13周学习笔记
2026/6/1 14:43:01
1. Palantir 公司速览
- 2003 年由 PayPal 联合创始人Peter Thiel与Alex Karp创立，名字取自《指环王》里能看透时空的"真知晶石"（Palantíri）。
- 第一笔投资来自CIA 旗下风投 In-Q-Tel——硅谷主流 VC 当时都认为它"不就是软件公司"。
- 从反恐战争起家，逐步形成三条产品线：
- Gotham：情报界核心分析平台，最早服务 CIA。
- Foundry（2016）：商业分析平台，客户包含空客、BP、NHS。
- AIP（2023）：把大模型带进企业的 AI 平台。
- 2020 年纽交所上市，2024 年纳入标普 500，2025 年营收约40 亿美金。
2. Ontology 到底是什么
Palantir 官方定义：组织的数字孪生，位于数据集和模型之上的语义层。
- 不是数据仓库、不是 BI 仪表盘、不是数据目录，也不是把"语义层"换个名字。
- 把 ERP / CRM / SCM / IoT 等分散数据、业务逻辑、操作能力编织成一张活地图，人和 AI 看到的是同一个世界。
核心映射规则：
| 传统数据库 | Ontology |
|---|---|
| Dataset / Table | Object Type |
| Row | Object |
| Column | Property |
| Foreign Key | Link（连接不同 Object Type） |
三层架构：
- Data 层：所有数据源接入。
- Logic 层：本体的语义模型与业务规则。
- Action 层：Workshop、AI Agent、自动化等执行能力。
3. 供应链场景：搭建 Ontology 的三步
- 定义名词：把数据库翻译成业务对象（如 Supplier，附带 ID、名称、区域、交付周期、风险评分等属性）。
- 绑定大脑：把"库存还能撑几天"、"找谁补货"等业务逻辑写成代码，让 AI 在执行时遵循。
- 配置 Action：每个动作像一份合同——谁能做、什么条件下能做、做完记录什么。
三步搭完，Ontology 就成了业务的数字孪生。
4. AIP 与 OAG（关键概念）
- 类比：LLM 不懂业务时只是个实习生，Ontology 就是给 AI 的"企业入职手册"。
- OAG（Ontology Augmented Generation）vs RAG：
| 维度 | RAG | OAG |
|---|---|---|
| 检索对象 | 文本段落 | 结构化业务对象与实体关系 |
| 工作方式 | LLM 猜测 + 拼凑 + 总结 | 精准匹配对象 + 走审批流程 + 串接业务动作 |
| 风险 | 易幻觉、难执行 | 可执行、可审计 |
AIP 三步走：接入 Ontology → 配置安全护栏（权限/策略）→ AI Agent 按自然语指令在 Ontology 上推理执行。
Human-in-the-Loop：Palantir 原话——“我们不卖自动驾驶，卖的是副驾驶（assistant）”。AI 给建议，人审批，Ontology 把人类 review 的时间大幅压缩。
5. 真实场景：供应链中断应急
传统方式需要 3–5 天，在 20 多个系统里手动查数据；用 Ontology + AIP15 分钟跑完五步：
- IoT 传感器实时监测库存，低于安全阈值触发异常。
- AI 做影响分析：遍历关联订单、计算潜在损失、风险仿真。
- 优化引擎生成多套替代方案，模拟成本/交付时间。
- 决策层在面板上审核、选定最优方案。
- AI 执行：创建采购单、回写 ERP、通知客户、闭环反馈。
价值不是"AI 比人聪明"，而是AI 替人省掉了在系统间手动找数据、拼报告的痛苦。
6. 实施路径与代价
五阶段：Discovery（发现）→ Bootcamp（5 天实战营跑通一个用例）→ Pilot（试点）→ Launch（上线）→ Scale（规模复制）。
典型案例：某医药公司 2024 年 1 月开始合作，6 周内推上首个 workflow，后续新增用例只需 90 分钟。
代价（贵）：
- NHS：7 年 ≈4.2 亿美元
- 美国陆军：10 年100 亿美元合同
- 一般大企业：3 年 ≈3000 万美元
7. 优缺点总结
优点：试点出结果快（5–6 天）；一致性建模、复用与变更快；端到端可审计、有安全层、有验证 API。
缺点：贵，只适合超大企业/政府；技术锁定（Ontology 是 Palantir 专有，迁移成本极高）；隐私/伦理争议（以色列军方、NHS、乌克兰合作均有讨论）。
8. 三个核心要点
- Palantir 的护城河不是 AI 模型，而是 Ontology。GPT / Claude 谁都能接，但把企业的实体、关系、逻辑、操作全部建模成 AI 能读懂的语义系统，需要深度行业理解 + 持续工程投入——这就是 PalantirFDE（Forward Deployed Engineer）角色存在的原因：模型通用，Ontology 专属。
- Ontology 是企业的操作系统。就像 iOS 让 APP 能调用手机硬件，Ontology 让各种 AI Agent 和业务应用共享同一套数据、流程、权限和治理规则——一次建模，持续复用，快速变更。
- 语义先行，AI 才能跑起来。太多企业急着上 AI，却跳过最基础的一步：搞清楚有哪些业务对象、它们之间的关系、谁有权对它做什么。没这套语义基础，AI Agent 就是盲人摸象。