第 3 章：对象：世界不是一团信息，而是由对象构成

本体论学习的第一块积木，是对象。

对象是本体论的起点。没有对象，就没有属性、关系、状态、规则，也没有推理。我们分析世界时，经常以为自己在处理信息，其实信息只是表层。真正要处理的是信息背后的对象。

比如一张销售报表，看起来是一堆数字。但本体论会问：这些数字分别属于哪些对象？客户是谁？订单是什么？产品是什么？销售人员是谁？合同处于什么状态？哪些订单已交付，哪些只是签约？哪些收入可持续，哪些是一次性？如果不把数字还原成对象，我们只能看到表面数据，看不到真实系统。

这就是本体论和普通数据分析的区别。普通数据分析容易问“数字是多少”，本体论先问“这个数字描述的对象是什么”。

对象可以很具体，比如一个客户、一台机器、一份合同、一名员工、一条生产线、一个代码仓库。对象也可以很抽象，比如一个任务、一次风险事件、一种权限、一段工作流、一个模型能力、一种客户状态。关键不在于它是否能摸到，而在于它是否在系统里有稳定身份，是否能被识别、连接和操作。

公司研究里，最常见的错误之一，就是没有把对象分清楚。

比如研究一家 SaaS 公司，只说“客户增长很好”。但客户不是一个整体。客户至少可以拆成多个对象：试用客户、付费客户、高价值客户、低频客户、核心工作流客户、边缘工具客户、即将流失客户、被销售推上来的客户、自然增长客户。不同客户对象的价值完全不同。

再比如研究 AI 产品，只说“用户很多”。但用户对象也要拆：消费者、开发者、企业员工、管理者、采购部门、API 调用者、插件开发者、生态伙伴。一个产品如果有很多浅层消费者，和一个产品被企业核心岗位高频使用，商业含义完全不同。

对象识别的关键，是找到真正参与系统运行的东西，而不是罗列表面名词。

我们可以用四个问题识别对象：

第一，这个东西是否有身份？能不能被区分出来？比如某个客户、某个订单、某个模型版本。

第二，它是否有属性？比如规模、状态、权限、成本、频率、质量。

第三，它是否和其他对象发生关系？比如客户使用产品，产品产生数据，数据反哺模型。

第四，它是否会被操作或改变？比如订单从待处理变成已完成，客户从试用变成续约，风险从低变高。

满足这些条件，它就值得成为本体论里的对象。

Palantir 的强大，就在于它把客户组织里的现实对象识别出来。对于军队，现实对象可能是单位、装备、任务、目标、情报、补给、风险、行动方案。对于医院，现实对象可能是患者、医生、药物、病历、检查、治疗路径、保险、床位。对于供应链，现实对象可能是供应商、订单、库存、路线、港口、延误、替代方案。

一旦对象被定义出来，组织就不再只是看报表，而是能围绕对象行动。AI 也不再只是回答问题，而是可以理解“我正在影响哪个对象”。比如 AI 不只是说“库存可能不足”，而是识别具体 SKU、具体仓库、具体订单、具体客户承诺、具体替代供应商，并触发下一步工作流。

这就是企业本体论的意义：它把抽象组织变成对象世界。

在公司研究中，我们也要做类似动作。研究任何公司，先列出它的核心对象：

对象一旦列清楚，分析会立刻变得扎实。

例如研究 Apple。如果对象只定义为“手机”，你会看销量、价格、硬件创新。但如果对象定义为“个人计算入口”，你会看到设备、系统、账号、支付、应用、服务、开发者、用户习惯、隐私规则之间的关系。Apple 的价值就不只是卖硬件，而是控制了一组高频个人数字生活对象。

研究 Tencent 也是如此。如果对象定义为“社交软件”，你会看聊天和广告。如果定义为“中国人的数字关系操作系统”，你会看到身份、关系链、支付、内容、小程序、服务、企业微信、游戏、视频号之间的对象网络。

所以，本体论第一课不是学术概念，而是训练眼睛：

不要看一团信息，要看信息背后的对象。

这句话很重要。没有对象，数据只是噪音；对象定义错，关系判断必然错；对象定义对，很多复杂问题会自然变清楚。