模型驱动三十年：解释型MDA在AI时代的“涅槃重生”

本文作者：佰思杰副总经理、交付总监   骆金松

1998年，澳大利亚研究员Kerry Raymond在OMG（对象管理组织）的邮件列表里留下了一段话：“规范模型不仅应能生成代码，更应能被解释执行。最重要的是，模型生成的接口必须具备语义上预期的行为。”

在那个Java刚刚兴起的年代，这段话显得晦涩且超前。它提出了一个本质命题：模型到底只是代码的“草图”，还是应该直接作为系统的“灵魂”活在那里？

二十多年后，随着DeepSeek等大模型的爆发，这个问题突然变得生死攸关。因为人们发现：空有大模型，依然搞不定复杂的业务。

在OMG的蓝图中，模型驱动架构（MDA）演化出了两条截然不同的路径：

第一条路：生成式（Generative）。它是工业界的主流（如Simulink或各种低代码平台）。你画好业务图纸，工具帮你生成Java或C代码。但问题在于：代码生成之日，便是模型死亡之时。业务逻辑被“固化”成了二进制，想改一点东西，就要经历“改模型-重生成-重编译-重部署”的漫长循环。

第二条路：解释型（Interpretive）。模型即系统，系统并不将模型转换为代码。系统里跑着一个引擎，模型解释器，直接读模型、运行模型。你改模型，业务立马跟着变——就像调空调温度一样自然，无需重启。

在“前AI时代”，解释型路线因为对性能要求高，例如需要多级缓存系统支持，需要提供在线建模工具和模型解释器，实现难度大，一直隐居在实验室和先锋产品中。直到AI的到来，让这条冷落多年的路线一夜之间“起死回生”。

想象一个场景：你让DeepSeek帮你管工厂。它读完了所有操作手册，知道OEE是设备效率。

当你下令：“这批产品有气泡，立刻拦截关联涂料，微调烘干温度。”

你会发现，神通广大的AI瞬间‘断片儿’了：（1）听不懂业务黑话：“拦截”在数据库里是删记录、改状态，还是触发审批流？（2）没有行动手柄：它空有强大的大脑，却够不着真实的业务系统。这就是AI落地的死穴：语义断层（听不懂）与行动断层（动不了）。

此时，人们发现“解释型模型”恰好补齐了这两块拼图：

1.它给AI当词典：用本体论（Ontology）精确定义业务概念，让AI查着词典说话，消除歧义。在计算机科学和信息科学的语境下，“本体（Ontology）是模型的子集，但它是一种具备‘灵魂’和‘逻辑约束’的特殊模型”。

2.它给AI当手柄：系统跑的就是模型本身。解释型引擎直接运行本体，意味着系统不再是由死代码构成的，而是由活的知识构成的。AI通过模型接口执行操作，每一步都可追溯、可审计、不幻觉。

运行时模型驱动解决了“模型如何活起来”的问题，让机器能按规则行事；而本体论则跃升了一步，它在追问：“这些逻辑背后究竟意味着什么？”

这种飞跃包含三层逻辑：

本体论与运行时驱动的结合，本质上是在为概率性的AI建立一套确定性的逻辑边界。它让AI在一个“有法可依”的框架内发挥推理能力，将“不可靠的智能”转化为“受控的工业级力量”。

这不再是象牙塔里的构想，一场基于“模型驱动+本体论”的架构革命，正在由行业巨头与领军企业共同推向深水区。

华为iDME：吹响“元数据驱动”的号角。2023年7月，华为正式发布工业数字模型驱动引擎（iDME），并旗帜鲜明地指出：“元数据模型驱动架构（MDA）是衡量工业软件架构水平的核心关键指标。”华为的这一声明，将一度被视为“曲高和寡”的架构理念，推向了中国工业软件自主可控的主流共识。iDME的核心逻辑正是通过定义标准化的元模型，让数据在底层逻辑上实现“同语同构”，为跨系统的语义互操作扫清障碍。

佰思杰科技：基于“运行时模型”的工业实践。佰思杰自2012年成立以来，一直聚焦于解释性MDA技术的研发，其核心产品采用“运行时元数据模型驱动（Runtime MDA）”架构。该架构通过内置的解释引擎，使得业务模型无需编译即可直接运行和调整，已积累超过10,000个预置领域模型，覆盖制造、质量、设备管理等工业场景。这些模型将零散的生产数据转化为结构化的业务对象，为上层应用和AI提供统一的语义层。

用友：发布“LOM本体大模型”探索语义约束。2026年2月，用友发布了其核心成果——LOM（逻辑对象模型）本体大模型。它不再让AI盲目推理，而是引入了“本体约束机制”：AI的每一次决策都必须严丝合缝地对齐用友沉淀数十年的业务规则图谱。这种“带枷锁的舞动”效果惊人——仅需4B参数的小模型，在特定业务场景下的推理精度便超越了千亿级通用模型。它证明了：当AI拥有了精确的本体“地图”，就不再需要靠概率去“猜”答案，而是能按规则去“算”答案。

国际视野与学术前沿：Tech Mahindra与微软推出了“本体驱动的Agentic AI平台”，旨在通过语义优先设计终结AI幻觉。而2024年学术界提出的“五层模型本体论”，更是从理论层面确立了AI可解释性与本体论的“血缘关系”。

回到1998年那封邮件。Kerry Raymond所愿景的“对系统的共同理解”，在今天就是本体论构建的业务语义层。

过去，我们衡量一家公司的IT水平看功能、看数据；未来，看的是这家公司业务知识的“浓缩度”——你的业务逻辑是否被沉淀为可计算、可执行、可进化的数字资产？

模型驱动架构，尤其是以本体论为内核的“运行时模型”，正在成为这个沉淀过程的数字容器。当AI真正走进工厂、银行和医院，这个容器的价值，将比我们想象的更大。

三十年前，我们追求的是让机器能够“自动执行”；三十年后，在本体论与运行时驱动的加持下，我们追求的是让机器能够“真正理解”。这不仅是技术的回归，更是工业文明与数字智能的一场双向奔赴。