“人工智能+制造”的数据融合赋能路径研究——以Palantir公司AI服务模式为例
网络安全与数据治理
李云志1,张学诚2,杜洪涛1
1. 国家工业信息安全发展研究中心系统所;2. 吉林大学经济学院
摘要: 人工智能(AI)技术对各行业赋能作用日益凸显,在工业领域展现出重塑生产力、优化决策的巨大潜力,但目前仍面临“黑盒”化、商业模式模糊、核心业务渗透不足等挑战。以Palantir公司为案例,深入剖析“人工智能+制造”的数据融合赋能路径,揭示AI价值释放的关键在于构建坚实的数据基础与安全的业务本体。基于数据“资源化→资产化→价值化”的递进赋能路线,其核心是以领域本体论为中枢,将多源数据映射为AI可理解、反映真实业务逻辑的“数字孪生”,保障AI决策的准确性与可解释性。同时,贯穿数据全生命周期的多层安全可信机制,破解了客户的信任壁垒,为数据共享与联合分析提供前提。在此基础上,建议我国AI赋能制造业坚持“长期主义”与“场景深耕”,借鉴“尖端需求打磨→广阔市场溢出”路径,围绕国家战略打造核心能力并向民用领域推广,构建“平台+本体+生态”的可持续产业模式,为“人工智能+制造”行动提供底层逻辑与实践相结合的方法论。
中图分类号:TH166;TP18;TP391.7;F425文献标志码:ADOI:10.19358/j.issn.2097-1788.2026.010.009
中文引用格式:李云志,张学诚,杜洪涛. “人工智能+制造”的数据融合赋能路径研究——以Palantir公司AI服务模式为例[J].网络安全与数据治理,2026,45(10):63-71.
英文引用格式:Li Yunzhi, Zhang Xuecheng, Du Hongtao. Research on the data fusion empowerment path of "AI + Manufacturing"—taking Palantir′s AI service model as an example[J].Cyber Security and Data Governance,2026,45(10):63-71.
Research on the data fusion empowerment path of "AI + Manufacturing" —taking Palantir′s AI service model as an example
Li Yunzhi1, Zhang Xuecheng2, Du Hongtao1
1.Institute of System Research, China Industrial Control Systems Cyber Emergency Response Team; 2.School of Economics, Jilin University
Abstract: The enabling role of artificial intelligence (AI) technology in various industries has become increasingly prominent. In the industrial sector, it shows great potential to reshape productivity and optimize decision-making, but currently still faces challenges such as the "black-box" problem, unclear business models, and insufficient penetration into core businesses. Taking Palantir as a case study, this research conducts an in-depth analysis of the data integration and empowerment path of "AI + Manufacturing", and reveals that the key to unlocking AI value lies in building a solid data foundation and a secure business ontology. Based on the progressive empowerment path of data "resourceization → assetization → valorization", its core is to take domain ontology as the hub, mapping multi-source data into AI-understandable "digital twins" that reflect real business logic, so as to ensure the accuracy and interpretability of AI decision-making. …
Key words : artificial intelligence(AI); industrial empowerment; ontology; data security

引言

自20世纪50年代“达特茅斯会议”提出人工智能(Artificial Intelligence, AI)概念以来,AI技术经历了从逻辑推理、知识工程到以机器学习、深度学习为主导的演进路径。特别是近年来,算力、算法和数据“三驾马车”的协同驱动,以及神经网络模型的层级加深和结构优化,推动了深度学习等技术取得突破性进展,使AI在感知、认知和生成能力上实现了质的飞跃[1],并以前所未有的广度和深度赋能千行百业。在生产制造方面,AI驱动的预测性维护能将设备故障率降低15%~20%,计算机视觉质检将产品缺陷检出率提升至95%以上[2]。在医疗方面,AI辅助影像诊断技术在肺结节、癌症筛查等方面的准确率已能媲美人类专家[3]。作为引领新一轮科技革命和产业变革的前沿技术,AI已成为推动数字经济发展的核心引擎和世界主要国家竞相布局的战略高地。

然而,尽管发展势头迅猛,全球AI产业的整体发展,尤其在行业场景深度应用方面,仍处于初期探索阶段,技术的价值潜力与商业化落地之间仍存在鸿沟,比如:

(1)包括机器学习在内的主流AI技术,在很大程度上仍以“黑盒”方式运行,其决策过程缺乏完全的可解释性,这在金融、医疗、工业控制等高风险领域构成了应用壁垒[4]。

(2)多数生成式人工智能(Generative AI)企业仍依赖于API调用、定制化项目或高昂的算力投入,尚未形成可持续、规模化的商业盈利模式。

(3)高质量行业数据稀缺、数据标注成本高昂、模型部署与维护复杂等问题,制约了产业链的整体成熟度[5]。

以上这些挑战在国内行业中依然存在,AI企业盈利模式单一、自我造血能力不足的问题凸显,个别明星企业甚至面临倒闭或被收购的困境[6]。一个关键原因在于,AI技术未能与客户的核心业务进行深度耦合,许多应用停留在非核心环节,导致商业价值难以呈现。因此,要真正释放人工智能在工业等关键领域的赋能价值,必须回归其技术应用的底层逻辑,即“AI的智能来源于高质量的数据,其价值体现在对核心业务决策的有效支持上”。

为此,本文选取了在国际上以深度、复杂场景应用而知名的AI技术服务企业——Palantir Technologies Inc.(以下简称Palantir)作为研究样例,通过剖析该公司的发展历程,从技术、产品、商业和安全等多个维度,分析其构建高价值AI服务的成功经验,提出体系化的赋能方法建议,以期为国内企业在技术路线选择、商业模式构建和市场战略制定上提供借鉴。


本文详细内容请下载:

https://www.pcachina.com/resource/detail/6000007338


作者信息:

李云志1,张学诚2,杜洪涛1

(1. 国家工业信息安全发展研究中心系统所,北京100040;

2. 吉林大学经济学院,吉林长春130012)

通知公告
编辑观点
理事会
参考资料
版权声明

凡《网络安全与数据治理》(原《信息技术与网络安全》)录用的文章,如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明,即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊,本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时,本刊支付的稿酬已包含上述使用的费用,特此声明。

《网络安全与数据治理》(原《信息技术与网络安全》)编辑部