做行业 AI 的人，都会被问同一个问题：模型越来越强，人人都能调 API，你的护城河在哪？
我的答案是：护城河不在任何一个零件上。不在模型，不在数据，也不在某个功能。它在三样东西之间的焊缝里。
三个角
行业语义。 实体和关系、知识图谱、那些写不进手册的隐性规则、以及把原始数据翻译成业务指标的语义层。它决定了数据「能不能被理解」。
数据资产。 用户在产品里的每一次提问、打开、采纳，和交易系统里每一次询价、报价、成交。前者近似「用户脑子里在想什么」，后者是「市场真实在怎么流动」。它决定了能力「能不能被训练」。
AI 能力。 平台、智能体、匹配排序、few-shot。它把新知识和反馈重新写回系统。
单独看，每一角都有人比你强。纯 AI 玩家有最强的能力，但不知道这个行业的黑话在业务里到底意味着什么，也看不到订单里钱怎么流。纯行业玩家握着资源、订单和客户关系，却把它们锁在 Excel 和老系统里，数据沉睡。
焊缝
护城河是三者的交集，不是三者之和。把三样东西摆在一起没有用，要让它们互相咬合：
- 语义 → 数据：语义层给原始交互和交易数据打上行业标签，数据才可被理解、可被训练。
- 数据 → 能力：沉淀的数据训练模型、调优 few-shot、丰富用户画像，Agent 越来越准。
- 能力 → 语义：Agent 在真实任务里发现的新实体、新规则、新指标，反哺回图谱和政策库。
三条焊缝首尾相接，就是数据飞轮转动的物理结构。飞轮转得越久，焊缝越厚，越难被追上——因为咬合关系来自真实对话、真实订单和真实采纳结果，更强的模型买不到这段业务历史。
加固焊缝不是口号
「加固焊缝」很容易变成一句漂亮话。要让它落地，每条焊缝都得有一条可工程化的回流管线，有 owner，有指标：
- Agent 识别出的新实体、新规则，自动进入待审队列，人工确认后入库，而不是停留在某次对话里。
- 交易系统里的询价、报价、成交事件，结构化接入用户画像，让「这个人真买了什么」成为画像的一部分。
- 用户对答案的采纳、修改、拒绝，回流成训练信号，让「问句 → 正确查询」的映射持续自我纠偏。
没有这三条管线，三个圆只是摆在一起；有了它们，圆才真正咬合。
立项时问五个问题
由此我给团队定了一张立项自检清单。任何新项目，不再只问「功能做了没」：
- 它强化的是哪一角？说不清归属的，先想清楚再立项。
- 它加固焊缝了吗？是让某两角咬合更紧，还是孤立地堆了一个零件？
- 它给飞轮添多少柴？添在哪个节点、多久见效，给得出量化预期。
- 产出是零件还是焊缝？可被外人复刻的零件，还是沉进焊缝、抄不走的资产？后者优先。
- 如果六个月后模型能力 ×10、成本 ÷10，它是增值、无关，还是归零？归零的部分按耗材管理，拆除成本提前算。
只堆零件、不加固焊缝的项目，需要重新论证——因为那正是中台沦为成本中心的起点。