今晚去模速空间听决策 AI 领域的讲座。
​
两个嘉宾，​一个是做 ontology 的，一个是做决策模型（比如 Jev）的。对他们俩，我提的问题都是，应用场景是什么？
​
ontology based 的​企业知识库，真的太重了。

普通企业支付不起，只能给大企业做。

最后又会变成赚辛苦钱。想想之前的数据治理/数字化转型项目。

嘉宾提到一个非 B 应用场景，vibe coding 中用于生成 spec。让写出来的代码更贴近需求。

可这个在 Claude/GPT 的射程之内。

生成规格这件事，AI 本来就能做。你看 Codex 喜欢用的那些词，契约，边界，就来自 ontology。

模型在内化 ontology 的东西。

嘉宾又说，真正的价值增量在于，让成熟业务团队里的新手/菜鸟，有了这一套 ontology 工具以后，能够快速追上团队标杆，不至于出错，

可是，AI 存在的价值，本来不就是替代初级岗位的吗？

我认为，基于 ontology 的思路去做小型中间件可以，但千万不要做成大型企业外包数据治理项目。否则一定亏钱。

第二个嘉宾推销决策模型。这玩意的价值更存疑了。

- 如果是为了省钱，通用模型的低杯版也省钱
- 只有结果没有理由，事后不可回溯
- 唯一的价值是低延迟

嘉宾提到了视频审核的用例，我问，那为什么不用 CV 小模型来干这个活？

CV 小模型更快更省钱。

比通用，决策模型比不过通用大模型。

比专用性能，决策模型比不过专家模型。

很尴尬的生态位。

之前在交大听葛冬冬的分享，我知道了，做专家模型/求解器是赚不到钱的。

今天的活动，我又知道了，做 ontology 也是赚不到钱的。

两者的原因都一样：

小企业买不起，大企业买来后不会有复购，而你给 A 企业做的资产无法沉淀给 B 企业，没有复利效应。做的极苦。

然后决策模型本质上就是个 feature，无法独立成为一个产品。

​
​