某大型体育赛事期间，一名被列入重点监测名单的人员出现在场馆入口。摄像头捕捉到该人员，系统实时识别、比对，其行动轨迹在一瞬间被更新，预警随即触发。整个过程没有一个人参与，是系统自己在跑。

用这个通俗易懂的场景，拓尔思副总裁曹辉解释了什么是动态本体。在大多数人的认知里，本体还停留在知识图谱的范畴，是个跟图谱画等号的技术概念，这也是为什么曹辉始终强调“动态本体”。

曹辉认为动态本体的核心，是完成业务建模，是把对象、规则、时间、状态、空间、行为六个要素关联起来，实现业务的模拟仿真。

过去一年多，曹辉带着拓尔思的动态本体平台跑进公安、部委、国防等相关领域，也正在敲开央企的门。他认为，动态本体的核心是数据与业务逻辑的融合。AI确实很关键，能把动态本体构建速度提上去、把价值释放出来，但它改变不了本质，本质还是数据，还是业务本身。

核心观点

动态本体不是知识图谱，是业务建模。动态本体的核心是把对象、规则、时间、状态、空间、行为六个要素关联起来，完成业务的拆解与建模，而不是在图谱上做文章。

数据平台消除物理孤岛，动态本体消除逻辑孤岛。过去的数据平台输出的是二维表，只是把数据汇聚起来，只有动态本体能把数据背后的业务逻辑重新连接，释放真正的价值。

Action 进生产系统，最终扣扳机的还是人。在中国市场，动态本体的执行闭环离不开最后一道审计，危险性高的操作要人工兜底。

数据与AI平台的价值将持续提升。企业的数字基建包括数据、AI两部分，迟早都要建，未来的企业应用层会变薄、平台和基建会变重。

动态本体催生超大客户。未来，科技厂商与大型企业合作从一锤子买卖、一二三期项目，转向年框的长久持续服务。

01 动态本体的核心是时空运行图谱

爱分析：甲方客户目前对于动态本体的接受度怎么样，认知能到什么程度？

曹辉：从我这段时间接触的用户看，大家最容易犯的一个认知错误，就是把动态本体跟知识图谱搞混，这是最普遍的。第二点是很多人没意识到动态本体到底能发挥什么作用，它的核心是什么。

我一般用最直白、最朴素的表述，动态本体是业务驱动的，其核心是完成业务建模，把对象、规则、时间、状态、空间、行为这六个要素关联起来，把业务拆解掉。这么说完再举一些实际案例，大家就都认了，动态本体确实是能完成业务建模的。

之前，大家都在等待大模型进化，进化到能理解业务，但从目前看，它对业务的感知还是缺失的，这一块就需要动态本体去支撑。原来大家谈模型决策都谈得特别务虚，有了动态本体之后，决策这件事会变得更清晰、更明确。

爱分析：介绍业务建模的时候，一般举什么案例客户比较有感觉？

曹辉：比如给安全治理领域的用户讲，我就举无人机的例子。

无人机飞回来，把照片传回来，我们发现照片不太清晰，因为不同的地形情况对清晰度要求不一样。这时候，就可以通过动态本体构建沙盘去推演、去模拟，把无人机上的参数调整一下，看看效果对不对，试了好几套方案之后发现调对了，再让它飞一次，飞完看看清晰度可以了，那就把这条线路用的参数固化下来。

举这个例子的目的，就是让用户知道在真实业务场景中，什么叫Action、什么叫回写系统。

爱分析：拓尔思提出动态本体输出是一库三图，这个框架怎么理解？

曹辉：我们做完动态本体，输出强调是一库三图。一库，就是领域动态本体库。三图，第一个是建模图谱，也就是Schema，定义有哪些对象、对象之间是什么关系。第二个是实例图谱，把数据构建完之后，这些对象之间什么关系，用图的方式查看和展示，这是大家最直接能感受到的。

但光看实例图谱做不了决策。因为实例图谱太大了，至少有上千个本体，有时候上万个，实例化之后更多，这种图谱的直观性很难满足决策需求。

所以第三类图谱我们觉得非常重要，叫时空运行图谱，既能反映时间，又能反映空间，还是一种运行的状态。它主打的核心是数字孪生，复刻现实世界。我们把历史数据拉进来，构建出时空运行图谱，用户就能很直观地感受到，这些数据按动态本体构建完之后，现实世界是怎么运行的。

爱分析：为什么时空运行图谱对决策这么关键？

曹辉：你如果是一个决策平台，不能复刻现实世界、不能构建沙盘，就很难做决策。

拿智慧交通举例。交通拥堵了，我去调整，到底是把这条路封掉，还是把双行改成单行，还是把红绿灯延长，还是做单双号限行？这些行为你不可能拿到现实世界里去尝试，代价太大了。这时时空运行图谱就特别有意义。道路是一个对象，红绿灯也是一个对象，甚至过街天桥也是对象，你调整红绿灯的时候，让它在沙盘里重演一遍，就知道采取这些步骤会产生什么变化，这才是真正为决策服务。

我们在说决策的动态性，其实有六个动态性，其中有个很重要的叫场景动态。我拉出很多场景，基于场景做沙盘，在沙盘上做出方案一、方案二、方案三，制定评测指标，看哪个方案好。这些都是基于时空运行图谱。

爱分析：时空运行图谱过去为什么做不出来，现在能做，改变的点在哪？

曹辉：过去也能做，但代价比较大。因为时空运行图谱依赖建模图谱和实例图谱，企业之前这两个图谱没构建全，投入的人工成本太高昂。

当年做知识图谱，圈子里普遍有句话，有多少人工，就有多少智能。前面两步都没做好，就更谈不上时空运行图谱了。

为什么现在会井喷出来？其实是 AI 辅助建模、辅助构建省力很多。它第一个辅助建模，第二个缩短技术人员对业务的理解，原来最难掌握的就是业务。公开的行业知识，你可以通过AI很快对齐，达到行业专家的程度，辅助做动态本体的建模，快速进入状态。

爱分析：一库三图里的一库，为什么强调是领域动态本体库？

曹辉：我们不是对整个世界进行建模，而是面向领域知识建模，所以叫领域动态本体库。这个领域还不是个很大的领域，比如在交通上，我们会建很多很细分的领域，它很垂直，因为动态本体是业务驱动的。

这一套是借了国外经常做的Domain Model的概念。我们会建很多领域本体库，客户再基于这些库去做操作。

02 沙盘不止一种，态势场景最多

爱分析：刚才讲的时空运行图谱，本质上是个沙盘，国防、交通可以基于沙盘去推演模拟。但还有另一类场景，很多 IT 系统在运行，实际操作时它不是一个推演的过程，而是直接在生产环境里改参数、下命令，跑一下看效果。这两类从动态本体的角度是完全不一样的吗？

曹辉：本质上是一样的，都是沙盘，不同的场景对应着不同类型的沙盘。态势是动态本体中很重要的一块。比如，基于 GIS 地图上的态势，GIS 上会根据不同用户放不同的东西，比如公安里放快反点、警力、110 的车、摄像头等等。

如果是观察一个机房的情况，机房就相当于一种拓扑图的沙盘，每个服务器、每个业务系统，我们把它理解成一个对象、一个本体，本体上有 Action，调完之后看看整个情况怎么样，本质上还是沙盘。

爱分析：沙盘都有哪些类型？

曹辉：我们现在遇到最多的，就是基于态势的沙盘。因为无论是国防、公安，还是一些重要的部委，比如交通、水利、应急，它们都会以这种态势为主，只是态势所依托的数据底图和底库不一样。

爱分析：沙盘里的数据，和真实生产运行数据是什么关系，会实时变吗？

曹辉：沙盘是把历史数据拉出来跑。比如我存了十年的交通数据，要研究办奥运会那段时间对交通的影响，就把那段时间的数据拿过来构建沙盘，它在沙盘里跑，相当于把数据复制了一份，一旦拉进来就是冻结的，不受现实世界数据的影响。

但真正动态本体在生产环境里运行的时候，完全是全自动的。举个最直接的例子，有些极端人群、精神病患者进入重点场所，比如幼儿园、学校门口，这就是两个本体：极端人群和重点场所。摄像头实时获取数据，识别出这个人，他的行动轨迹改变，出现在重点场所，触发了规则，系统马上预警。这不可能是人为的，是全自动的。领域动态本体库是实时更新的，不断触发规则，不断更新状态和属性。

03 动态本体还是要人来设计

爱分析：不同行业的数据不一样，GIS数据是一种格式，普通企业里大量是数据库、IT 系统里的数据。数据的不一样，会导致不同领域建动态本体库的过程完全不一样吗？

曹辉：虽然不同行业、不同企业数据不同、要求不同，但所基于的技术路线和产品是相似的。它真正的价值，是动态本体的设计，前期设计上要花很大的时间。

爱分析：过去知识图谱建设复杂，一是专家要考虑Schema 的问题，二是专家在加工图谱细节。现在有了 AI，加工细节大幅提效，上层的Schema还需要专家去做吗？

曹辉：人还是很重要的，AI 能提效、能加速，但很多东西还是需要人。

为什么还需要人？做动态本体设计，我们的预期是为了做推理。你要做哪些推理？推理出什么东西？这些就是隐性知识、专家经验、业务诉求，需要你不停地挖掘，你很难跟 AI 互动出这些东西，而这些东西往往最关键、最致命，决定成败。

爱分析：那业务规则和模型，主要也还是人类专家在定义和更新？

曹辉：规则引擎基本90%都是由业务人员定义出来的，会不断更新、不断加。专家会把自己的经验在规则引擎里体现，自己定义规则。还有一些复杂模型，像舆情指数、态势指数、反洗钱，这些很难弄的模型，需要厂商辅助构建，放到业务中台里。

爱分析：业务专家可以自己基于业务中台建模吗？

曹辉：拓尔思也有Vibe Coding产品，让业务人员用业务语言建模。原来是厂商建模，现在是业务人员自己建模，这是一个趋势。你让 AI 自动建模，目前它还没智能到这个程度，但业务人员已经可以用 AI 辅助建模了。

爱分析：业内有个观点，在中国市场，Action要真正进入生产系统、直接干预生产，不是做不到，而是不允许，尤其在公安、部委、金融信贷审批这些领域，本体最后进入到Action 是不可行的。拓尔思的实践里，有没有类似问题？

曹辉：最终 Action 执行的时候，我们会有一个审计环节，最终扣动扳机的还是人。Action一定要做进去，但要有审计兜底，同时我们会把Action分成几种等级，危险性比较大的会谨慎。

爱分析：动态本体是业务驱动，本质是要服务谁？

曹辉：服务两类人。一类是一线工作人员，也就是在各个行业里直接执行任务、离现场最近的人。

都讲动态本体要做高价值业务，但什么是高价值的业务？第一个是能算得过账：原来一线人员干一件事用一个星期，现在只需要一个小时，这就是算得过账。第二个是刚需高频，必须做、经常做的事。高价值的业务来自一线人员，所以我们优先服务一线。

第二类是服务于指挥者。我们基于动态本体做的态势系统、指挥系统，能让指挥者全面感知态势变化，直接下达指令，直接排兵布阵。

04 数据平台+动态本体平台，才能彻底消除数据孤岛

爱分析：在拓尔思理解中，语义和本体是什么关系？

曹辉：本体不等于语义层，本体是构建语义层的一种方法论。比如，语义层最基本的标准动作，就是打标签、做数据分类，这两个对数据的语义至关重要，本体就是其中一种实现方法。

在动态本体里，语义其实在建模图谱那一层，它不仅仅是把对象、时间等六要素定义出来，还承载了语义。基于建模图谱，才有后面的实例图谱、时空运行图谱。

爱分析：语义未来有可能独立成为一个体系，由独立厂商完成吗？

曹辉：我持不同观点。因为用户越来越关注成效，最终要对结果负责。单独建立语义，没法改善结果。

从技术层面，我认同语义层可以从动态本体中割裂开，类似于数据中台、数据平台的数据治理加工，可以由单独的厂商完成。但动态本体是一个完整的闭环，我认为必须由一个厂商完成，最终全闭环是要为结果负责的，不然双方扯起皮来没有人对结果负责。

比如，有个知识库项目，期望基于动态本体去改进知识库搜索。知识库的搜索效果不好，智能体厂商认为动态本体建的不好，本体厂商认为智能体效果不好，双方互相扯皮。真正拓尔思下场解决问题，是我们既做图谱构建，又是智能体的承建者，这样责任就清晰了。

爱分析：动态本体和企业之前建设的数据平台、数据中台是什么关系？

曹辉：我的观点是，数据平台确实消除了数据孤岛，但它只消除了物理孤岛，没有消除逻辑孤岛，数据还是孤立的。数据一旦孤立，就很难产生价值。

中国企业之前建了那么多数据平台，核心是输出一个二维表，它解决的是数据融合和汇聚的问题，但大家看不到成效。汇报的时候就说你有多少个 TB、PB 的数据，建了多少张表、多少个库，都是技术的感知，没有从最终使用者出发。

要消除逻辑孤岛，得靠动态本体。数据平台是从技术维度推进的，是技术驱动；动态本体是业务驱动的，这一上一下。动态本体其实来自数据平台里的数据，它没有推翻之前数据平台的成果，反而把它的价值真正释放出来了。

爱分析：那是不是意味着，能做好动态本体的厂商，必须有很强的数据资源禀赋，纯 AI 厂商很难做好？

曹辉：是的，AI厂商在数据理解深度上需要与数据厂商形成互补。

爱分析：OpenAI、Anthropic 这种有强模型的公司，能做 Palantir 的模式吗？

曹辉：各有侧重。Palantir的优势在于长期深耕特定行业，在数据理解和场景建模上有深厚积累，这些Know-how不是短时间内能复制的。而OpenAI、Anthropic这类公司在基础模型能力上领先，两者路径不同。未来更可能是各展所长的格局，而非简单的谁替代谁。

此外，一个成熟的工程软件需要大量实践检验，很多边界条件和异常处理是踩过坑才能意识到的，AI能提效，但还不足以完全替代这些经验积累。

爱分析：怎么看 Palantir 的护城河？

曹辉：Palantir 的护城河在于它长期扎根特定行业所积累的领域知识和工程经验，以及由此形成的完整工具链和交付能力。这不是单一的技术优势，而是时间、场景、客户关系共同沉淀的结果。

反过来看中国市场，做类似长期深耕的厂商还不多。这和国内项目制为主、周期偏短的市场特点有关。但随着大家对数据基建的重视程度提升，这种状况正在改变，专注深耕的厂商会越来越多。

爱分析：拓尔思怎么看与 Palantir 这类公司的关系？

曹辉：拓尔思从全文检索起家，在数据处理上有长期积累。现在我们以数据中台加动态本体一体化平台为核心，构建了完整的数据平台体系，在能力上与 Palantir Foundry 有对应之处。

05 平台增厚应用变薄，动态本体催生超大客户

爱分析：未来企业软件市场会往平台重、应用薄走吗？

曹辉：是的，我认为未来企业会越来越重视数字基建，而数字基建里两个部分很重要，一个是AI，一个是数据，都必须有基础平台。

爱分析：动态本体平台对拓尔思的商业模式有什么影响，毛利会比过去好一些吗？

曹辉：动态本体平台会催生出来超大客户模式。用户一旦意识到动态本体很有价值，我们就不是项目模式了，不是一锤子买卖，不是一期、二期、三期，而是持续合作。有个年框，有需求就做个 PO 单，是持续服务。

爱分析：这个变化在拓尔思这边已经能感受到了吗，客单能提升到什么级别？

曹辉：明显感受到了，有些很封闭的行业都走出这一步了。但整体还在市场培育阶段，中国的项目周期特别长，不像美国那样周期短，而且中国很多东西是先干活后收钱。

爱分析：除了国防，还有哪些行业动态本体的机会比较大？

曹辉：最近接触了好几个央企，每一个央企都算一个行业，都很垂直，领域都不一样，做进去之后想象力很大，所以央企是我们特别看重的。