AI 原生、本体与可进化：我们对 AI 时代企业应用的主张

先说结论

• AI 原生回答「应用怎么建」，本体回答「系统怎样理解业务」，我们主张的可进化回答「交付之后怎么办」：应用交付之后，在客户的日常使用中、在人的确认下持续变化，越用越贴合这家企业。
• 三种主张可以一起用：本体让系统说得清自己，AI 原生让改动的成本降下来，可进化让变化有秩序地持续下去。
• 我们服务的主要是中小制造企业，决定一套系统能用多少年的，是交付之后改得动、改得稳；AI 让「改」便宜了，也让「改错」更容易，所以可进化把重心放在秩序上。
• 我们的做法：交付时把系统分层，参数和规则可以快改、核心代码少动；改动的秩序由我们自研的可持续交付底座 APSer-Atelier 管住，改错了能回到上一个验证过的版本；由智能助手起草、人来确认的做法，我们计划先从参数和规则开始尝试。

AI 进入企业应用之后，新的说法一个接一个。这两年听得最多的有两个：AI 原生和本体。它们的来历，本栏目《企业应用潮流概念演变史：从办公自动化到智能体》按时间线梳理过。

我们的主张是第三个词：可进化。

这篇文章想说清楚三件事：这三种主张各自回答什么问题；它们之间是什么关系；以及对以制造业定制交付为主业的我们来说，为什么把可进化放在前面。

一、AI 原生、本体、可进化，各自回答什么问题？

AI 原生，回答「应用怎么建」。 阿里云《AI 原生应用架构白皮书》给的定义是：「以大模型为认知基础，以 Agent 为编排和执行单元，以数据作为决策和个性化基础，通过工具感知和执行的智能应用」[1]。它针对的问题是：在既有系统上外加一个 AI 模块，能做的事有限，应用的结构跟不上模型的能力。

本体，回答「系统怎样理解业务」。 按 Palantir 文档的说法，本体是「组织的数字孪生」，包含对象、属性、关联这些语义要素，以及动作、函数、动态安全这些动作要素 [2]。它针对的问题是：数据分散在各个系统里，同一个「订单」「设备」在不同地方含义不一，人和 AI 都难以知道每样东西是什么、彼此什么关系、允许做什么操作。

可进化，回答「交付之后怎么办」。 我们说的可进化，是应用在交付之后，能在客户的日常使用中持续变化：现场提出的调整，由智能助手先起草，由懂业务的人确认；每一步小步推进、留下来由、可以回退；业务规则和现场经验在这个过程里沉淀下来，系统越用越贴合这家企业。

三个问题，一个关于构建，一个关于理解，一个关于时间。

二、这三种主张能不能一起用？

在我们看来，这三种主张各管一段，可以放在一起用。

• 本体让系统说得清自己。 系统要变，先得知道自己由什么组成、哪些关系不能破。我们在《随需而变：交付之后，系统要跟得上业务》里说，一些基本关系要固定下来，比如同一台设备同一时间只做一件事、领料不能超过库存，说的是同一类事。
• AI 原生让改动的成本降下来。 模型成为应用的一部分之后，理解现场的一句话、起草一处改动，都变得便宜，进化才跑得动。
• 可进化让变化有秩序地持续下去。 它管的是时间这一维：改动由谁提出、谁确认、怎么检查、改错了怎么退回、多久全面巡检一次。

本体建好之后，同样要跟着业务变。Palantir 的年报把「持续的本体与数据建模支持」列入专业服务内容 [3]，业务模型需要随业务持续维护，这正是可进化要解决的事。

三、我们为什么把可进化放在前面？

我们服务的，主要是中小制造企业。 2020 年我们在一次公开课上归纳过中小企业信息化的三个难处：预算有限，知识储备有限，需求一直在变。一次性把全厂业务建成完整的模型，或者把整套系统按新的架构重来一遍，对多数中小工厂来说代价太大。更现实的路，是先把最痛的一段做起来、用起来，再跟着业务一点点长。

系统和业务最贴合的一天，往往是交付那一天。 之后，新客户带来新的检验要求，车间调整工序，新设备进厂，熟悉系统的同事调岗，变化一件接一件。建得再好的系统，跟不上变化，现场就会在系统外面另起一张表。决定一套系统能用多少年的，是交付之后改得动、改得稳。

AI 让「改」便宜了，也让「改错」更容易。 改动来得快了，没有秩序的变化会让系统越改越乱。可进化把重心放在秩序上：什么可以快改，什么要少动，改错了怎么发现、怎么退回。

《权力与预测》一书讲 AI 的先发优势时强调，持久的优势来自反馈数据：系统每次给出结果之后，把实际发生了什么记下来，下一次就更准 [4]。可进化的应用也靠这一点：每一次改动的来由、验证结果和上线后的实际效果都记下来，系统和人才知道下一次该怎么改。反馈越快、记得越全，改得越稳。

四、从「自进化」到「可进化」，想强调什么？

此前我们在《企业应用的新形态：再议「自进化」落地的可能性》里探讨过「自进化」的设想，也列过它落地需要的前提。这篇我们用「可进化」来概括自己的主张，想强调两点。

进化要有条件。 系统先要具备可以安全变化的结构：基本关系固定，核心少动，每次改动可追溯，验证过的版本留好。条件不具备，谈不上进化。

进化由人把关。 智能助手可以先起草，每一次改动由懂业务的人确认；系统该变成什么样，由企业里对它负责的人决定。

所以在我们这里，可进化首先是一种能力：让系统具备在人的确认下持续变好的条件。

五、我们在做什么？

• 交付时，把系统分层。 参数和规则可以快改，流程配置其次，核心代码少动；基本关系写死，每次改动都要守住。
• 改动的秩序，由我们自研的可持续交付底座 APSer-Atelier 管住。 每一次改动有计划、有核验、有记录，改错了能回到上一个验证过的版本。它只在我们这一侧使用，交付给客户的系统独立运行，不依赖它在线。
• 交付之后的进化，先从风险低的地方试。 由智能助手起草、人来确认、小步推进的做法，我们计划先从参数和规则开始，在自己的项目中尝试。能做到什么程度，要看实践；有了结果，我们再来报告。

本文写的是我们的主张和正在尝试的方向，不构成对任何产品功能的承诺。

以下是我们的看法

以下内容是我们的观点，供您参考。

第一，新概念各有所答，先看它回答的是不是您的问题。 AI 原生回答怎么建，本体回答怎样理解业务，可进化回答交付之后怎么办。

第二，对中小制造企业，交付之后比交付那一天更要紧。 系统能用多少年，看它交付之后改得动、改得稳。

第三，可进化的关键在秩序。 谁提出，谁确认，怎么检查，怎么退回，多久全面查一次。这几件事有清楚的答案，系统才能在使用中持续变好。

第四，三种主张可以一起用。 本体让系统说得清自己，AI 原生让改动的成本降下来，可进化让变化有秩序地持续下去。

青岛艾普仕以制造业深度定制化交付为主业，做过注塑、五金、电子整机、铸造、假发、化工等行业，自研 APSer-One 制造运营管理平台与 APSer-Aps 生产排程系统。如果您的工厂也在想，系统交付之后怎样持续改、改得稳，欢迎预约交流。

参考来源