第 7 章：类别与层级

对象定义出来以后，下一步是类别与层级。

类别回答的问题是：这个对象属于什么类型？它和其他对象是什么上下位关系？

这是本体论里非常基础、但也非常容易出错的一步。很多公司研究的误判，表面上是估值错、竞争格局错、增长判断错，底层其实是类别分错了。

比如一家公司到底是工具公司、平台公司、工作流公司，还是操作系统公司？这不是文字游戏。类别不同，判断标准完全不同。

如果你把 Palantir 看成“数据分析工具”，你会问：它有没有更便宜的替代工具？报表能力强不强？数据可视化好不好？

如果你把 Palantir 看成“企业操作系统”，你会问：它是否进入客户核心工作流？是否定义客户组织里的对象、权限、状态和行动？客户切换它是否等于重建组织的数字世界？

同一个公司，类别定义不同，研究路径完全不同。

类别的作用，是把对象放进一个更大的理解框架。一个对象不是孤立存在的。它总是属于某个类，有上位类、下位类、相邻类和反类。

比如“Claude Code”可以被分到很多类别里：

不同类别对应不同关键变量。如果它只是 coding tool，就看功能、价格、编辑器集成、开发者口碑。如果它是软件工程工作流入口，就要看它是否改变开发流程、测试流程、代码审查、团队协作和企业研发效率。如果它是模型能力分发界面，就要看它能否带来使用数据和模型训练反馈。

所以分类不是命名，而是选择研究框架。

类别还有层级。层级回答：哪个概念更大，哪个概念更小。

比如：

层级越高，越抽象，能帮助我们看大图；层级越低，越具体，能帮助我们看机制。研究时不能只停在一个层级。

如果层级太高，容易空。比如说“Apple 是科技公司”，这几乎没信息量。如果层级太低，也容易碎。比如只看 iPhone 15、iCloud、App Store 某个功能，可能看不见整个生态。

好的公司研究，要在多个层级之间切换。

以 Apple 为例：

如果只看低层级，Apple 是硬件公司；如果升到中高层级，它是个人数字生活的入口控制系统。这个层级变化，会直接改变估值和护城河判断。

类别错误最常见的几种情况：

第一，把平台公司看成工具公司。

工具公司主要解决单点任务，平台公司连接多方对象并定义规则。比如 Shopify 如果只是建站工具，价值有限；如果它是商家操作系统和电商基础设施，价值就不同。

第二，把工作流公司看成 SaaS 公司。

SaaS 是交付方式，不是本体类别。真正关键是它是否嵌入客户工作流。一个 SaaS 只是在线表格，另一个 SaaS 可能重构客户销售、财务、研发或供应链流程。

第三，把入口公司看成内容公司或硬件公司。

Google 不只是搜索广告公司，它是信息入口。Apple 不只是硬件公司，它是个人计算入口。Tencent 不只是社交公司，它是数字关系入口。入口类公司的核心不是单一产品，而是默认位置和控制关系。

第四，把基础设施公司看成应用公司。

云、操作系统、支付网络、企业身份系统，很多时候价值在于承载别人运行，而不是自己完成某个单点任务。基础设施的关键属性是可靠性、规模、标准、生态和嵌入深度。

第五，把金融合约公司看成普通服务公司。

保险、支付、券商、基金、交易所等，本体上常常是风险、期限、信用、流动性和合约结构的系统，不只是“提供服务”。类别错了，风险看不见。

类别与层级训练，本质上是防止我们被表层标签带跑。

公司给自己的定义，市场给它的定义，财报行业分类，媒体叙事，可能都不是最适合研究的定义。我们要自己重新分类。

J 系统可以固定使用一个问题：

这家公司被市场归到哪一类？它实际更像哪一类？如果换一个类别，关键变量会不会完全改变？

这个问题非常有用。

例如 Anthropic 被市场归为大模型公司。但如果我们把它定义为“coding 工作流公司”，关键变量会从模型榜单转向开发者工作流、真实工程反馈、Claude Code 留存和企业研发预算。如果定义为“组织发明”，关键变量又会转向文化、人才留存、使命、治理和内部协作效率。

不同类别不是互相排斥的。一个公司可以同时属于多个类别。但我们必须区分：哪个是表层类别，哪个是底层类别；哪个决定收入，哪个决定护城河；哪个是现在，哪个是未来可能演化方向。

最后压缩：

类别决定研究框架，层级决定观察尺度。

分错类别，就会用错尺子。层级太低，看不到系统；层级太高，看不到机制。本体论公司研究的第一项基本功，就是把对象放进正确类别，并能在不同层级之间来回切换。