于是我就想，免费的deepseek 就能搜成这样了，又要付费的perplexity干嘛呢？
2、
但实际情况却是，perplexity 不仅很快就引入了deepseek r1，而且成为了所有引入deepseek 的产品中速度最快和效果最惊艳的。
所以，在 deepseek 没有限制联网之前，我就重新换回perplexity了。
确实没想到，perplexity 的产品力恐怖如斯。无论模型层有多大进步，都能快速转化成自己的能力，让搜索效果更好，让用户体验更佳。
回到技术路线问题上，个人认为perplexity这种「不会被模型进步干掉，反而是模型越强我越强」架构，反倒更值得追求。
3、
在企业领域，在“模型越强我越强”方面做得最好的，当属美国AI ToB当红炸子鸡Palantir 家的Ontology 。
什么是Ontology？
2021年的Demo Day上，Palantir曾宣称，他们能在几个小时内，自动整合完公司各部门数据，形成整个公司的“数字分身”（digital twin）。而这，就是Ontology。
时间来到2023 年，Palantir与时俱进推出的AIP，更是直接将先进的AI模型（如ChatGPT）与Ontology框架结合，进一步简化操作，增强客户基于全面、实时洞察做决策的能力。
当年第四季度，Palantir 就在报告里说，美国商业收入同比增长70%，这主要得益于AIP的成功推出和市场需求……
4、
虽然，目前还没有消息说Palantir 要AIP里引入deepseek，但我敢确信，只要跟Ontology框架结合，就一定会有超预期的效果。
理由无他，只是因为Ontology 跟deepseek 等头部AI 太配了。
如果说互联网产品的工作机制是"预设路径下的功能调用”，那么生成式AI产品则是“上下文感知下的动态生成”。
AI负责感知和生成，Ontology则主攻“上下文”。
这个“上下文”有多重要呢？就像在现实生活中，我们绝不允许医生在不看任何病历资料的情况下就匆忙开药，就算是华佗在世也不行。
想要AI 生成准确的结果，就要提供详尽如“检查报告、过往病史和家族病史”的上下文。否则，再强的AI 在手，也只能空叹“庸医误人”。
5、
所以，Ontology 是如何解决「大模型们缺乏有效上下文」问题的呢？
太技术的内容，先不做展开。我就拿自己比较熟悉的影视行业，举个例子吧：
【before】
在没有 Ontology 之前，创作素材和各方意见散落各处，形成 “信息孤岛”，导致沟通成本极高。
据一位非常资深的行业专家估计，行业里70%以上时间，都耗费在信息沟通上。
很多时候，由于缺失太多必要的背景信息，最强的AI 也无法提供足够有针对性的帮助。
【after】
而引入Ontology后，可整合项目各种数据，动态链接关联，形成 “智能故事大纲”。
这时，AI就像是一位对项目了如指掌的老编剧，无需反复解释背景，一句话便可切中要害。
因为，在它面前，角色性格、人物关系、剧情走向等关键信息都烂熟于心，给“一个眼神”就能指哪儿打哪儿。
更重要的是,这份"智能故事大纲"就像一张实时共享的创作地图。
过去，大家找剧本最新版本可能要翻邮件，理解人物关系可能要翻会议记录，琢磨角色性格可能要翻讨论记录，很容易陷入信息的迷宫里兜圈子。
现如今，有了这张统一的地图，所有参与方都能一目了然地看到项目全貌，把更多原先用在找资料、对进度上的时间，投入到打磨内容上。
6、
可见，Ontology的价值，不止是“模型越强我越强”的保障，更是连接AI与业务的桥梁。
有了这座桥，AI才能真正读懂企业的业务场景，访问到关键信息，进而提供真正有价值的输出。
当然，要搭建这个桥梁，不仅是技术工程，更是组织工程。比如，AI团队必须从独立的技术孤岛，进化成连接各业务部门的纽带。
只有让AI专家真正理解业务痛点，让业务人员切实参与AI应用设计，才能确保AI项目既有技术可行性，又有业务价值。
———
最后，期待多多交流，一起啃下这两块硬骨头。
2、
但实际情况却是，perplexity 不仅很快就引入了deepseek r1，而且成为了所有引入deepseek 的产品中速度最快和效果最惊艳的。
所以，在 deepseek 没有限制联网之前，我就重新换回perplexity了。
确实没想到，perplexity 的产品力恐怖如斯。无论模型层有多大进步，都能快速转化成自己的能力，让搜索效果更好，让用户体验更佳。
回到技术路线问题上，个人认为perplexity这种「不会被模型进步干掉，反而是模型越强我越强」架构，反倒更值得追求。
3、
在企业领域，在“模型越强我越强”方面做得最好的，当属美国AI ToB当红炸子鸡Palantir 家的Ontology 。
什么是Ontology？
2021年的Demo Day上，Palantir曾宣称，他们能在几个小时内，自动整合完公司各部门数据，形成整个公司的“数字分身”（digital twin）。而这，就是Ontology。
时间来到2023 年，Palantir与时俱进推出的AIP，更是直接将先进的AI模型（如ChatGPT）与Ontology框架结合，进一步简化操作，增强客户基于全面、实时洞察做决策的能力。
当年第四季度，Palantir 就在报告里说，美国商业收入同比增长70%，这主要得益于AIP的成功推出和市场需求……
4、
虽然，目前还没有消息说Palantir 要AIP里引入deepseek，但我敢确信，只要跟Ontology框架结合，就一定会有超预期的效果。
理由无他，只是因为Ontology 跟deepseek 等头部AI 太配了。
如果说互联网产品的工作机制是"预设路径下的功能调用”，那么生成式AI产品则是“上下文感知下的动态生成”。
AI负责感知和生成，Ontology则主攻“上下文”。
这个“上下文”有多重要呢？就像在现实生活中，我们绝不允许医生在不看任何病历资料的情况下就匆忙开药，就算是华佗在世也不行。
想要AI 生成准确的结果，就要提供详尽如“检查报告、过往病史和家族病史”的上下文。否则，再强的AI 在手，也只能空叹“庸医误人”。
5、
所以，Ontology 是如何解决「大模型们缺乏有效上下文」问题的呢？
太技术的内容，先不做展开。我就拿自己比较熟悉的影视行业，举个例子吧：
【before】
在没有 Ontology 之前，创作素材和各方意见散落各处，形成 “信息孤岛”，导致沟通成本极高。
据一位非常资深的行业专家估计，行业里70%以上时间，都耗费在信息沟通上。
很多时候，由于缺失太多必要的背景信息，最强的AI 也无法提供足够有针对性的帮助。
【after】
而引入Ontology后，可整合项目各种数据，动态链接关联，形成 “智能故事大纲”。
这时，AI就像是一位对项目了如指掌的老编剧，无需反复解释背景，一句话便可切中要害。
因为，在它面前，角色性格、人物关系、剧情走向等关键信息都烂熟于心，给“一个眼神”就能指哪儿打哪儿。
更重要的是,这份"智能故事大纲"就像一张实时共享的创作地图。
过去，大家找剧本最新版本可能要翻邮件，理解人物关系可能要翻会议记录，琢磨角色性格可能要翻讨论记录，很容易陷入信息的迷宫里兜圈子。
现如今，有了这张统一的地图，所有参与方都能一目了然地看到项目全貌，把更多原先用在找资料、对进度上的时间，投入到打磨内容上。
6、
可见，Ontology的价值，不止是“模型越强我越强”的保障，更是连接AI与业务的桥梁。
有了这座桥，AI才能真正读懂企业的业务场景，访问到关键信息，进而提供真正有价值的输出。
当然，要搭建这个桥梁，不仅是技术工程，更是组织工程。比如，AI团队必须从独立的技术孤岛，进化成连接各业务部门的纽带。
只有让AI专家真正理解业务痛点，让业务人员切实参与AI应用设计，才能确保AI项目既有技术可行性，又有业务价值。
———
最后，期待多多交流，一起啃下这两块硬骨头。
