Ontology（本体论）不是数据库，不是知识图谱，不是大模型。它是让数据、逻辑和行动在同一语义层中协同运转的"企业数字大脑"。
八⼤专题深⼊解析 Palantir Ontology 的完整技术体系
Gotham、Foundry、Apollo、AIP 四⼤产品矩阵全景。从情报分析到企业运营，理解 Palantir 如何构建"数据操作系统"。
ObjectType、LinkType、ActionType —— 三大基⽯如何构成声明式、可执⾏的业务运⾏模型。三个常见误读纠正。
Semantic → Kinetic → Dynamic 三层数字孪生架构。从实时同步到 What-if 推演，企业运营的数字镜像。
技术架构、应⽤架构、数据架构、业务架构 —— 从 Apollo 基础设施到 Workshop 低代码的全栈视图。
"Data as Code"版本控制、三维权限模型、数据⾎缘追踪、语义层构建三步法。把数据治理做在源头。
PostgreSQL + Iceberg + Elasticsearch 分层存储栈、图门控机制、端到端数据路径、⼈⼯介⼊模式全景。
Palantir vs UINO vs 字节 Data Agent vs 京东指标平台。本体语义层 vs 预置宽表 —— ⼈⼯成本曲线差异分析。
供应链应急、制造质量追溯、战场情报融合 —— 三步五步逐帧拆解 Ontology 如何驱动真实业务决策，环环可推敲。
Palantir Foundry 不是传统数据平台，⽽是"企业数据操作系统"。五层架构从下至上层层递进，实现从原始数据到 AI 决策的完整闭环。
"知识图谱让你知道得更多，Ontology 让你做得更对。
终点从来不是一份静态的报表或仪表板，而是触发一次有效的行动。"
从具体数据库选型到图门控机制，从端到端数据路径到人工介入模式
PostgreSQL 管元数据，Iceberg/Parquet 管对象，Elasticsearch 管搜索，自研图索引加速关系遍历。不是单一数据库，而是按需组合。
LinkType 路径存在性 → Classification 级别过滤 → Action 权限契约，三层检查确保"用户只能看到有权看的数据"。
建模层（不可自动化）、运营层（部分模板化）、决策层（Human-in-the-Loop）。FDE 嵌入式工程师是 Palantir 商业模式的灵魂。
本体语义层 vs 预置宽表/指标层 —— 人工预置成本曲线差异
初期投入低，但每新增一个业务场景就需要新增指标、宽表和关联关系。随着业务范围扩展，人工预置成本接近指数级增长。
前置建模有一定投入，但语义模型建立后，新增场景只需复用和扩展已有 ObjectType/LinkType。成本接近线性增长。