tǒng)。這是人類目前所能想象到并在理論上成立的最強(qiáng)數(shù)據(jù)平臺形態(tài)——在科幻世界中，它將數(shù)據(jù)平臺的三大極限能力——采集、計算、執(zhí)行——推至理論終點(diǎn)。

它的優(yōu)勢體現(xiàn)在三個方面：在采集上，它能在全星球范圍同時監(jiān)聽并解析來自電磁波、物理事件、生物信號和數(shù)字痕跡等海量異構(gòu)信號，實現(xiàn)零死角覆蓋、毫秒級感知，并在信號生成的瞬間自動標(biāo)注語義；在計算上，它可以對全量數(shù)據(jù)實時壓縮、建模、推演和預(yù)測，通過多維壓縮、全局推演和跨領(lǐng)域關(guān)聯(lián)，將不同來源的數(shù)據(jù)統(tǒng)一成可調(diào)用的結(jié)構(gòu)單元，并在高維數(shù)學(xué)空間中完成自適應(yīng)優(yōu)化與預(yù)測閉環(huán)；在執(zhí)行上，它不僅能提出決策建議，還能直接在信息流、物理環(huán)境乃至宏觀系統(tǒng)中實施精確干預(yù)，做到隱形、精準(zhǔn)、即時反饋，確保每一次執(zhí)行結(jié)果都能反哺下一輪優(yōu)化。

這種能力，用一個拉丁詞來概括就是“Omni全能”——Omni-Ingestion（全能采集）、Omni-Compute（全能計算）、Omni-Action（全能執(zhí)行），全能且極致。

智子本身并不是三體文明的主計算中心，而是一個超高靈敏度的分布式感知與執(zhí)行單元。它主要承擔(dān)就近采集、預(yù)處理和即時干預(yù)的任務(wù)，在二維表面刻蝕的超級計算機(jī)級邏輯電路為其提供一定的本地計算力，用于數(shù)據(jù)初步壓縮、模式識別與篩選，更多扮演邊緣計算節(jié)點(diǎn)的角色，以減少傳回母星的原始數(shù)據(jù)量。

母船或母星上的核心處理器則是全局計算、深度推演與戰(zhàn)略決策的中心，接收多個智子節(jié)點(diǎn)的實時數(shù)據(jù)流，憑借文明級的算力運(yùn)行全星際范圍的模擬與推演，相當(dāng)于整個三體文明的“云端大腦”。

二者之間通過量子糾纏級的通信鏈路保持幾乎零延遲同步。智子可以即時將采集到的數(shù)據(jù)“透傳”到母星中央處理系統(tǒng)，由后者完成全局計算，再將執(zhí)行指令回傳智子執(zhí)行。這種模式類似超低延遲的遠(yuǎn)程調(diào)用（RPC）：智子負(fù)責(zé) request（數(shù)據(jù)采集與執(zhí)行），母船處理器負(fù)責(zé) process（全局運(yùn)算與策略輸出）。

若用現(xiàn)實的系統(tǒng)架構(gòu)類比，智子就像高靈敏度傳感器與邊緣計算節(jié)點(diǎn)的結(jié)合體，母船處理器則如同集中存儲、統(tǒng)一調(diào)度、全局優(yōu)化的云端超算集群，而量子糾纏信道則是一條延遲遠(yuǎn)超光纖能力的通信鏈路。簡言之，智子是三體文明的分布式全感知探針和即時干預(yù)器，母船/母星處理器是它背后的全局大腦——智子將宇宙中的每一縷信號捕捉并壓縮到極致，交由母船完成文明級計算與決策，然后將指令瞬時回傳并精確執(zhí)行。

• 一個重要的認(rèn)知：就算是智子也無法預(yù)知未來

劉慈欣在設(shè)定智子時，并沒有讓它突破我們現(xiàn)有的時空觀（也不應(yīng)該突破），所以智子所采集的數(shù)據(jù)，在被捕獲的那一刻，確實已經(jīng)真實存在于外部世界。它不是去“預(yù)測”未來，而是“讀取”當(dāng)下已發(fā)生或正在發(fā)生的信號——這點(diǎn)認(rèn)知非常關(guān)鍵。智子不能直接讀取未來，它并不具備超時空預(yù)知的功能，它的強(qiáng)大在于零延遲與零遺漏，而不是時間旅行。

雖然智子并不預(yù)測未來，但有三個特征，讓人類誤以為它“無所不知”：其一，采樣密度極高，對某個事件的觀測頻率和分辨率遠(yuǎn)超人類的任何儀器；其二，覆蓋面無限，無論實驗室、海底、極地還是戰(zhàn)場，它都能同時采集；其三，回傳零延遲，三體文明獲取數(shù)據(jù)的速度幾乎與事件發(fā)生同步。于是，當(dāng)人類還在緩慢匯總信息時，三體人已經(jīng)得出結(jié)論并采取了行動，這種時間差讓它看起來像是“提前知道”。

我在這里要向屏幕前的你眨一下眼——這點(diǎn)很重要。這條鐵律不僅劉慈欣明白，任何有頭腦的人都該明白：再智能的系統(tǒng)，都會被綁定在這個時空規(guī)則之下，哪怕它看起來多么像個神婆。如果一個系統(tǒng)擁有全球傳感器網(wǎng)絡(luò) + 低軌衛(wèi)星群 + 實時云計算，能在毫秒級獲取并處理全地球的變化，那么對于被監(jiān)控的一方而言，它就仿佛“提前一步知道一切”，盡管技術(shù)上，它只是在第一時間獲取了已發(fā)生的數(shù)據(jù)。

放心，未來你還是要懵的，還是有人會拿這種技術(shù)忽悠大眾。

• 策略如何生成

回到我們整個系列的主題——咨詢業(yè)。策略到底是怎么生成的？誰來制定？是拍腦袋拍出來的，還是基于證據(jù)和數(shù)據(jù)推演的？我們不妨換個角度，帶入三體人的視野去思考。三體人的整體目標(biāo)顯然是由他們自己決定的——殖民地球，這是一個宏大得驚人的戰(zhàn)略目標(biāo)，同時又伴隨著無數(shù)不確定變量。聽上去很遙遠(yuǎn)？別驚訝，現(xiàn)實中全世界大多數(shù)公司的目標(biāo)也好不到哪里去：賺錢。

那么，三體人要實現(xiàn)“殖民地球”這個終極目標(biāo)（就像地球企業(yè)要“賺錢”），他們的具體戰(zhàn)略、策略和每日行動清單又是怎么制定出來的呢？答案就是一個嚴(yán)密的人機(jī)協(xié)同閉環(huán)——智子平臺的策略執(zhí)行流程。

在這個體系中，第一階段是情報感知：智子作為分布式前端節(jié)點(diǎn)，全頻段采集微觀粒子、宏觀環(huán)境和人類社會活動的多模態(tài)信號，完成去噪、特征提取和優(yōu)先級初篩。

第二階段是數(shù)據(jù)回傳與集中分析：通過量子糾纏信道將高優(yōu)先級情報瞬時傳回母船，由母船超算整合全局?jǐn)?shù)據(jù)，形成完整態(tài)勢圖并識別威脅與機(jī)會。

第三階段是任務(wù)生成：母船戰(zhàn)略AI根據(jù)態(tài)勢圖生成多種可操作方案，附帶概率評估與資源消耗模型；

三體戰(zhàn)略委員會（Human-in-the-Loop）則基于文化與心理預(yù)判進(jìn)行篩選、修改與組合，最終將選定方案拆解成可執(zhí)行的微任務(wù)分配到各智子節(jié)點(diǎn)。

第四階段是任務(wù)執(zhí)行：智子在目標(biāo)位置即時干預(yù)、協(xié)同作業(yè)，并在必要時本地自主應(yīng)對突發(fā)情況，無需等待母船指令。

第五階段是反饋回收與閉環(huán)：執(zhí)行數(shù)據(jù)實時回傳，母船AI對比預(yù)期與實際，修正全局模型；三體戰(zhàn)略官員則進(jìn)行文化與心理層面的復(fù)盤，決定是否啟動下一輪任務(wù)生成，從而形成持續(xù)優(yōu)化的戰(zhàn)略閉環(huán)。

一句話總結(jié)：智子策略執(zhí)行是一個五階段的閉環(huán)——感知 → 分析 → 任務(wù)生成 → 執(zhí)行 → 反饋優(yōu)化——AI負(fù)責(zé)規(guī)模化計算與調(diào)度，三體人負(fù)責(zé)文化與風(fēng)險決策，而量子糾纏通信則確保這一切以零延遲在全局同步。

• 人在回路 Human in the loop

人在回路，是任何強(qiáng)大數(shù)據(jù)平臺的底層邏輯。AI 可以提供多種可行方案與預(yù)測結(jié)果，但真正的策略裁剪，仍需三體人基于文化與心理的判斷來完成，隨后由智子進(jìn)行高精度、隱形的執(zhí)行，全局系統(tǒng)則持續(xù)監(jiān)測并迭代策略。這是最基礎(chǔ)的原則——也是以后很多人會弄不明白的地方。隨著科技的發(fā)展，會有無數(shù)聲音告訴你“AI 可以全決策”，但連三體人都不敢把一切全權(quán)交給 AI，你敢全撒手...

舉個例子，在一次針對地球量子計算研究的行動中，流程是這樣的：首先，情報感知階段，某國實驗室在量子計算芯片材料實驗上取得了突破性結(jié)果，智子通過監(jiān)測實驗設(shè)備參數(shù)變化與論文草稿的數(shù)字痕跡，確認(rèn)研究團(tuán)隊即將提交專利申請。

接著是數(shù)據(jù)回傳與分析，智子將實驗參數(shù)、人員名單、論文初稿及社交媒體暗示等數(shù)據(jù)零延遲回傳母船，母船 AI 推演得出結(jié)論：若研究順利推進(jìn)，該國三年內(nèi)將獲得可顯著加速人工智能訓(xùn)練的芯片技術(shù)，對三體的長期科技封鎖戰(zhàn)略構(gòu)成威脅。

進(jìn)入任務(wù)生成階段，AI 提出三種干預(yù)方案：一是直接干擾實驗數(shù)據(jù)，使結(jié)果不可復(fù)現(xiàn)；二是制造學(xué)術(shù)爭議，讓團(tuán)隊內(nèi)部產(chǎn)生分歧；三是引導(dǎo)資金和政策轉(zhuǎn)向其他領(lǐng)域。

此時，三體戰(zhàn)略官員介入，基于人類心理與文化判斷，選擇了方案二與三的組合，既避免暴露技術(shù)干預(yù)痕跡，又能長期消磨研究動力。隨后在任務(wù)執(zhí)行中，智子節(jié)點(diǎn)悄無聲息地在關(guān)鍵數(shù)據(jù)文件中引入微小的測量偏差，同時監(jiān)控團(tuán)隊郵件系統(tǒng)，在合適的時間向部分核心成員匿名泄露“質(zhì)疑性”數(shù)據(jù)；另一組智子則向媒體與科研政策圈投放引導(dǎo)性信息，強(qiáng)調(diào)其他研究方向的“更大前景”，制造資金分流壓力。

兩個月后，在反饋閉環(huán)階段，該實驗團(tuán)隊因數(shù)據(jù)不一致與方向爭議暫緩實驗，研究經(jīng)費(fèi)被重新分配。智子將這一結(jié)果回傳母船，AI 評估策略成功率，并將此模式標(biāo)記為適用于“非直接技術(shù)封鎖”類任務(wù)。

這才是一個完美的策略閉環(huán)。雖然三體的中央計算系統(tǒng)擁有極高的智能，但他們的目標(biāo)不只是物理層面的勝利，還包括心理戰(zhàn)、文化戰(zhàn)、政治干預(yù)等復(fù)雜博弈。這些領(lǐng)域里，人類社會的非理性、情緒驅(qū)動與文化符號體系并不完全符合三體的認(rèn)知模型，因此必須保留人工判斷環(huán)節(jié)，以防 AI 在戰(zhàn)略執(zhí)行中出現(xiàn)“符號偏差”。這種宇宙級的認(rèn)知同樣適用于任何人工智能的應(yīng)用場景。

你要把這篇文章讀到這個地步，你已經(jīng)大概看懂了Palantir 的邏輯（三體人都被你看穿了）。

Palantir的本體Ontology

Web 2.0的拐點(diǎn)

終于要談到這個問題了。隊友看了我的推文，只能無語，因為他太清楚我說話總是繞很久的鋪墊，這是我長期文學(xué)閱讀留下的習(xí)慣，導(dǎo)致上下文冗長龐大。他則完全相反，說話從不鋪墊，只有幾個字，因此我也常常聽不懂。多年以后，如果我們回頭來看這幾年，也許正是 Web 2.0 的拐點(diǎn)時刻。為什么？我早就說過 App 賣不動了；搜索引擎大家都明白了，遇到問題直接去問 AI；社交媒體呢，我的朋友圈幾乎沒什么人說話了，小扎焦急到處砸錢折騰他的 AI。種種跡象，都是 Web 2.0 生態(tài)走到盡頭的拐點(diǎn)。而我們正壓著一個舊生態(tài)，思考下一個生態(tài)的交互模式會是什么樣，盈利邏輯又會如何。其實根本不用繞那么麻煩——看誰的股價在飆升不就知道了嗎？Palantir 就是最鮮明的例子。從這一貼開始，我們就該好好探討“本體”與“數(shù)據(jù)平臺”的問題了（這次認(rèn)真，不跑題）。

在深入之前，我得先說明白我理解中的本體哲學(xué)——數(shù)字孿生。這個世界本身是混亂的、高熵的。人類表面上看不過是一堆蛋白質(zhì)、有機(jī)物構(gòu)成的高等脊椎動物，但其層次之復(fù)雜遠(yuǎn)遠(yuǎn)超乎想象。人與人之間有錯綜的關(guān)系：父母、夫妻、朋友，也有仇敵；人與國家有國籍紐帶；人與組織有雇傭與消費(fèi)的關(guān)系——白天上班屬于一個組織，下班買東西進(jìn)入另一個組織。這些關(guān)系、角色、狀態(tài)交織在一起，動態(tài)疊加，構(gòu)成了幾乎無限的狀態(tài)空間，窮盡整個宇宙的算力恐怕也無法徹底建模。

然而，人類卻在這個高熵宇宙之上，構(gòu)造出了一個全新的符號宇宙。它既是現(xiàn)實的鏡像，又與現(xiàn)實完全不同：語言即世界。在這個以二進(jìn)制為底座的符號宇宙里，算力幾乎無限（而且還在指數(shù)級增長），溝通沒有延遲，沒有損耗，信息傳遞的效率可以接近 100%。于是我們可以把高熵、復(fù)雜、立體的現(xiàn)實壓縮簡化，映射為一個二維宇宙里的“本體”——數(shù)字孿生。它確實會損失很多立體的信息，就像把一個真實的人壓縮成像素人，但與此同時卻獲得了無與倫比的計算能力和瞬時溝通的能力。這個數(shù)字孿生，就是我們可以用來構(gòu)建任何現(xiàn)實投影的“世界模型”。

這就是本體的核心哲學(xué)。它極具哲學(xué)性，同時又忠實映射了“Ontology”一詞的本義。

這與我提出的“語言即世界”的理念高度一致：通過數(shù)字監(jiān)控、數(shù)字建模和數(shù)字模擬，用最小的符號信號去捕捉最大化的真實世界信息。真實世界確實存在，但其復(fù)雜性使之不可窮盡地計算；虛擬世界雖然只是投影，但它卻極度可算。這正是我做投資應(yīng)用和一切推演工作的基礎(chǔ)：只通過監(jiān)控語言信號，就能推算出更多潛在信息，方法上頗有貝葉斯的意味。或許，所謂的本體才是真正值得我們期待的 Web 3.0（無意冒犯）。

Ontology 可以說是“數(shù)據(jù)庫…but much more“

我本人并沒有直接操作過 Ontology 的界面，目前的學(xué)習(xí)資料需要 Foundry 的權(quán)限，而我顯然沒有。但憑借計算機(jī)理論知識，再結(jié)合已有資料，可以大致推演其構(gòu)成。任何技術(shù)都有原型，任何發(fā)明都立足于前人的探索。就像滑翔機(jī)的靈感來自鳥類，人類早期的飛行幻想也是原型。因此，從技術(shù)演化的角度看，Ontology 不是憑空出現(xiàn)，而是數(shù)據(jù)庫的自然延伸，但它更像是數(shù)據(jù)庫進(jìn)化出的新層級。

首先，它是延伸。 Ontology 的基石依舊源于數(shù)據(jù)庫：對象（Object Type）像表（Table），有字段和屬性；關(guān)系（Link Type）類似外鍵/ER 關(guān)系，描述對象間的連接；實例（Instance）就是具體的行（Row），存儲單條數(shù)據(jù)。Ontology 必須依托存儲與索引而存在，所以它確實延續(xù)了數(shù)據(jù)庫的邏輯。

其次，它是超越。 如果只把 Ontology 看作數(shù)據(jù)庫的加強(qiáng)版，那就低估了它。Ontology 帶來了數(shù)據(jù)庫 Schema 不具備的能力：它有語義層，可以定義“世界觀”，讓對象不只是數(shù)據(jù)容器，而是現(xiàn)實中的角色；它有動作與規(guī)則，把邏輯直接寫進(jìn)對象，結(jié)構(gòu)即應(yīng)用；它有接口與多態(tài)，使不同對象共享接口并統(tǒng)一調(diào)用，類似面向?qū)ο笤O(shè)計；它有內(nèi)嵌的權(quán)限治理，不止于庫/表/字段，而是精確到“在什么條件下誰能對哪個對象執(zhí)行什么動作”；它還有對象視圖，把對象直接投影為應(yīng)用界面，不必再額外開發(fā)中間層。

我們再重復(fù)看一下這個演化鏈條

技術(shù)發(fā)展清晰地表現(xiàn)出一條路徑：第一階段是文件系統(tǒng)，只能存字節(jié)，沒有結(jié)構(gòu)；第二階段是數(shù)據(jù)庫與 Schema，用表和字段保存結(jié)構(gòu)化數(shù)據(jù)，可以查詢，但只能描述數(shù)據(jù)；第三階段是知識圖譜/本體，把語義和關(guān)系網(wǎng)絡(luò)疊加上去，可以進(jìn)行推理；第四階段是執(zhí)行性本體（如 Palantir Foundry），不僅有語義和關(guān)系，還加入動作、權(quán)限與應(yīng)用接口，讓結(jié)構(gòu)成為運(yùn)行時的世界模型。它不再是數(shù)據(jù)庫的簡單“++”，而是一個新的層級，可以被理解為 數(shù)據(jù)庫 × 世界觀 × 運(yùn)行時。

一句話總結(jié)：Ontology 起源于數(shù)據(jù)庫，是 Schema 的延伸，但它的本質(zhì)是數(shù)據(jù)庫的語義化與執(zhí)行化。數(shù)據(jù)庫關(guān)心“怎么存”，Schema 關(guān)心“存成什么形狀”，而 Ontology 關(guān)心的是“這個形狀在世界中代表什么，以及它能做什么”。