第 26 章：失败路径的本体论解释
好的公司研究，不能只讲为什么会成功，还要讲怎么会失败。
本体论特别适合做反演。因为它能把失败拆成对象、关系、边界、状态、规则和反馈的断裂。
一家公司失败，通常不是抽象地“战略错了”，而是某个关键对象不存在，某条关键关系不成立，某个反馈没有闭合，某个边界被误判，某种状态变化不可持续，或者组织结构无法支撑业务对象。
第一种失败：关键对象不存在。
比如公司以为自己服务的是高价值客户，但实际客户没有预算；以为用户有强痛点，但痛点只是尝鲜；以为有数据资产，但数据质量差、不可用、不可合法使用。
对象不存在，商业模式从根上不成立。
第二种失败：关键关系断裂。
产品和任务没有强关系，客户用了也没有明显改善；客户和产品没有依赖关系，随时可替代；使用和数据没有反馈关系，越用不一定越强；数据和模型没有改进关系，所谓飞轮不存在。
第三种失败：反馈不成立。
很多公司讲飞轮，但实际只是线性增长。比如靠销售拉客户，客户使用浅，反馈无法改进产品，续约靠继续销售推动。这不是飞轮，是销售机器。
第四种失败：边界被误判。
公司以为自己能扩展到更大边界，但客户不接受；以为自己是平台，其实只是工具；以为自己是操作系统，其实只是一个功能模块；以为自己控制生态，其实受制于更上层平台。
第五种失败：状态变化不可持续。
客户从试用到付费容易，但从付费到深度依赖困难；用户增长快，但留存弱；收入增长快，但毛利恶化；AI demo 好看，但生产部署困难。这些都是状态迁移失败。
第六种失败：规则与约束被忽略。
AI 产品常见问题是忽略企业权限、合规、安全、审计、责任。消费者产品常见问题是忽略监管和平台规则。金融产品常见问题是忽略风险周期。规则一旦进入，故事就变形。
第七种失败：组织无法支撑业务对象。
公司想做企业深工作流，但组织只适合轻产品；想做平台，但缺规则治理能力；想做 frontier AI lab，但留不住顶级人才；想长期聚焦，但创始人和组织不断分心。
组织对象和业务对象不匹配，战略会落空。
本体论反演的好处，是它能让失败路径具体化。
比如研究 Palantir，失败路径可以这样拆：
- 客户 ontology 建设太重，难以规模化；
- 大客户深度绑定，但新增客户复制慢；
- 云厂商或模型公司向下进入对象层；
- AI 降低 ontology 构建成本，削弱交付优势；
- 客户不愿把核心对象世界交给外部供应商；
- 产品化不足，长期更像高端服务公司。
这些都比一句“竞争加剧”更清楚。
研究 Anthropic，失败路径也可以拆：
- coding 优势被 OpenAI/Google 追平；
- Claude Code 没有形成高留存工作流；
- 客户反馈不能真正反哺模型；
- 算力瓶颈限制增长；
- 企业客户最终更依赖 Microsoft/Google 生态；
- mission 文化在扩张中稀释，组织优势下降。
本体论反演要求我们每次研究都问：
- 哪个核心对象如果不存在，判断就错？
- 哪条关系如果不成立，商业模式就降级？
- 哪个反馈如果不能闭合，飞轮就是叙事？
- 哪个边界如果画得太大，估值就过高？
- 哪个状态迁移如果失败，增长就不可持续？
- 哪个规则/约束如果加强，会改变公司价值？
- 哪个组织能力如果缺失，战略无法落地？
这套问题能防止我们被好故事带跑。
公司研究最危险的，不是看不到机会，而是看到机会以后自动补齐了中间缺失的关系。好叙事会让人误以为对象关系已经成立。本体论反演就是专门打断这种过度补全。
最后压缩：
失败不是抽象发生的，而是从对象不存在、关系断裂、反馈不闭合、边界误判、状态迁移失败、规则约束被忽略、组织不匹配开始的。
研究一家好公司，必须同时写出它为什么好，以及它会在哪个对象关系上失败。