文/ 徐鹏 于晓燕 栾晓曦
清华大学互联网产业研究院
引言
企业因何存在，又当以本体重新出发
经济学家罗纳德·科斯在《企业的性质》（1937）中给出一个至今仍成立的判据：企业之所以出现并持续存在，是因为把分散的市场交易关系内化为统一的协调机制之后，内部的协调成本显著低于外部市场的交易成本。这个判据点明了企业本质的基本事实是为降低交易成本而内聚的存在。它把人力、资金、物资、技术、数据、智能体等资源要素以及外部生态合作伙伴，收拢进一个可被统一协调的边界之内，以层级、流程和契约紧密集成，而替代一次次的市场议价。
当前，人工智能与数智化平台的出现正在系统性地压低企业的一类成本：信息的不确定性、系统之间的接口摩擦、决策的时延、跨主体的博弈损耗。当这些成本被持续降低，企业原本需要外购的交易便有了内化的可能，更多要素得以被统一调度，企业边界也随之向外推移。
可以说，交易成本解释了企业为何存在，被内化的要素回答了企业存在什么，而本体建模解决的是资源要素如何协调。本体论是把这些被内化的要素统一建模、统一协调的语义基座，存在被结构化，存在者被认知与治理。因此，我们可以将企业看待为以本体论为基座、以数智化体系为骨架、以智能体为新型生产要素，为持续降低交易成本而动态演化的存在。
本体论原本是一个哲学概念，我们首先从东西方不同视角来解读。
西方哲学对本体（Ontology）的定义和构建，为企业资源建模提供了最直接的工具：边界、实体与对象化方法。亚里士多德以“是其所是”定义本体，把实体理解为凭借自身而非偶然属性而存在的东西；他进一步用潜能与现实刻画变化——资源在未被调度时只是潜在的产能，经由协调被激活才成为现实的产出。这一概念恰好对应企业资源的真实状态：闲置的设备、未被调用的数据、尚未编排的智能体，都是潜能，只有当它们被纳入一个统一的语义结构并施以行动，才转化为现实。
笛卡尔的心物二元则提醒我们，人与机的协作不可能天然统一。心灵与广延是两个异质的存在域，如果缺少一个更高层的统一语义层来桥接，人机协作将是两张皮——机器读不懂人的意图，人也难以审计机器的决策。海德格尔则更进一步推进：他区分存在与存在者，主张存在先于存在者，人首先是在世界之中存在，而不是先有一堆孤立的物再谈关系。对企业而言，这意味着应当优先回答我们作为何种存在而行动，再去定义要素与流程；工具只有在被使用的时候才体现了价值，一旦被孤立审视便退化为待处理的对象。卢西亚诺·弗洛里迪的信息哲学则把讨论推进到当代：他提出了第四次革命，认为信息是世界本体论的基本层面，存在者的结构本质上是信息的结构。这为数据成为重要的生产要素提供了哲学合法性——当世界以信息的方式被把握，企业的资源规划自然要从管物转向管信息。
中国传统的本体论不以孤立实体为首要概念，而是以关系、理、过程与生成为要。《大学》以格物致知为根基，主张认知与存在在根本上统一。朱子主张即物穷理，认为一草一木皆有其理，今日格一物、明日格一物，积久自能豁然贯通；他强调的是客体之理可被穷尽，认知是向外穷究的过程。王阳明则主张心即理、格物即正其不正以归于正，把主体的良知与客体的理合而为一，认知在主体与客体的互动中完成。两者殊途同归于一点：理在物中，认知事物即是认知存在的结构。
格物致知对应到企业场景，格物便是把人力、资金、物资、技术、数据、智能体以及外部合作伙伴逐一本体化建模，使自在信息转为自为信息；致知便是经由本体层生成洞察与决策。格物致知因此既是认识论，也是本体论——它不是一个启发式的方法论建议，而是一种关于存在如何被结构化认知的根本立场。
我国学者邬焜提出了“信息本体论”，提出信息是世界除物质、精神之外的第三存在，并区分为自在、自为、再生三个层次。自在信息是客观世界未经主体摄取的原始状态，对应未被采集的原始数据；自为信息是主体对自在信息的反映与摄取，对应被采集、结构化、本体化的数据；再生信息是主体在自为信息基础上重构创造出的新信息，对应经人以及人工智能加工生成的洞见、决策与新方案。
这个三阶框架的价值，在于把格物致知转译为可度量的信息转化工程。当企业的原始数据（自在）被本体化（自为），再经智能体生成决策（再生），一条清晰的数据价值化路径就建立起来了。它同时赋予了数据要素化与智能体认知以本体论合法性：数据不是流程的副产品，而是第三存在的一种形态；智能体不是外挂的自动化脚本，而是可以再生信息的主体。
企业作为存在的场域，在智能经济时代有几类关键的资源要素。人力是主体性存在，是决策与责任的承担者；资金是价值流，是资本与资金的循环；物资是物理实体，是设备、厂房与物料；技术是能力载体，是工艺、专利、模型与算法；数据是信息载体，是数据、指标与知识；智能体是能够感知、决策并自主行动的“数字员工”。这六类主要要素在企业中并非孤立堆叠，价值恰恰来自它们之间的链接、交互与协同——一台闲置设备本身不产生价值，只有当它经由被分配至某工单的链接、与排产计划的数据、操作技能的能力相协同，才转化为产出。这正是本体论的对象—链接—动作范式优于传统实体—属性模型的根本原因。
这些要素之外，企业还要面对大量外部存在者：供应商、客户、生态伙伴、公共数据、第三方智能体、算力云。在本体论的视野中，它们经由语义层统一接入，成为可被统一协调的对象。企业边界因此在生态层面继续消融，外部交易成本被持续内化为内部协调成本。
要素在企业中的真正价值体现，是依靠本体层的语义连接，而非行政层级与手工接口。传统的数据建模以实体和属性为中心，关系往往被拆散到外键与关联表里，难以被整体推理。本体建模把关系本身作为有类型、有属性、可追踪的对象，使得供应商延迟交付不再只是一行状态更新，而是一条携带严重程度、服务水平协议与影响范围的链接，能够直接触发排产调整与风险预警。
这种建模方式本质上是把外部交易成本进一步内化为内部协调成本的工程操作。借鉴 Palantir Ontology 的思路，企业把内外对象统一建模为对象—链接—动作，形成一个所有应用共享的单一事实源。当供应链、生产、财务、客服都面向同一个本体读写，数据孤岛便失去了存在的土壤，决策也得以建立在一致的事实之上。
抽象的本体理念要落地，必须有一套可执行的工程规程。这套规程分三步推进，最终目标是建成可约束、可演化、可推理的业务模型。
第一步是粒度（或最小单元），即识别对象、关系、事件、状态四类基本存在者，把企业的物理结构拆解为可枚举的实体。以一家制造企业为例，对象包括设备、订单、操作员；关系包括被分配至、供给于；事件包括故障、派工；状态包括空闲、运行。在储能系统的供应链中，定义出最小单元（MPU），作为可独立计划、调度、采购与交付的原子对象。它向上聚合为项目、批次与合同，向下锚定到设备与物料，以驱动需求识别、采购执行到安装验收全周期中管理实体的结构化治理。这一步回答的是我们要建模什么，是把混沌的现实投射为可处理的本体词汇表。
第二步是语义边界与判定，明确每一类对象的身份条件、分类规则、状态规则与关系判定规则，并区分角色与类型。类型相对稳定，一台机床在资产台账里始终是设备；角色则随境而变，同一台机床在某工单中是执行者，在维修计划里是被维护对象。若不区分二者，系统会把临时关系误写入固定类型，推理便会失真。这一步是穷理的判定工程，决定了本体能否在边界处正确区分这是同一个东西还是这是同一类东西。
第三步是运行秩序，让静态模型活起来。它包括四件关键的事：其一是关系实体化，把供应商延迟这类关系本身建模为可追踪的对象，使其带有时效、严重度与处置记录；其二是硬约束与规则之分，前者由结构强制保证，例如产量不得超过产能，后者作为建议性指引；其三是事件演化，用状态机刻画对象随事件推进的生命周期；其四是时间建模，为每一个事实标注有效时段，避免用过期数据做当下决策。以产量变更审批为例：把工单数量与产线产能之间的约束建模为一条高优先级的关系，系统在批准变更前便可自动核验可行性，而无须依赖一份事后维护的规则清单。这一步是格物致知通向可运行语义层的工程化关键。
尤其需要注意的是第三步所确立的约束，不应当是被事后审计的围栏，而应当内生于业务结构本身。当约束来自产量—工单—产能的真实关系，而非一个硬编码的阈值，治理才具备可演化、可推理的根基。内生于结构的约束会随数据流动，与对象共生——产能变化了，产量上限自动随之变化，无需人工同步两份文档。这既是建模的终点，也是从建模通往治理的桥梁：一个能被结构自身约束的本体，天然就具有可控性。
把这套建设方法产品化、平台化，便是通向 Palantir 所代表的可行动企业操作系统。
Palantir 的核心主张是：本体不是被动的知识图谱，而是把数据、系统、人与决策连为一体的中央神经系统。知识图谱擅长存储与查询事实，却止步于知道；本体进一步绑定了逻辑、动作与决策，直达行动。在其中，对象是有明确标识的业务实体，链接是承载理的关系，动作是能够改变现实世界的受控操作，而单一事实源确保所有应用共享同一套事实，从根上杜绝数据孤岛。
这与格物致知高度同构：建模对象与链接即是格物，生成洞察并以动作改变世界即是致知，区别只在于 Palantir 把这套治学之道工程化、产品化了。对企业而言，这意味着本体不再是文档里的一张图，而是生产系统真正运行其上的一层语义基础设施。
Palantir 对本体的定义是把一个运营决策严格解构为四个密不可分的组件。企业的任一决策都由数据（Data）、逻辑（Logic）、行动（Action）、安全（Security）四要素共同构成：数据是被用来做决策的信息；逻辑是评估一项决策的启发式规则与计算过程；行动是对所选决策加以编排与执行；安全则是确保决策始终符合运营策略与权限约束的保证。本体正是把企业的数据、逻辑、行动与安全策略整合进一个可缩放、动态、人机协同的语义层——它代表的不仅仅是数据，而是数据之上的决策。落到建模原语上，数据以对象、属性与链接的形式呈现，行动以动作的形式呈现，逻辑由业务规则、机器学习模型、优化器与 LLM 函数承载，而安全把权限策略织入对象、链接、动作与函数每一个语义与功能原语之中。
在这四要素之上，Palantir 以 Interface（接口）实现跨对象的一致建模。按其官方定义，Interface 是一种本体论类型，描述某个对象类型的外形及其能力：它声明接口属性、链接类型约束与动作类型约束，并由若干对象类型去实现。因此，接口把能力封装为契约，而契约的每一次调用都被安全策略界定、被审计追踪。归纳、演绎、溯因、实践四种推理方式在这一层协同支撑可信决策，可理解为逻辑层不同形态计算载体的认识论归属：从数据归纳模式，从规则演绎结论，从异常溯因根因，在行动中积累实践，形成闭环执行与决策的可信。
在这个过程中，数据网络效应决定了本体平台接入越广、价值越高、迁移成本越大。当本体成为企业的操作系统，切换它的代价极高。正因如此，越是复杂、关键、高风险的决策场景，越需要可行动的本体，而非散点式的人工智能。Palantir 的 AIP 把大模型接入本体，让智能体在受本体约束的世界中行动，这正是将智能体作为资源加以管控的思维。
我们在前面提到了，企业的本体建模首要要解决的是资源要素如何协调和规划。下面我们先回顾企业资源规划的发展历史。
二十世纪的企业资源计划（ERP）承接了 MRP、MRP II 的脉络，核心是管物与流程，把物料、产能、财务统一进一个计划体系，降低的是内部物与流程的协调成本。进入数字时代，数据资源规划（DRP，Data Resource Planning）把管理的对象从物转向数据，核心是管数据与数字资产，降低的是信息的交易成本。当下，智能体资源规划（ARP，Agent Resource Planning）把管理的对象进一步升维到智能体，核心是管智能体与自主行动，降低的是委托—代理风险——过去把任务交给人或外包方，要承担监督与对齐的成本，而把任务交给受本体约束的智能体，这类风险被结构性地压缩。
从 DRP 到 ARP 的理论体系，其底层判断是：当数据跃升为重要的生产要素，资源规划的客体便从物转向数据，规划逻辑也由流程驱动转向资产驱动。DRP 正是数据要素化的规划框架，它把数据从业务流程的附属物，提升为可盘点、可确权、可估值、可流通的重要资产——ERP 管流程，DRP 管资产，二者以本体语义层为基座叠加，而非相互替代。
DRP 是站在数据要素市场的角度，以产业链为单位，考察链上数据资源的一体化运营的体系规范，其应用级包含业务数据化、数据资源化、数据资产化、数据产品化四个递进阶段，核心机制是数据的产品化和产品的数据化。在此框架下，企业推进 DRP 的关键工程动作至少包括：一是数据资产入表，在财务口径上确认数据资产价值，使其进入资产负债表；二是数据产品化，把数据封装为可复用的内部或外部产品，让数据像零部件一样被调用；三是建设数据要素市场，这不仅包含企业内部数据市场，而且扩展到产业链的数据可信流通，以实现企业在合规前提下数据的按需流通。这些动作依托产业互联网可信底座、数据治理平台、数据目录、数据血缘与数据编织等能力，使自为信息得以持续再生、可被信任。
ARP 是 DRP 的自然延伸：当智能体成为可调度、可核算、可治理的新型生产要素，资源规划的客体便从数进一步升维到智。ARP 对智能体施以四维规划：规划维度决定哪些业务域可由智能体承担、人机如何分工；调度维度负责智能体编队与算力、词元预算的弹性分配；治理维度约束权限、可解释性与责任归属；核算维度则对成本、产出与 ROI 做闭环计量。
由此，从 ERP 到 DRP 和 ARP 构成一条清晰的演进链：从管物、到管数、再到管智，企业把越来越活的生产要素纳入同一语义基座下的资源规划。当管物、管数、管智在本体基座上贯通，DRP 在管数上承接格物，ARP 使致知经由智能体自主展开，使得企业的形态也将随之发生根本转变。
《中华人民共和国国民经济和社会发展第十五个五年规划纲要》将“提升数智化发展水平”单独成篇，明确指出：“把握数字化、网络化、智能化发展大势，充分发挥我国数据资源丰富、产业体系完备、应用场景广阔优势，激活数据要素潜能，加快数智技术创新，深化拓展‘人工智能+’，赋能经济社会发展和治理能力提升，促进生产方式深层次变革和生产力革命性跃迁”，这明确的刻画出了面向智能时代的新型企业形态。
这样的企业形态，人工智能有能力再度压低交易成本，企业边界也将再次扩张。但是能否把扩张的边界化为可治理、可行动、可信赖的生产力，关键在于企业是否真正建成格物致知式的企业级本体，这既承接科斯关于企业为何存在的经典之问，也回应十五五关于新质生产力的时代之需。
参考文献
[1] 科斯. 企业的性质[M]. 盛洪, 陈郁等译校. 企业、市场与法律. 上海: 上海三联书店, 1990.
[2] 亚里士多德. 形而上学[M]. 吴寿彭译. 北京: 商务印书馆, 1959.
[3] 笛卡尔. 第一哲学沉思集[M]. 庞景仁译. 北京: 商务印书馆, 1986.
[4] 海德格尔. 存在与时间[M]. 陈嘉映, 王庆节译. 北京: 生活·读书·新知三联书店, 1999.
[5] 弗洛里迪. 第四次革命: 人工智能如何重塑人类现实[M]. 王文革译. 杭州: 浙江人民出版社, 2016.
[6] 朱熹. 四书章句集注[M]. 北京: 中华书局, 1983.
[7] 王阳明. 大学问[M]. 吴光, 钱明, 董平, 等编. 王阳明全集: 第5册. 上海: 上海古籍出版社, 2015.
[8] 邬焜. 信息哲学-理论、体系、方法[M]. 北京: 商务印书馆, 2005.
[9] 朱岩, 韩爱生. 数据资源规划[M]. 北京: 清华大学出版社, 2025.
[10] PALANTIR. Why create an Ontology?[EB/OL].[2024]https://www.palantir.com/docs/foundry/ontology/why-ontology/
[11] PALANTIR. Overview[EB/OL].[2024]https://palantir.com/docs/foundry/architecture-center/overview/
[12] 朱岩, 韩爱生. 基于 DRP 的穿透式监管——政策解析与实施路径[EB/OL].[2025] https://www.iii.tsinghua.edu.cn/info/1242/5320.htm
[13] 中共中央 国务院. 中华人民共和国国民经济和社会发展第十五个五年规划纲要[EB/OL].[2026-03-13]https://www.gov.cn/yaowen/liebiao/202603/content_7062633.htm
