第 4 章：属性：一个对象为什么是这个对象
对象定义出来以后，下一步是属性。
属性回答一个问题：这个对象有什么特征？它为什么是它？
比如一个客户对象，它的属性可能包括行业、规模、预算、增长阶段、使用频率、续约概率、采购流程、技术能力、风险偏好。一个产品对象，它的属性可能包括价格、性能、可靠性、易用性、集成难度、可替代性、切换成本。一个 AI 模型对象，它的属性可能包括能力、成本、速度、上下文长度、幻觉率、安全性、工具调用能力。
属性让对象变得可判断。没有属性，对象只是一个名字。说“客户”没有意义，关键是这个客户是不是高频使用、是不是核心流程、是不是有预算、是不是能带来高质量反馈。说“产品”也没有意义，关键是这个产品是否进入工作流、是否可替代、是否产生数据、是否能扩展到更多任务。
但属性也容易制造误判。因为属性太多，而真正重要的属性很少。很多分析失败，不是没有信息，而是把噪音属性当成关键属性。
比如研究 AI 公司，很多人会看模型榜单排名。排名是属性，但未必是关键属性。对企业客户来说，可靠性、集成能力、权限控制、数据安全、工作流嵌入、结果可验证性，可能比一次榜单排名更重要。对开发者来说，代码能力、上下文长度、工具调用、调试体验、延迟和价格，可能更关键。
所以属性分析要区分三类：静态属性、动态属性、关键属性。
静态属性是对象比较稳定的特征。比如公司所在行业、产品类型、客户类别、创始人背景、商业模式类型。它们有用，但往往只能帮助初步定位。
动态属性是会变化的特征。比如客户留存率、使用频率、模型能力、单位成本、销售效率、组织规模、数据质量。这些属性更接近系统运行。
关键属性是决定对象价值的少数特征。它们不一定显眼，但会决定结果。比如 coding 场景的关键属性不是“程序员多”，而是结果可验证、反馈周期短、能进入真实工作流、能反哺模型训练、能加速 AI 公司自身研发。这些属性共同决定了 coding 为什么可能成为 AI 商业模式的重要入口。
本体论公司研究里，我们要特别训练识别关键属性。
举几个例子。
对 Palantir，关键属性不是“软件功能多”，而是：
- 能否把客户现实对象建模；
- 能否连接多源数据；
- 能否嵌入关键工作流；
- 能否处理权限和责任；
- 能否让 AI 在企业对象世界里行动；
- 能否随着客户使用越来越深。
对 Anthropic，关键属性不是“有大模型”，而是：
- coding 能力是否领先；
- 是否进入开发者真实工作流；
- 使用反馈是否能改善模型；
- 企业客户是否愿意为生产力付费；
- 组织是否能保持高信任低内耗；
- 算力是否足够支撑增长。
对 Apple，关键属性不是“硬件参数”，而是：
- 用户使用频率；
- 设备留存周期；
- 系统控制力；
- 开发者生态；
- 服务分发能力；
- 用户默认入口地位；
- 隐私与本地计算的系统优势。
这些关键属性一旦抓住，研究就不会浮在表面。
属性还有一个重要作用：区分同名对象。两个公司都叫平台，但属性不同。一个平台是流量分发平台，一个是交易撮合平台，一个是开发者平台，一个是企业工作流平台。它们的网络效应、成本结构、护城河都不同。仅用“平台”这个类别不够，必须看属性。
同样，两个产品都叫 AI Agent，也可能完全不同。一个只是聊天界面加工具调用，另一个真正理解企业对象、权限、状态和规则。表面类别一样，关键属性不同，价值天差地别。
属性还帮助我们识别状态。比如客户对象有“试用中、活跃使用、核心依赖、低频使用、即将流失”等状态。状态本质上是属性的一种动态组合。研究公司时，平均客户数不如客户状态分布重要。很多公司看起来客户多，但核心依赖客户少；有些公司客户数少，但每个客户都深度嵌入核心流程。
这就是为什么属性不能只停在描述，要进入判断。
我们可以用一个简单检查清单：
- 这个对象有哪些属性？
- 哪些属性只是描述，哪些属性决定价值？
- 哪些属性稳定，哪些属性正在变化？
- 哪些属性能被公司改善？
- 哪些属性会影响客户行为、反馈飞轮和护城河？
- 哪些属性如果恶化，会推翻我们的判断？
最后压缩一下：
对象回答“这是什么”，属性回答“它为什么重要”。
如果对象是骨架，属性就是骨架上的判断点。没有属性，本体论只是名词表；抓住关键属性，本体论才开始服务于公司研究。