成为真正的信息工作者

this is the series from Susan STEM

新时代的麦肯锡：信息工作者在结构文明时代真正的炼丹熔炉

新时代的麦肯锡：信息工作者在结构文明时代真正的炼丹熔炉

我认为CS人转型的窗口之一：成为真正的信息工作者（以前你还真不是）

工业时代的信息金字塔之巅

并不是我心血来潮要去分析麦肯锡，而是一个需要系统投入的长期研究方向。从现在开始，至少一个月，我会集中精力深度剖析工业时代（恰好从麦肯锡成立的 1920 年代，到 AI 崛起的整整 100 年）这个真正全球化的工业文明阶段中，位于最顶端的信息处理机构。

以麦肯锡为代表，这类全球顶级的管理与战略咨询公司包括 MBB（三巨头：麦肯锡、波士顿、贝恩）、四大会计师事务所，以及各类专注特定领域的专业咨询公司。同时，我也会分析新兴力量的崛起：Palantir（虽是数据平台，但其政府与企业项目浓厚地带有咨询属性）、QuantumBlack（麦肯锡旗下 AI/数据科学部门）、Bain Advanced Analytics Group（贝恩的数据与 AI 部门）、BCG Gamma（BCG 的数据科学与 AI 咨询部门）。

这些新生力量的出现，本身就印证了一个事实：这是计算机科学（CS）从业者转型的关键窗口期，因为理解这一切背后的技术与系统逻辑，对于 CS 背景的人来说，要比文科和商科背景的人更容易。

工业文明的三层架构

从现代文明的源头看，由于我出生时的中国在人口结构上依然是一个农业国，对于那些已经在工业化顶层运转了近百年的高端咨询机构来说，要洞察它们的生态逻辑并不容易。但从现代工业文明的三层结构来看，麦肯锡的生态位极为特殊：它并不直接生产商品，而是处于工业体系的高阶结构调度层，相当于现代经济的“中枢神经节点”之一.

• 物质生产层：制造业、能源、交通、原材料供应等部门，将物理资源转化为商品和基础设施。
• 信息与协调层：金融、法律、管理、物流等体系，在全球范围内调配资本、资源与人力。
• 结构与决策层：战略咨询、科研决策、政策制定等环节，负责设计和优化整个系统的运作方式。

麦肯锡恰恰位于第三层“结构与决策层”，但它既不是学术机构，也不是政府部门，而是一个商业化的跨行业结构优化中枢。它的功能可以分为三点：

• 结构感知——捕捉全球产业、市场、政策信号；
• 结构压缩——将复杂信息压缩成可执行的战略框架；
• 结构调度——指导客户在资本、人力、技术上的资源配置。

在工业文明的生态系统中，麦肯锡更像是一个“超级算法服务商”，只不过它运算的对象不是单纯的数据，而是行业和组织的结构路径。

在整个工业生态里，它与其他角色的关系清晰可见：

• 对制造业，它提供战略方向（例如供应链全球化还是回流本土化）；
• 对金融业，它提供行业洞察和投资策略框架；对政府，它参与政策设计、公共服务改革和国有企业优化；
• 对科技行业，它帮助新技术找到可落地的商业模式与市场路径。它并不直接制造产品，却影响着资源配置的逻辑，因此起到“放大器”的作用。

这种生态位有几个鲜明特征：

• 跨行业迁移能力——能够将一个行业的结构方案移植到另一行业（如将汽车制造的精益生产逻辑用于医疗运营）；
• 低物质依赖性——核心资产是方法论、人才与信任网络，不依赖重资产；
• 高杠杆影响力——员工不到 5 万，却能辐射全球几乎所有大型企业与政府部门。

直到今天，麦肯锡依然是私人公司，2023 年营业收入高达 160 亿美元，纯靠“卖信息”为生。它是工业时代最纯粹的信息工作者形态——某种意义上，也是结构文明的早期雏形。几乎是纯手工静态交付，交付物是PDF和PPT。

到底谁才是信息工作者?

如果从香农的信息论角度精确区分，前 AI 时代所谓的“信息工作者”其实混淆了两类完全不同的角色：信息基础设施建设者与信息内容处理者。 香农模型将信息分为两个层面：

• 一是传递信息，即编码、传输、解码的过程，不涉及意义，只保证比特流准确送达，关注信道容量、抗噪性与延迟；
• 二是信息的内容，即信息“说了什么”和“如何使用”的部分，直接关联意义、决策与执行，涉及结构化、解读、压缩、重组与再分发等高阶操作。

码农

在前 AI 时代，IT 从业者与码农的核心任务是建设和维护信息传递的基础设施——网络、数据库、操作系统、应用框架等，实现数据采集、存储、检索、展示，优化传输效率与系统稳定性。这类工作属于符号层的搬运与处理，类似“信道工程师”，确保信号不失真地抵达，而大概率不参与信息意义的解读与决策设计。

相反，战略咨询公司等文科、商科为主的办公室团队才是真正处理信息内容的人，他们收集高熵信息（市场、财务、政策、技术趋势），将其压缩并结构化为可执行的战略框架，再转化为决策建议与资源配置方案，属于语义层与结构层的高阶加工，直接影响现实世界的运作路径。 因此，在前 AI 时代，IT 人并非核心的信息工作者，他们掌握的是传输与工具，而信息的“主权”掌握在咨询公司的内容处理者手中。

信道与信息是分开的

工业时代信道与信息之所以长期分离，本质上源于当时的技术条件、组织分工和经济激励，使得这两类职能必须由完全不同的体系来承担。在技术层面，工业时代早中期的信息传输与信息内容处理依赖截然不同的能力：信道建设需要电报、电话、卫星、网络、数据库等工程技术，核心是物理与电子工程、通信技术；而信息内容加工依赖经济、法律、管理、战略等领域知识，核心在于人文、商科、社会科学的分析能力。

由于当时的计算机与通信系统无法处理复杂语义或策略，信道只能负责将比特送达，而内容必须由人类专家解读、压缩并转化为决策。组织上，这种差异被泰勒制与流水线式的分工固化下来：工程师与 IT 部门负责工具、基础设施与数据流动，管理层与咨询公司则掌握信息意义的解读与资源调度，形成“信道保证信息可达，信息处理者保证信息可用”的职能分立。

经济上，真正的高价值环节在于“信息如何指导行动”，而非“信息如何送到”，基础设施建成后边际价值迅速下降，而战略决策与结构优化直接影响资本流向与生产布局，回报丰厚，因此咨询公司、智库与管理层位居价值链顶端，信道建设者则长期处于支撑位置。

此外，在 AI 出现之前，计算机在自然语言理解与语义分析上能力有限（这才是重点），无法用同一系统同时完成信息传输与信息理解，信道层的工作可用固定协议标准化，而语义层工作依赖人类推理与跨领域经验，难以形式化，最终形成物理层与语义层的天然分离。

所以，工业时代的信道–信息分离是技术、组织、经济三方面共同作用的结果：技术上物理传输与语义理解差距巨大，组织上分工体系固化，经济上决策端掌握高价值而基础设施端可替代性强。而进入 AI 时代，这一分离被打破——符号处理与语义处理能力开始融合，IT 人可以借助 AI 直接参与信息内容的结构化与决策生成，从单纯的“信道工程师”转型为“协议设计者”和“执行调和者”，从“造管道”升级为“用管道直接调度世界”，这正是 CS 人接管过去由文科商科团队独占的信息内容主权的关键窗口期。

其实你想一下，文科商科是什么时候开始变得不好找工作的？ 其实就是系统给我们反馈的一个信号。

过去几十年，文科和商科背景的人之所以在就业市场中占据高位，是因为他们掌握了“信息内容处理权”——负责结构化、解释、压缩、再分发高熵信息，并据此影响决策和资源配置。而 IT/码农更多是做“信道工程师”，提供信息流动的基础设施。 但近十年，尤其是 AI、大数据、自动化决策系统 的普及，让系统本身具备了自动处理大部分基础性内容工作的能力：

• 数据的收集、清洗、归档 → 机器自动化
• 行业信息的归纳和对比分析 → AI 模型可以实时完成
• 报告生成、PPT 框架 → 模板化、自动化产出

这就直接冲击了文科、商科内容处理者的“低中端环节”，导致岗位需求萎缩。换句话说，系统正在逐步接管他们的“信息结构化”职能。 当然现在轮到低端码农了，我们各有窗口，可以各取所长，利用AI融合。所以不要分什么文科理科的了，不转型都完蛋。

百年麦肯锡：前AI时代最强世界信息结构化处理中心

麦肯锡100年都咨询了个啥

100 年前的世界，电力刚普及没多久，电话、流水线才刚刚进入工业体系，跨国公司屈指可数，全球供应链几乎还不存在，工业管理理论也就刚从泰勒制、福特制起步。而现在，我们生活在一个跨国生产网络遍布全球、供应链金融高度复杂、企业矩阵化管理、全球品牌满天飞、政府—企业—资本深度协作的世界。这背后，有一条非常清晰的“咨询优化轨迹”，麦肯锡就是这个轨迹上的核心设计者和调度员。

如果把它的百年历史当成一次长周期的“工业文明结构调度实验”，它做的核心工作就是为全球化工业体系进行结构设计与运行优化——从生产、资本、管理，到供应链、政策、技术路径的全局配置。它像是为全球工业系统编写和升级操作系统：早期帮企业装上预算与财务控制模块，中期设计多事业部和跨国布局架构，后期搭建全球供应链网络，再到近二十年推动数据化管理、精益优化、数字化转型与 ESG 内嵌。

因为这种持续 100 年的优化，世界从电气化萌芽期的局部生产，变成了今天的全球一体化、实时协作、指标化管理体系。副作用是系统高度耦合、风险传导极快。但也正因为有了这些被咨询公司塑造的全球结构，AI 时代才有了可以直接接管和自动化调度的基础。

我对叙事的历史没兴趣，我们研究过去，是为了谋划和推演未来。所以关键问题是——麦肯锡的结构精华到底是什么？它凭什么和其他顶级咨询机构一起，作为全球最强的大脑，把工业社会的财富和效率放大了无数倍？

结构化知识是麦肯锡的精华

要回答这个问题，就得先把“麦肯锡的结构精华”拆开来看。它的核心不是某一套具体的分析工具，而是一种长期积累出来的跨行业、跨地域、跨周期的结构处理能力——它能在不同的经济阶段、技术环境、政治格局下，把高熵的全球信息压缩成低熵的可执行方案，并推动这些方案落地。

• 首先是结构感知。麦肯锡掌握了一套几乎覆盖全球的“信号捕捉网络”，可以从政策、市场、技术、竞争格局中提前嗅到趋势拐点。它不是靠一个分析师的直觉，而是长期项目积累出的数据、案例、关系网络和行业模板的结合。这让它总能比客户自己更早、更系统地看清结构变化。（人家60个办公室遍布全球）。

• 其次是结构压缩。大量的调研和信号捕捉回来后，它们会被套进一套标准化的分析框架（价值链分析、7S 模型、行业矩阵等），把复杂的行业动态、企业现状和外部环境压缩成几个清晰的战略选项和优先级。这一步是麦肯锡的“算法层”，虽然形式是人类顾问的PPT，但本质是一次结构计算。

• 然后是结构调度。光有方案不够，麦肯锡的强项在于能直接影响客户在资本、人力、技术、供应链等方面的资源配置，并且知道怎么让这些决策在组织内部被执行。这依赖它的高信任度人脉网络——政府、跨国企业、资本市场——和它对不同利益相关方的协调能力。

• 最后是跨行业迁移。麦肯锡积累了大量行业的结构模板，可以把某个行业成熟的运行机制直接移植到另一个行业，比如把汽车制造的精益生产理念带到医疗运营，把零售业的供应链优化方法移植到能源行业。这种“结构复用”能力，让它在全球范围内加速了效率扩散。

所以，麦肯锡和顶级咨询机构的真正价值，是在过去 100 年里构建了一个全球工业结构的知识库 + 决策算法 + 执行接口网络。它们不直接制造财富，而是通过优化结构来放大财富创造的效率。

AI时代先把人力转成AI

在 AI 时代，这套“结构调度能力”第一次有机会被技术复制、API化、甚至超越。因为过去需要几百人几个月才能完成的调研、压缩、调度，现在 AI 可以在几分钟内完成第一轮输出，并且实时更新。麦肯锡的百年积累，正好将是我们构建 Strategy as Code、Governance as Code 这些结构文明底座的历史原型。

麦肯锡大部分交付居然是静态的PPT和PDF！

没错，麦肯锡让我最难接受的一点，就是它的交付物大部分还是静态的。

这种静态文档，在交到客户手里之后，并不会直接生效，而是需要经过一层又一层的“翻译”——高层解读成部门目标，部门经理再拆成任务，业务分析师再写需求文档，最后技术团队去实现。等它真正落到系统里，已经是好几道传话筒之后的产物。PPT → PRD 的流程。耗人力无数。

你想想，麦肯锡自己没有任何实体生产，没有工厂、没有零售，甚至不碰执行系统，但它全球却养着几万名顾问。对于一个计算机人来看，这个模式最大的“bug”就是信息经过多层人工传递，成本高、易失真、效率低。

我们举个具体的场景——你花了 50 万美元（还不算最贵的那种）定制了一份麦肯锡的咨询报告，收到了厚厚的 PDF。接下来你要干嘛？

第一步，你得把报告里的战略目标解释给公司高层和核心团队听；

第二步，高层再把它拆成各部门的业务目标和优先级；

第三步，业务部门找产品经理或业务分析师，把这些目标翻译成可以落地的业务流程和功能需求；

第四步，技术部门根据需求文档再写系统设计、数据模型、接口规范；

第五步，等系统上线，还要手动对照原战略看看有没有跑偏。

在这个链条里，每一步都是人工翻译，每翻一次就可能丢掉细节、误解原意、改动逻辑。等你花了半年、一年去落地时，市场环境早就变了。

而在 As Code 的思路下，这份“50 万美元的 PDF”本可以直接变成机器可执行的结构协议：战略目标直接编译成数据契约、规则引擎配置、执行编排，自动分发给相关系统，实时执行和回滚——不需要一层层传话。

对不？

API：这还需要推演么？ 如果他们没想明白这个1，2，3那就完蛋了。

麦肯锡最起码，有大量的交付可以做成API。

API化”就是把原来写在 PPT/文档里的策略、规则、流程，封装成可调用、可组合、可审计的稳定接口。它是把“叙事 → 协议 → 执行”连成一条线的工程化方法。

我举一个超级简单的例子：

假设你是零售集团的市场部负责人，需要让各地区根据库存和价格弹性来调整商品售价。按照传统的静态交付模式，咨询公司会先给你一份厚达 200 页的 PDF，其中明确写着类似这样的规则：如果库存覆盖天数低于某个阈值且需求预测上涨，就提高价格 2%；如果价格弹性小于 -0.4 且竞争价差大于 3%，则降低价格 2%。接下来，你得先让业务经理读懂这些规则，再由他们整理成 Excel 表格交给技术团队，然后技术团队再将这些规则写进代码并部署到系统中。整个流程往往需要一到两个月，中间还要反复对齐定义和修正口径。而在 API 化的动态交付模式下，咨询公司直接提供一个 PriceRecommendation API，你只需输入商品信息、库存、价格弹性等数据，就能实时获得系统返回的建议价格，不再需要冗长的人工翻译和多层中转。

As Code的未来：

在咨询或 As Code 的语境中，API 用清晰的输入/输出、版本和契约（例如通过 IR/DSL 转化为 OpenAPI、GraphQL、gRPC 等形式）将业务策略、规则、数据分析与决策逻辑封装成服务，使其能够被人和机器一致地调用、组合与结算。

它的目标是在 PPT → PRD → 系统之间大幅缩短那层“人工翻译链”，让信息直接成为可执行的指令，并将“一次性交付”转化为“持续服务”的模式。这样做的好处包括：减少信息在传递过程中的失真，让同一份契约贯穿执行全程；将行业结构单元做成类似乐高组件，方便跨团队、跨组织复用与拼装；确保每一次调用都有可追踪的 trace、SLA、审计与回滚策略（与 GitOps/As Code 的原则一致）；并且能从一次性售卖项目转向按接口、配额或订阅的方式模块化输出咨询能力。

从结构文明的角度看，API 是最简单、最直接的一层 As Code——它的作用是将原本抽象、模糊、需要人工解读的规则，封装成机器可调用的结构化接口，实现“输入 → 规则执行 → 输出”的直接闭环。但 API 化更多解决的是执行层的问题，而完整的 As Code 还包括声明层（规则定义与版本管理）、调和层（保持声明态与运行态一致）、观测层（可追踪与回滚）、互操作层（跨系统对齐）等内容。因此，API 可以看作是 As Code 的落地触点或出口端口，但要实现真正意义上的 As Code，还必须把规则的定义、版本、调用、验证与回滚全部纳入同一套结构化协议中。

泼一碗冷水——这事没那么简单，这项技术本身也算不上什么惊天动地的发明，你甚至可以问：“既然这么好，为啥以前不做？” 现实是，即便今天 IT 部署成本已经大幅下降，真正推起来依然很麻烦：要统一规则、口径，要跨部门改流程，还要让不同背景的人达成共识。

但这并不是我的重点。我的观点是，哪怕它依然复杂、实施周期长，信息技术背后的文明范式已经开始发生跳跃。过去，我们习惯把战略、规则、政策这些高语义内容留在文档和会议里，让它们在人工翻译的多层链路中逐级下沉；而今天，第一次出现了让这些内容直接以机器可执行形式存在的现实可能性。

这种变化不是单点的工具升级，而是底层运行逻辑的换代——从“信息描述世界”变成“信息驱动世界”，从“靠人去解读并执行”变成“信息本身就是协议、就是操作”。它的麻烦恰恰说明，这不是一次小修小补，而是一次结构级的迁移。等到这条路径被跑通，成本会继续下降，门槛会越来越低，最终它会像互联网一样成为所有系统的默认形态。

Palantir 和科技右派

我曾设想过用许多不同的角度去分析我所了解的 Palantir 和科技右派：想想还只能是哲学

但无论从哪一条线索切入，都无法完整呈现 Peter Thiel、Alex Karp、Palantir 以及“科技右派”这一组名词背后交织出的复杂度与多层次性。科技右派的崛起，在我看来，是当代最值得关注、也最具影响力的科技势力之一。这股力量强大到，让我本能地觉得必须在这个棋盘上落一子。需要先声明的是，我在写作和研究时，并非以立场为先，而是因为感受到了这一股势能——它足够深刻、足够强劲，值得投入未来几十年的时间去跟踪、分析与理解。理解这股势，理解它的哲学与范式，不仅有助于看清未来技术演化的方向，更能为那些尚未成形的技术项目，在关键时刻落下一枚有分量的棋子。正因如此，我切入 Palantir 的第一个分析帖子，绝不可能从维基百科式的“公司做什么、历史如何、业务布局、技术实力、客户构成”等信息开始——这些问 AI 就能得到。我认为，进入 Palantir 的最佳入口，是将它视为一家科技哲学的分析案例，因为它的哲学将深刻而长远地影响这个世界。但无论现在如何解读，都是无法获取全貌的。只能跟进，不能完全理解。

科技哲学家：两位非典型科技领军人物

提起“科技大佬”，你脑海里浮现的是什么形象？是穿着帽衫的理工宅男？是木讷内向、智商爆表的数学天才？如果是这样，那 Peter Thiel 和 Alex Karp 显然都不符合这种刻板印象——他们都不是理工科出身，而是用哲学思维去探索世界的科技领军人物。Peter 出生在德国法兰克福，小时候随父母移民美国，毕业于斯坦福法学院，带有浓厚的精英主义色彩，是典型的“硅谷技术右派”，强调资本效率与结构创新的制度力量，商业履历横跨 PayPal 联合创始人、Facebook 早期投资人和 Founders Fund 管理人。Alex 出生在纽约，父亲是犹太人，母亲是非裔，本科读法语，毕业于哈佛法学院，之后在德国法兰克福大学攻读哲学博士，专攻新古典社会理论（neoclassical social theory），导师是法兰克福学派成员。他曾深受欧洲左翼思想的熏陶，但进入企业领域后展现出强烈的现实主义与国家安全观，没有硅谷工程师的典型背景，更像是一位政治哲学家与 CEO 的结合体。

在意识形态上，Peter Thiel 代表着“技术主权 + 结构右派”：他相信科技决定论，认为西方陷入技术停滞，需要推动核能、航天、人工智能等领域的突破；他批判全球化的反乌托邦倾向，对多元文化主义与过度民主化保持怀疑，强调国家竞争与文明冲突；他主张一种结构化的自由主义——自由市场与技术精英治理并行，制度竞争力优先于意识形态；他支持利用技术平台构筑国家安全护城河，增强美国及盟国的战略优势。

Alex Karp 则体现着“现实主义安全观 + 法兰克福学派残影”：他承认技术的双刃剑特性，认为在正确制度下，技术可以成为民主的防御工具；他强调制度与透明性，尽管 Palantir 与情报机构深度合作，他依然坚持可问责性和民主社会的授权边界；他带有欧洲式的社会民主情怀，对美国极端自由市场有所保留，支持国家在社会福利与公共安全中发挥作用；他反威权却强调强安全，在俄乌战争和反恐等议题上立场强硬，认为软弱的防御会摧毁民主社会。两人在理念上交集显著：都坚持技术民族主义，视科技为国家竞争的核心资源，反对其落入战略对手之手；都将安全视为首要任务，无论面对恐怖主义还是地缘冲突；都信奉精英驱动的决策模式，相信应由少数具备结构洞察力的高素质群体引领战略走向。

好，停！这里必须讨论一个我认为技术人需要想一下的概念。你认为技术是如何演化的？

技术达尔文主义 vs. 结构设计主义

你有没有想过，技术究竟是像达尔文的生物进化那样——完全依赖随机变异与环境筛选的被动过程，还是可以通过结构化设计与战略性推动来塑造？在达尔文模型中，技术被视作“技术方案或产品”的集合，先产生变异，再在市场竞争中经历优胜劣汰，环境——包括规则、制度、接口、审查、资本约束——只是外生的常量。而在结构驱动模型中，技术的基本单位不是产品，而是“协议与边界条件的制定权”：标准、API、合规规则、补贴与采购门槛、威胁模型、数据分级等，谁能掌握这些，就能重新定义“适者”的含义，并重塑竞争的地形。

纵观人类工业技术的演化史，我的判断是：技术既不是完全自由演化的，也不是完全人工设计的，而是处在一个“可设计的演化区间”中，并且在后AI时代“结构文明”框架下，这种状态会持续下去。技术的自由演化，更像是在一个预先设计好的“竞技场”里进行自然选择；设计不是万能的，但只要能写协议、设边界，就能在很大程度上“塑造自然”。这也是 Palantir 与 Thiel–Karp 模式的本质：他们不会等待技术在大市场中自行进化，而是直接制定规则，占据协议层，让演化结果向自己预设的方向倾斜。因此，技术并非在所有情况下都被完全设计，但重要技术的走向，往往是被刻意塑形的。

Thiel–Karp 模式： 要抢，而且我会抢

从一些看似简单的动作里，其实很容易看出 Palantir 完全认同“协议要抢”的理念。Peter Thiel 在他唯一的一本书里（真的就是唯一一本），就强调自己只会去做别人不仅追不上、甚至连追平都不可能做到的事情，因为在他看来，无意义的市场竞争本身就是——无意义的。协议的制定并非自然而然形成的共识，而是争夺、绑定、锁定的结果；谁先写下协议，谁就有权定义未来“适者”的含义。

Palantir 在协议抢占上的路径非常清晰：它先快速嵌入情报与国防系统，直接占据国家安全数据融合的事实标准；再通过 Foundry 切入商用市场，把同一套数据权限与分析协议移植到能源、制造、医疗等领域；最后借助 Apollo 的持续部署机制，把更新能力本身变成协议的一部分，掌握系统升级、功能演进乃至淘汰的最终决定权。这种极具 alpha male 气质的做法，并不是今天才出现的新鲜事，而是延续了百年来**技术与主权嵌入的传统 88。

在近代工业标准化阶段，英帝国海军造船标准让船只零件规格统一，在全球殖民地快速维修补给，从供应链层面协议化了帝国的工业体系；德意志铁路轨距与时刻表则通过统一规范，把军运和经济运输绑定在国家战略的轨道上。进入信息与通信协议时代，电报与摩尔斯码在 19 世纪中叶成为全球唯一通信标准，谁控制电报线路，谁就控制信息流；TCP/IP 在 1970–1980 年代不仅确立了互联网技术标准，还嵌入了开放互联、分布式冗余的价值观，一旦被全球采纳，就几乎无法替换。

在军事与地缘战略领域，GPS 由美国国防部在 1970 年代开发，虽然后来开放民用，但保留了核心主权控制权（可在特定区域降低精度甚至关闭），让全球用户在依赖的同时，命脉仍握在美国手中。SWIFT 作为全球银行间支付清算系统，将金融信息传输协议标准化（ISO 9362），并内置政治制裁功能，可将成员国排除在国际结算网络之外。F-35 战斗机体系更是军事版的“平台锁定 + 协议嵌入”，不仅依赖硬件，还通过软件与后勤网络把零件、升级、维护全部绑定在美国的认证与供应链内。

在商业领域，苹果 App Store 与 Google Play 的分发协议与审核规则，本质上也是商业主权的一部分，直接界定了哪些业务形态可以存在，哪些会被彻底封杀。Palantir 只是把这种早已存在的“协议即权力”的逻辑，推向了数据、算法与决策结构的核心位置。

那又怎么样呢？以前抢了现在继续抢，那现在又有什么特别的——特别在于科技右派如何看待AI，以及AI范式下他们打算抢什么。

在科技右派眼中，AI 从来不是一件中立的工具。他们不会把它看作单纯的计算能力，而是一个可以嵌入价值观、权限结构与战略优先级的执行器；它不仅能算，更能在运行中执行特定的政治与文明逻辑。在这种视角下，AI 还是一种主权延伸器——训练数据的选取、推理路径的设定、决策边界的划定，都是主权版图的一部分。谁掌握了这些，谁就能在未来的制度运行中占据主动。此外，AI 对他们来说还是一台规则编译器：如果协议是“文明的源代码”，那么 AI 就是即时编译并执行这些代码的引擎，一旦逻辑模板被写好，运行过程中就会不断强化设计者的价值观。

因此，在 AI 范式 下，科技右派想要“锁定”的，并不只是接口或市场份额，而是智能运行的底层条件——让未来的机器在他们的规则里“思考、取数、行动、更新”。换句话说，要把“能学什么、怎么看世界、能做什么、谁能改它”全部写进规则里，使智能的运作永远被限制在特定的文明边界之内。围绕这一战略目标，他们会在九个关键环节设下锁链：

• 算力与根信任：通过指令集、加速栈、安全芯片、远程证明与安全启动链，锁住“能不能跑、跑在哪里、谁说了算”。
• 密码学与密钥治理：通过加密算法标准、KMS/HSM、跨域密钥托管，锁住“谁能解密、谁能审计”。
• 数据主权与身份权限：通过数据分级、零信任/ABAC、跨域共享网关，锁住“谁可见、谁可改、何时可流动”。
• 语义本体与标签体系：通过统一的领域本体和标签模式，锁住“世界被如何切分与命名”，即模型的意义坐标系。
• 训练与评测协议：通过训练数据许可、清洗准则、评测基准与安全卡尺，锁住“模型学什么、什么算好”。
• 推理与工具调用边界：通过工具目录、作用域、费控与联网策略，锁住“模型能做什么、能调用谁”。
• 部署与更新通道：通过模型注册表、版本控制、熔断与回滚机制，锁住“谁能改它、何时改、改了可否撤”。
• 采购与合规适配：通过采购白名单、认证体系、审计模板，把“适者”的定义直接写进招标评分表。
• 联盟与条约标准：通过跨国数据/安全协定、行业或军标互认、共同威胁模型，把技术规则固化为长期的政治承诺。

在这一整套设计里，AI 已经不只是运算系统，而是被当作文明操作系统的一部分——锁得越深，未来越难逃出他们设定的框架。

数据平台，以及人类社会中推演过的最强数据平台：智子

很多概念，你可以去查维基百科，可以去问 AI，但人的固有限制在于——很难想象自己从未亲历过的东西。这也是顶级科幻的魅力所在：它不是幻想，而是预言。

在人类社会曾经推演过的最强数据平台原型中，有一个名字足够压场——智子(大刘的手笔，不服来战)。

我打算把你直接带进三体人的视角，来解析这个数据平台——我认为这是下一个重要科技范式的雏形。当你的思维能与三体文明对齐，再回头看人类后来造出来的那些平台，那不就是虫子么。

人类能想象到的顶级计算机与传感器合体形态：智子

质子高维展开——刻蚀电路成为智能机器

“三体世界利用‘智子’技术——将单个质子从九维展开至二维，并在其二维结构上刻蚀电子线路，使其变成一种智能计算机器人。智子具备自由收缩与展开维度的能力，最多可展开至十一维，从而在高维环境中获得人工智能。” 智子是一个跨维度的人工智能，计算与感知合为一体，且维度高度直逼宇宙可能的极限——十一维。

分布部署与实时通信

“在三体世界制造出四个智子后，分为两对。一对以近光速送往地球，另一对则留在三体世界作为通讯工具。即使智子相隔数光年，也能实现瞬间通信。”

最简单粗暴、最反直觉的解决方案——直接用量子纠缠，干掉了宇宙中最难的无损通讯难题。相对论和光速都不用考虑了。

传感与计算一体——无死角监控与信息采集

“智子可以自由展开或收缩到任意维度，这使得它能以超高速读取任何人类资料、书籍或计算机存储内容——虽然不能侵入人类思维，但几乎能掌握全部的外在信息。”

这是一台跨维度的“传感–计算–执行”一体机，不仅覆盖整个地球的信息空间，还能在量子尺度下实现零延迟、零遗漏的全景感知。

智子与三体母舰队的核心计算形成的数据平台

智子与三体母舰队的核心计算母体结合，构成了一个庞大的数据平台系统。这是人类目前所能想象到并在理论上成立的最强数据平台形态——在科幻世界中，它将数据平台的三大极限能力——采集、计算、执行——推至理论终点。

它的优势体现在三个方面：在采集上，它能在全星球范围同时监听并解析来自电磁波、物理事件、生物信号和数字痕迹等海量异构信号，实现零死角覆盖、毫秒级感知，并在信号生成的瞬间自动标注语义；在计算上，它可以对全量数据实时压缩、建模、推演和预测，通过多维压缩、全局推演和跨领域关联，将不同来源的数据统一成可调用的结构单元，并在高维数学空间中完成自适应优化与预测闭环；在执行上，它不仅能提出决策建议，还能直接在信息流、物理环境乃至宏观系统中实施精确干预，做到隐形、精准、即时反馈，确保每一次执行结果都能反哺下一轮优化。

这种能力，用一个拉丁词来概括就是“Omni全能”——Omni-Ingestion（全能采集）、Omni-Compute（全能计算）、Omni-Action（全能执行），全能且极致。

智子本身并不是三体文明的主计算中心，而是一个超高灵敏度的分布式感知与执行单元。它主要承担就近采集、预处理和即时干预的任务，在二维表面刻蚀的超级计算机级逻辑电路为其提供一定的本地计算力，用于数据初步压缩、模式识别与筛选，更多扮演边缘计算节点的角色，以减少传回母星的原始数据量。

母船或母星上的核心处理器则是全局计算、深度推演与战略决策的中心，接收多个智子节点的实时数据流，凭借文明级的算力运行全星际范围的模拟与推演，相当于整个三体文明的“云端大脑”。

二者之间通过量子纠缠级的通信链路保持几乎零延迟同步。智子可以即时将采集到的数据“透传”到母星中央处理系统，由后者完成全局计算，再将执行指令回传智子执行。这种模式类似超低延迟的远程调用（RPC）：智子负责 request（数据采集与执行），母船处理器负责 process（全局运算与策略输出）。

若用现实的系统架构类比，智子就像高灵敏度传感器与边缘计算节点的结合体，母船处理器则如同集中存储、统一调度、全局优化的云端超算集群，而量子纠缠信道则是一条延迟远超光纤能力的通信链路。简言之，智子是三体文明的分布式全感知探针和即时干预器，母船/母星处理器是它背后的全局大脑——智子将宇宙中的每一缕信号捕捉并压缩到极致，交由母船完成文明级计算与决策，然后将指令瞬时回传并精确执行。

一个重要的认知：就算是智子也无法预知未来

刘慈欣在设定智子时，并没有让它突破我们现有的时空观（也不应该突破），所以智子所采集的数据，在被捕获的那一刻，确实已经真实存在于外部世界。它不是去“预测”未来，而是“读取”当下已发生或正在发生的信号——这点认知非常关键。智子不能直接读取未来，它并不具备超时空预知的功能，它的强大在于零延迟与零遗漏，而不是时间旅行。

虽然智子并不预测未来，但有三个特征，让人类误以为它“无所不知”：其一，采样密度极高，对某个事件的观测频率和分辨率远超人类的任何仪器；其二，覆盖面无限，无论实验室、海底、极地还是战场，它都能同时采集；其三，回传零延迟，三体文明获取数据的速度几乎与事件发生同步。于是，当人类还在缓慢汇总信息时，三体人已经得出结论并采取了行动，这种时间差让它看起来像是“提前知道”。

我在这里要向屏幕前的你眨一下眼——这点很重要。这条铁律不仅刘慈欣明白，任何有头脑的人都该明白：再智能的系统，都会被绑定在这个时空规则之下，哪怕它看起来多么像个神婆。如果一个系统拥有全球传感器网络 + 低轨卫星群 + 实时云计算，能在毫秒级获取并处理全地球的变化，那么对于被监控的一方而言，它就仿佛“提前一步知道一切”，尽管技术上，它只是在第一时间获取了已发生的数据。

放心，未来你还是要懵的，还是有人会拿这种技术忽悠大众。

策略如何生成

回到我们整个系列的主题——咨询业。策略到底是怎么生成的？谁来制定？是拍脑袋拍出来的，还是基于证据和数据推演的？我们不妨换个角度，带入三体人的视野去思考。三体人的整体目标显然是由他们自己决定的——殖民地球，这是一个宏大得惊人的战略目标，同时又伴随着无数不确定变量。听上去很遥远？别惊讶，现实中全世界大多数公司的目标也好不到哪里去：赚钱。

那么，三体人要实现“殖民地球”这个终极目标（就像地球企业要“赚钱”），他们的具体战略、策略和每日行动清单又是怎么制定出来的呢？答案就是一个严密的人机协同闭环——智子平台的策略执行流程。

在这个体系中，第一阶段是情报感知：智子作为分布式前端节点，全频段采集微观粒子、宏观环境和人类社会活动的多模态信号，完成去噪、特征提取和优先级初筛。

第二阶段是数据回传与集中分析：通过量子纠缠信道将高优先级情报瞬时传回母船，由母船超算整合全局数据，形成完整态势图并识别威胁与机会。

第三阶段是任务生成：母船战略AI根据态势图生成多种可操作方案，附带概率评估与资源消耗模型；

三体战略委员会（Human-in-the-Loop）则基于文化与心理预判进行筛选、修改与组合，最终将选定方案拆解成可执行的微任务分配到各智子节点。

第四阶段是任务执行：智子在目标位置即时干预、协同作业，并在必要时本地自主应对突发情况，无需等待母船指令。

第五阶段是反馈回收与闭环：执行数据实时回传，母船AI对比预期与实际，修正全局模型；三体战略官员则进行文化与心理层面的复盘，决定是否启动下一轮任务生成，从而形成持续优化的战略闭环。

一句话总结：智子策略执行是一个五阶段的闭环——感知 → 分析 → 任务生成 → 执行 → 反馈优化——AI负责规模化计算与调度，三体人负责文化与风险决策，而量子纠缠通信则确保这一切以零延迟在全局同步。

人在回路 Human in the loop

人在回路，是任何强大数据平台的底层逻辑。AI 可以提供多种可行方案与预测结果，但真正的策略裁剪，仍需三体人基于文化与心理的判断来完成，随后由智子进行高精度、隐形的执行，全局系统则持续监测并迭代策略。这是最基础的原则——也是以后很多人会弄不明白的地方。随着科技的发展，会有无数声音告诉你“AI 可以全决策”，但连三体人都不敢把一切全权交给 AI，你敢全撒手…

举个例子，在一次针对地球量子计算研究的行动中，流程是这样的：首先，情报感知阶段，某国实验室在量子计算芯片材料实验上取得了突破性结果，智子通过监测实验设备参数变化与论文草稿的数字痕迹，确认研究团队即将提交专利申请。

接着是数据回传与分析，智子将实验参数、人员名单、论文初稿及社交媒体暗示等数据零延迟回传母船，母船 AI 推演得出结论：若研究顺利推进，该国三年内将获得可显著加速人工智能训练的芯片技术，对三体的长期科技封锁战略构成威胁。

进入任务生成阶段，AI 提出三种干预方案：一是直接干扰实验数据，使结果不可复现；二是制造学术争议，让团队内部产生分歧；三是引导资金和政策转向其他领域。

此时，三体战略官员介入，基于人类心理与文化判断，选择了方案二与三的组合，既避免暴露技术干预痕迹，又能长期消磨研究动力。随后在任务执行中，智子节点悄无声息地在关键数据文件中引入微小的测量偏差，同时监控团队邮件系统，在合适的时间向部分核心成员匿名泄露“质疑性”数据；另一组智子则向媒体与科研政策圈投放引导性信息，强调其他研究方向的“更大前景”，制造资金分流压力。

两个月后，在反馈闭环阶段，该实验团队因数据不一致与方向争议暂缓实验，研究经费被重新分配。智子将这一结果回传母船，AI 评估策略成功率，并将此模式标记为适用于“非直接技术封锁”类任务。

这才是一个完美的策略闭环。虽然三体的中央计算系统拥有极高的智能，但他们的目标不只是物理层面的胜利，还包括心理战、文化战、政治干预等复杂博弈。这些领域里，人类社会的非理性、情绪驱动与文化符号体系并不完全符合三体的认知模型，因此必须保留人工判断环节，以防 AI 在战略执行中出现“符号偏差”。这种宇宙级的认知同样适用于任何人工智能的应用场景。

你要把这篇文章读到这个地步，你已经大概看懂了Palantir 的逻辑（三体人都被你看穿了）。

Palantir的本体Ontology

Web 2.0的拐点

终于要谈到这个问题了。队友看了我的推文，只能无语，因为他太清楚我说话总是绕很久的铺垫，这是我长期文学阅读留下的习惯，导致上下文冗长庞大。他则完全相反，说话从不铺垫，只有几个字，因此我也常常听不懂。多年以后，如果我们回头来看这几年，也许正是 Web 2.0 的拐点时刻。为什么？我早就说过 App 卖不动了；搜索引擎大家都明白了，遇到问题直接去问 AI；社交媒体呢，我的朋友圈几乎没什么人说话了，小扎焦急到处砸钱折腾他的 AI。种种迹象，都是 Web 2.0 生态走到尽头的拐点。而我们正压着一个旧生态，思考下一个生态的交互模式会是什么样，盈利逻辑又会如何。其实根本不用绕那么麻烦——看谁的股价在飙升不就知道了吗？Palantir 就是最鲜明的例子。从这一贴开始，我们就该好好探讨“本体”与“数据平台”的问题了（这次认真，不跑题）。

在深入之前，我得先说明白我理解中的本体哲学——数字孪生。这个世界本身是混乱的、高熵的。人类表面上看不过是一堆蛋白质、有机物构成的高等脊椎动物，但其层次之复杂远远超乎想象。人与人之间有错综的关系：父母、夫妻、朋友，也有仇敌；人与国家有国籍纽带；人与组织有雇佣与消费的关系——白天上班属于一个组织，下班买东西进入另一个组织。这些关系、角色、状态交织在一起，动态叠加，构成了几乎无限的状态空间，穷尽整个宇宙的算力恐怕也无法彻底建模。

然而，人类却在这个高熵宇宙之上，构造出了一个全新的符号宇宙。它既是现实的镜像，又与现实完全不同：语言即世界。在这个以二进制为底座的符号宇宙里，算力几乎无限（而且还在指数级增长），沟通没有延迟，没有损耗，信息传递的效率可以接近 100%。于是我们可以把高熵、复杂、立体的现实压缩简化，映射为一个二维宇宙里的“本体”——数字孪生。它确实会损失很多立体的信息，就像把一个真实的人压缩成像素人，但与此同时却获得了无与伦比的计算能力和瞬时沟通的能力。这个数字孪生，就是我们可以用来构建任何现实投影的“世界模型”。

这就是本体的核心哲学。它极具哲学性，同时又忠实映射了“Ontology”一词的本义。

这与我提出的“语言即世界”的理念高度一致：通过数字监控、数字建模和数字模拟，用最小的符号信号去捕捉最大化的真实世界信息。真实世界确实存在，但其复杂性使之不可穷尽地计算；虚拟世界虽然只是投影，但它却极度可算。这正是我做投资应用和一切推演工作的基础：只通过监控语言信号，就能推算出更多潜在信息，方法上颇有贝叶斯的意味。或许，所谓的本体才是真正值得我们期待的 Web 3.0（无意冒犯）。

Ontology 可以说是“数据库…but much more“

我本人并没有直接操作过 Ontology 的界面，目前的学习资料需要 Foundry 的权限，而我显然没有。但凭借计算机理论知识，再结合已有资料，可以大致推演其构成。任何技术都有原型，任何发明都立足于前人的探索。就像滑翔机的灵感来自鸟类，人类早期的飞行幻想也是原型。因此，从技术演化的角度看，Ontology 不是凭空出现，而是数据库的自然延伸，但它更像是数据库进化出的新层级。

首先，它是延伸。 Ontology 的基石依旧源于数据库：对象（Object Type）像表（Table），有字段和属性；关系（Link Type）类似外键/ER 关系，描述对象间的连接；实例（Instance）就是具体的行（Row），存储单条数据。Ontology 必须依托存储与索引而存在，所以它确实延续了数据库的逻辑。

其次，它是超越。 如果只把 Ontology 看作数据库的加强版，那就低估了它。Ontology 带来了数据库 Schema 不具备的能力：它有语义层，可以定义“世界观”，让对象不只是数据容器，而是现实中的角色；它有动作与规则，把逻辑直接写进对象，结构即应用；它有接口与多态，使不同对象共享接口并统一调用，类似面向对象设计；它有内嵌的权限治理，不止于库/表/字段，而是精确到“在什么条件下谁能对哪个对象执行什么动作”；它还有对象视图，把对象直接投影为应用界面，不必再额外开发中间层。

我们再重复看一下这个演化链条

技术发展清晰地表现出一条路径：第一阶段是文件系统，只能存字节，没有结构；第二阶段是数据库与 Schema，用表和字段保存结构化数据，可以查询，但只能描述数据；第三阶段是知识图谱/本体，把语义和关系网络叠加上去，可以进行推理；第四阶段是执行性本体（如 Palantir Foundry），不仅有语义和关系，还加入动作、权限与应用接口，让结构成为运行时的世界模型。它不再是数据库的简单“++”，而是一个新的层级，可以被理解为 数据库 × 世界观 × 运行时。

一句话总结：Ontology 起源于数据库，是 Schema 的延伸，但它的本质是数据库的语义化与执行化。数据库关心“怎么存”，Schema 关心“存成什么形状”，而 Ontology 关心的是“这个形状在世界中代表什么，以及它能做什么”。

小结

这个系列我是怎么从工业时代的麦肯锡，讲到 AI 时代的 Palantir

我之所以从麦肯锡讲起，是因为它代表了工业时代“信息处理的金字塔顶端”。在现代工业文明的三层结构（物质生产层 → 信息协调层 → 结构与决策层）里，麦肯锡恰恰占据了第三层的核心位置。它不生产商品，而是通过跨行业的方法论，完成 结构感知—结构压缩—结构调度 的循环，把全球高熵信息压缩为低熵的战略方案。某种意义上，麦肯锡就是工业时代最纯粹的信息工作者，甚至可以看作结构文明的早期雏形。

接着，我用香农信息论来拆解“信息工作者”的真正含义。在前 AI 时代，所谓信息工作者其实分两类：一类是 信道建设者（IT 人、码农），负责数据传输和基础设施；另一类是 信息内容处理者（咨询公司、管理层），负责解读和压缩信息、生成决策。由于计算机当时无法处理语义，信道与内容长期分离，高价值环节自然掌握在咨询公司手里，而 IT 人更像是“管道工”。

进入 AI 时代，这种分离第一次被打破。AI 同时能处理符号传输和语义内容，IT/CS 人因此有机会从“造管道”转型为“协议设计者”，直接参与信息结构化与决策调度。与此同时，文科、商科的信息处理优势被机器侵蚀，低中端岗位快速萎缩。我认为，这正是 CS 人转型的窗口期——从单纯的信道建设走向结构化信息的直接执行。

但麦肯锡百年的工作也暴露了极限：它的交付物依然是静态的 PDF 和 PPT，必须经过多层人工翻译才能进入系统，低效且易失真。这是工业时代“结构化工作”的瓶颈所在。于是我提出 As Code 的可能性：50 万美元的麦肯锡报告，本可以直接以 API/As Code 的形式交付，战略目标编译成规则引擎和执行编排，自动分发给系统并实时执行。这样，咨询就能从“静态交付”升级为“持续服务”。API 是 As Code 的触点，未来将走向 Strategy as Code / Governance as Code。

从这里，我顺势切入 Palantir。它与 Thiel–Karp 的科技哲学，其实就是对这一逻辑的延续与升级。Palantir 通过 Ontology，把数据平台变成 数据库 × 世界观 × 运行时 的结构操作系统：在数据库之上增加语义层（对象、关系、语境），再加上动作、权限和接口，让结构本身就是应用。这已不是“数据库++”，而是技术演化的新层级。

最后，我指出：当 App 卖不动、搜索交给 AI、社交媒体日渐沉寂时，Web 2.0 已走到拐点。真正的 Web 3.0 不是区块链的炒作，而可能是 本体化（Ontology-driven）的数据平台。在这个二进制符号宇宙里，语言即世界，现实被压缩成数字孪生，虽然损失了立体维度，却获得了超算能力和零延迟沟通。这就是我所期待的 结构文明底座。

一句话总结我的演化逻辑：从工业时代的麦肯锡作为“静态的信息结构化处理者”，到 AI 时代的 Palantir 作为“动态的结构运行时”，信息处理的主权正在转移——从文科/商科的手工解读，走向 CS 人与 AI 驱动的结构调度。