Palantir 主要产品应用场景与服务客户领域梳理洞察
基于公开一手资料与外部核验,系统梳理 12 类场景原子、产品映射与服务客户领域
Palantir 主要产品应用场景与服务客户领域梳理洞察
——基于公开一手资料与外部核验的系统性研究(2026 年 11 月版)
研究单位:蝶动洞察 · 兵机(国防科技情报研究方向) 数据基准日:2026 年 11 月 4 日 资料基础:公司官网与投资者关系、SEC 10-K/8-K、美国国防部与 SAM.gov 招标公告、Reuters / Breaking Defense / Defense News / The Guardian 等公开报道,以及中文券商与产业研究机构报告 报告体量:19 章正文、5 个附录,约 3.9 万中文字符,含 58 张结构化数据表与完整来源清单
内容摘要
Palantir Technologies 已经不再是一家可以用「大数据分析公司」或「军工软件承包商」单一定位概括的企业。本报告的核心判断是:它真正在售卖的,不是数据平台、不是大模型、也不是看板,而是一层「可被机器执行、可被人类审计的组织行动层」。这层能力以 Ontology(本体)为语义内核,以 Gotham(国家安全)、Foundry(企业运营)为两套领域化外壳,以 AIP(大模型与智能体)为推理与交互界面,以 Apollo(跨环境持续交付)为部署底座,再由 FDE(前向部署工程师)与 AIP Bootcamp 这套高人力密度的交付范式,把客户现场的非结构化业务知识反向沉淀成可复用平台资产。理解这一点,才能解释为什么同一套技术底座能同时出现在美军 Maven 智能系统、空客 Skywise、英国 NHS 联邦数据平台、Citi Wealth 开户流程与 SOMPO 养老护理计划里。
从经营数据看,这家公司在 2023—2026 年完成了从「长期亏损的政府定制商」到「高增长、高利润率 AI 应用层标杆」的跃迁:FY2024 营收 28.66 亿美元(+29%)、GAAP 净利润 4.62 亿美元;FY2025 营收 44.75 亿美元(+56%)、GAAP 净利润 16.25 亿美元;FY2026 Q2 单季营收 19.35 亿美元(+93%)、GAAP 营业利润率 47%、Rule of 40 达 155%,客户数 1,049 家,美国商业剩余交易价值(RDV)62.38 亿美元(+124%)。【事实|来源:Palantir FY2024/FY2025 8-K、FY2025 10-K、Q1/Q2 2026 IR 新闻稿】结构性变化比总量更重要:政府收入占比虽仍约 54%,但美国商业收入增速连续多个季度超过 100%,商业侧已成为增量主引擎。
在应用场景侧,本报告将 Palantir 的落地归纳为 12 类「场景原子」(情报融合、目标定位与火力闭环、指挥控制、后勤与装备保障、ISR 与太空侦察调度、公共卫生与应急、边境与执法、供应链控制塔、生产排程与质量、资产与能源优化、金融合规与客户主数据、护理与临床运营),并逐一映射到产品、客户、量化成效与证据等级。研究发现,能同时满足「异构数据严重、决策链长、单次决策价值密度高、错误代价高、动作可回写」五个条件的场景,才是这套重能力平台的经济适用区;普通问数、轻量客服、报表类需求并不成立。
在服务客户侧,本报告首次对中文资料中广泛流传的客户名单做了系统性核查,结果值得警惕:Shell、Octopus Energy(章鱼能源)、Morgan Stanley、Pfizer、Novartis、Dell、P&G、Coca-Cola、Walmart、Kraft Heinz、BAE Systems 等常见「客户」均无一手证据支持,其中 Shell 实为与伦敦同名软件商「Palantir Solutions」混淆,章鱼能源使用的是自研并已独立运营的 Kraken 平台;所谓「美国海军 448 亿美元合同」实为 4.48 亿美元的 ShipOS 造船供应链项目;「陆军 100 亿美元」「Maven 13 亿美元」「Vantage 6.19 亿美元」均为上限/订购权限而非已确认收入。这一类数量级误读与主体混淆,若进入投资或产业决策链,会造成严重误判。
最后,报告从蝶动五步法(感知信号→捕捉几微→追踪渐变→判断势起→预见风暴)给出研判:Palantir 真正掀起的不是「AI 模型竞赛」,而是「语义层与行动层的基础设施竞赛」——Databricks、Snowflake、Microsoft 已在补齐 Ontology 能力,OpenAI/Anthropic 在组建自己的 FDE 团队,欧洲在推动主权替代栈。对中国的现实路径,爱分析提出的「渐进式本体」与申万宏源强调的「FDE + Know-how 沉淀 + Land-and-expand」比「复制一个 Palantir」更可行;而对国防科技情报研究而言,最值得借鉴的是「语义统一—消歧—人在回路—审计回写」的方法论,最需要警惕的是供应商锁定与技术依赖。
研究说明、证据分级与阅读约定
一、为什么要做证据分级
公开资料的可信度分布并不均衡:真正具备一手或准一手属性的只有券商深度报告(广发、浙商、招商、申万宏源、国信、国泰海通、中邮、第一上海)、产业研究机构报告(爱分析、罗戈网/唐隆基、ISG 相关)、官方白皮书译文与少量机构调研;其余大量篇幅来自 2025—2026 年的中文自媒体、公众号长文与「学习笔记」,其中不少以「复盘」「推演」「实战拆解」为名,给出了精确到个位数的战果数字(如「60 秒杀伤链」「自动消除 80% 重复目标」「识别率 95%/88%」「近 50 万个有效打击目标」「17 分钟生成部署图、摧毁 8000 万美元装备」),却未提供可回溯的原始战例、招标文件或官方通报。更值得注意的是,同一文件夹内不同文章对同一指标互相矛盾:一份《美军情报 AI 大模型 MAVEN 系统进展及实战应用》明确注明「网传『效率提升 80%、识别率 95%/88%』等精确量化数据无官方公开来源,属于自媒体推演夸大,不作采信依据」,而另一份《美军 MAVEN 系统解析》却把同样的数字作为「美军公开数据」直接引用。
因此本报告不采用「凡资料皆事实」的写法,而设置七级标识,全文关键论断均带标:
| 标识 | 含义 | 可引用强度 | 典型来源 |
|---|---|---|---|
| 事实 | 官方文件、监管披露、招标文件、政府公告、经审计财报 | 可作论据 | 10-K/8-K、DoD 合同公告、SAM.gov |
| 披露 | 公司自述、官网案例、股东信、产品文档(未经独立审计) | 可引用但须注明「公司口径」 | palantir.com/impact、新闻稿 |
| 报道 | 主流媒体、行业媒体报道,含官员公开表述 | 可引用,需标注媒体与日期 | Reuters、Breaking Defense、Guardian |
| 推断 | 由已证实事实按逻辑推导,未直接见诸公开材料 | 仅供分析,须说明推导链 | 本报告 |
| 研判 | 研究者的结构性判断与趋势判断 | 观点,非事实 | 本报告 |
| 存疑 | 中文研究资料声称但外部未获一手证据 | 不应作为决策依据 | 中文自媒体、二手汇编 |
| 证伪 | 经外部核验与原始来源比对,确认为误读或混淆 | 明确排除 | 本报告勘误表 |
二、数据口径的三条纪律
- 合同上限 ≠ 收入 ≠ RPO。美国政府合同普遍采用 IDIQ(不定量不定期交付)与 ceiling(上限)结构,例如 2025 年 7 月美国陆军 10 年、上限 100 亿美元的企业协议,本质是整合 75 份既有数据与软件合同的采购工具,陆军 CIO 本人即称其为「众多企业许可协议之一」。【事实|来源:Nextgov/FCW,2025-08】把 ceiling 当作已落袋收入,是中文资料里最普遍的误读。
- 单位与数量级必须回原文。本地《10 页-美国海军 448 亿美刀合同助推 Palantir》一文,把官方新闻稿中的 $448 million 放大为「448 亿美刀」,相差两个数量级;另有中文摘要把 FY2025 剩余合同总价值 $11.2B 误写成「11.2 亿美元」(正确为 112 亿美元)。本报告所有美元金额统一标注原文单位。
- 量化成效多为厂商自述。官网 impact 页的「节省 2 亿美元」「提升 33%」「缩短 90%」等,除特别注明外均为客户高管或 Palantir 自述,缺乏第三方审计;NHS England 甚至公开表示无法判定公司所宣称成效的因果关系。【报道|来源:The Guardian,2026-09】本报告统一标注「公司口径」,不与经审计财务数据混用。
三、时间边界
本报告数据基准日为 2026 年 11 月 4 日。财务数据按各章标注的会计期间区分官方指引、市场预期与已披露实际值;涉及未经独立审计的量化成效,统一标注「公司口径」,不与经审计财务数据混用。已归档研究资料中出现的 2026 年 6—10 月部分中东、俄乌战例叙述,多为自媒体推演,本报告仅将其作为「情报研究方法论的讨论对象」,不作为已证实战例引用。
第一部分 认知底座:这家公司到底是什么
第一章 从反恐情报工具到「决策操作系统」:二十三年演化脉络
1.1 起点:9·11 的「数据孤岛」命题与 PayPal 反欺诈基因
Palantir 成立于 2003 年 5 月,创始团队为 Peter Thiel、Alex Karp、Nathan Gettings、Stephen Cohen、Joe Lonsdale。公司名称取自托尔金《指环王》中的「真知晶球」Palantíri——能看见远方与过去,却也可能被误导。这个命名后来被反复解读为对其产品本质的隐喻:不是产生情报,而是让分散的情报彼此可见。【事实|来源:罗戈网《揭秘 Palantir 及其供应链解决方案》,唐隆基,2026-02;316 页电子书模块一】
创立的技术母题有两个:一是 9·11 之后美国情报界暴露出的结构性失败——「不是没有情报,而是信息散落在几十个互不连通的系统里」;二是 PayPal 时期的反欺诈实践,即通过关联账户、设备、交易、地理位置等异构信号识别异常网络,而非依赖单条规则。【事实/报道|来源:《Palantir Gotham:从 9·11 到俄乌战场》,2026-04;The Guardian,2026-05】早期 CIA 旗下风险投资机构 In-Q-Tel 约 200 万美元种子投资,常被中文资料称为「CIA 孵化」,但更准确的表述是「早期资本 + 首批客户 + 信用背书」三位一体;投资年份在不同来源中存在 2005/2006 的口径差异,本报告不将其作为精确事实使用。【报道|来源:The Guardian,2026-05;Wikipedia 汇编】
约 2008 年,第一个产品 Palantir Government(后演化成 Gotham)交付,用于整合通信记录、金融流水、人力情报、战场报告,构建关系图谱与时空分析。伊拉克、阿富汗战场上的反 IED(简易爆炸装置)与叛乱网络分析,使其在分析员群体中建立了相对陆军自建系统 DCGS-A 的口碑。【报道|来源:Capture Cascade 汇编;Wikipedia/TechCrunch】2010 年前后,陆军第 2 步兵师、第 5 斯特赖克旅的实战推动采购;2011 年击毙本·拉登的「海神之矛」行动被广泛与 Gotham 关联——需要强调的是,公司从未正式确认其在该行动中的具体角色,中文资料中的「整合十年碎片情报、构建目标关联图」属于媒体与智库复盘,应标为报道而非事实。研判
2016 年是一个被低估的转折点:Palantir 起诉美国陆军并胜诉,理由是陆军拒绝评估商业现货替代其自建数据与分析平台的方案。这场诉讼的意义不在于金额,而在于它从制度上打开了「民营软件公司主导国防数据底座」的入口;同年 Foundry 正式上线,把政府侧沉淀的能力向商业客户输出。【事实/报道|来源:316 页电子书;罗戈网报告】换句话说,Gotham 与 Foundry 不是两条独立产品线,而是同一套本体内核在两个合规与采购环境下的领域化封装——这个判断在后续所有场景分析中都会反复出现。
1.2 四次跃迁:产品化、云化、AI 化、行动化
| 阶段 | 时间 | 关键动作 | 场景边界变化 | 证据 |
|---|---|---|---|---|
| 一、政府定制 | 2003—2010 | Palantir Government / Gotham;In-Q-Tel 投资;反恐情报 | 单一高保密客户、按项目定制 | 报道 |
| 二、政企双线 | 2011—2016 | 陆军诉讼胜诉;Foundry 上线;空客、bp 等首批商业客户 | 政府 → 大型企业运营 | 事实/披露 |
| 三、云化与跨域部署 | 2017—2022 | Apollo 成为独立持续交付层;MetaConstellation 切入商业卫星调度;2020 年直接上市 | 本地/涉密 → 多云、气隙、边缘、太空 | 披露 |
| 四、AI 原生与行动化 | 2023—2026 | AIP 发布;Bootcamp 规模化;Agent Studio / Evals / AI FDE;Warp Speed 制造操作系统 | 分析 → 推理、生成、受控执行 | 事实/披露 |
第三阶段常被中文资料忽略,却是理解 2025—2026 年国防大单的前提。Apollo 最初是为解决「同一套软件要部署到客户的云、本地机房、涉密网、甚至断网前线和舰船」这一工程问题而生,官方称其「每周编排数万次发布」;没有这一层,Maven 在三个密级域、所有作战司令部的铺开,以及 ShipOS 在潜艇工业基地 100 多家供应商间的落地,在工程上都不可行。【披露|来源:Palantir Architecture Center;FY2025 10-K】MetaConstellation 则把商业遥感卫星抽象为可调度对象,形成「虚拟巨型侦察星座」,与天基 ISR、JADC2 形成衔接;本地《深鉴分析》对其在俄乌冲突中的使用做了系统梳理,但作者自己明确标注「完整合作协议与技术落地细节未公开」「部分场景为公开推演」,本报告据此将其列为存疑级的方法论参考,而非既成战例。研判
第四阶段的标志是 2023 年 AIP(Artificial Intelligence Platform)。AIP 并非另起炉灶的第五个平台,官方 FY2025 10-K 的定义是「统一接入开源、自托管与商业 LLM,把组织的行动与流程变成人类与 LLM 驱动智能体可使用的工具」,并明确「AIP 与 Foundry、Gotham、Apollo 无缝捆绑」。【事实|来源:FY2025 Form 10-K,2026-02】真正的变化在产品哲学:过去平台输出的是「可供人阅读的分析结果」,现在输出的是「可被系统回写、可被审计的动作」。这与本地《告别数据后视镜》一书的标题形成呼应——数据不再只是后视镜里的记录,而是驱动方向盘的执行信号。
1.3 财务跃迁:从长期亏损到 Rule of 40 = 155%
理解应用场景的扩张,必须同步看财务结构,因为 Palantir 的「场景可复制性」最终由单位经济模型验证。
| 指标 | FY2024 | FY2025 | FY2026 Q1 | FY2026 Q2 | FY2026 指引 |
|---|---|---|---|---|---|
| 营收 | 28.66 亿美元(+29%) | 44.75 亿美元(+56%) | 16.33 亿美元(+85%) | 19.35 亿美元(+93%) | 81.50—81.58 亿美元(+82%) |
| GAAP 营业利润 | 3.10 亿美元(11%) | 14.14 亿美元(32%) | 7.54 亿美元 | 9.12 亿美元(47%) | 调整后 48.89—48.97 亿美元 |
| GAAP 净利润 | 4.62 亿美元 | 16.25 亿美元 | 8.71 亿美元 | 10.62 亿美元(55%) | 预计每季度为正 |
| 调整后自由现金流 | 12.5 亿美元 | 22.70 亿美元 | — | 12.20 亿美元(63%) | 45—47 亿美元 |
| 客户数 | 711 | 954 | — | 1,049 | — |
| Rule of 40 | Q4 81% | Q4 127% | — | 155%(连续 12 季提升) | — |
【事实|来源:Palantir FY2024 8-K(2025-02-03)、FY2025 8-K(2026-02-02)、Q1 2026 IR(2026-05-04)、Q2 2026 IR(2026-08-03);本地《AI 应用拐点将至》对中国基金报的转述与官方口径基本一致,其「同比 +94%」为四舍五入差异】
三点结构性观察:
其一,利润率提升快于收入。Q2 2026 营收同比 +93%,GAAP 营业利润率却达到 47%,经营现金流 12.16 亿美元、资本开支极低(本地后浪 new 报道 2026 上半年经营现金流入约 21 亿美元、资本支出仅约 2200 万美元)。这说明平台复用与 FDE 经验沉淀正在产生经营杠杆,而不是靠堆人力线性扩张。推断
其二,美国商业是增量引擎。FY2025 政府收入 24.02 亿美元(54%,+53%)、商业 20.73 亿美元(46%,+60%);但 Q4 2025 美国商业单季 5.07 亿美元(+137%),Q2 2026 美国商业 7.64 亿美元(+149%),美国商业 RDV 62.38 亿美元(+124%)。与之对照,国际商业 Q2 2026 之前的全年仅 6.08 亿美元(+2%),几乎停滞。事实这意味着 Palantir 的全球化在商业侧并未真正成功,其「全球客户」叙事主要由美国大企业与盟国政府支撑。
其三,估值与基本面严重脱钩。2026 年 10 月末市值约 4424—4841 亿美元(不同数据商口径冲突),P/S 约 76.9—82.0,TTM P/E 约 158—169;同期 SAP 的 P/S 约 6.09、Salesforce 4.51、ServiceNow 10.72。【事实|来源:Yahoo Finance 2026-10-30;BusinessQuant 2026-10-21】这一估值隐含的不是软件收入倍数,而是「AI 行动层基础设施垄断权」的期权定价——本报告第十七章将展开其风险含义。
1.4 三重身份:软件公司、国防承包商、还是咨询公司?
Palantir 在 FY2025 10-K 里自述竞争对手包括「客户自研方案、顾问与 IT 服务商、开源与打包软件、大型企业软件公司、政府承包商、系统集成商及新进入者」——这份清单本身就说明它同时站在三个行业的竞争面上。而官网 Preferred Partners 页又强调「Palantir is a Silicon Valley product company」,第三方伙伴只能提供培训、系统管理、工程与分析支持,不得转售 GSA 产品,软件许可必须直接向 Palantir 采购。【事实|来源:FY2025 10-K;Palantir Preferred Partners 页】
研判这家公司的准确画像应是:以产品公司的许可收入为财务外壳,以国防承包商的合规与保密能力为壁垒,以咨询公司的现场共创为研发前端。三者缺一不可:去掉产品化,FDE 就退化为人力外包,毛利率不可能达到 82%;去掉国防级安全与审计,它无法进入高后果场景,也就拿不到愿意为「一次正确决策」付高价的客户;去掉 FDE,Ontology 无法在陌生行业里被定义出来,AIP 就只是一个通用聊天界面。这也解释了为什么中国厂商最容易复制的是「平台界面」,最难复制的是「三者之间的制度性耦合」。
第二章 产品体系全景:Gotham / Foundry / Apollo / AIP 与 Ontology 的五层架构
2.1 官方口径的两种分法,以及本报告采用的架构
2026 年 Palantir 官网并列展示五个条目:AIP(「从工厂车间到前线,自动化运营」)、Gotham(「从太空到泥地,实现 AI 驱动的作战优势」)、Foundry(「构建与管理本体驱动的软件,提供完整开发者平台」)、Ontology(「人类 + AI 团队跨组织编排决策的中枢系统」)、Apollo(「在任意环境自主部署、监控与管理软件」)。【披露|来源:palantir.com,2026-11-04 访问】但官方架构中心给出的是另一套三分法:「Palantir 在所有行业采用共同架构,由 AIP、Foundry、Apollo 三个平台构成;Foundry 是核心数据运营平台,AIP 是生成式 AI 平台,Apollo 是支撑二者的持续交付平台」,且 AIP + Foundry 合计 300 多个微服务;同时明确「架构的核心是 Ontology 系统,它把企业的数据、逻辑、动作与安全策略整合成人与 AI 智能体都能使用的直观表达」。【披露|来源:Palantir Architecture Center / Overview】
两种分法并不矛盾,而是视角差异:官网按「客户可购买/可感知的产品条目」列,架构文档按「工程层次」列。本报告采用五层架构来理解场景归属:
| 层次 | 组件 | 回答的问题 | 主要场景域 | 对应收入性质 |
|---|---|---|---|---|
| L1 语义内核 | Ontology(对象 / 链接 / 动作 / 权限 / 函数) | 「世界由什么构成,能被做什么」 | 全场景共用 | 不单独计价,平台价值载体 |
| L2 领域平台 | Gotham(政府/国防)、Foundry(企业运营) | 「在什么合规环境里组织数据」 | 政府侧 / 商业侧 | 平台许可主收入 |
| L3 智能层 | AIP(Assist / Logic / Automate / Evals / Agent Studio / OSDK) | 「谁来推理、谁来建议、谁来校验」 | 生成式 AI 场景 | 增量许可与扩容 |
| L4 交付层 | Apollo | 「如何送到云、本地、涉密网、气隙、边缘」 | 高合规部署 | 支撑性,不单独对外报价 |
| L5 交付范式 | FDE / Bootcamp / Preferred Partners / Warp Speed | 「如何把行业知识写进 L1」 | 首次落地与扩张 | 服务与人力投入 |
本地《数字化转型(十一)》给出了一个很贴切的比喻:「本体是地基,Foundry 和 Gotham 是建在地基上的大厦,Apollo 是把大厦搬到任何环境并持续翻新的运输系统,AIP 则是住进大厦里干活的 AI 劳动力」。【报道|来源:已归档 7 页《AI 战争的操作系统》】本报告在此基础上补充一层:FDE 是把客户现场知识翻译成地基图纸的人,因此 L5 不是「售后服务」,而是研发链路的起点。
2.2 Gotham:为高后果、高保密、强对抗环境设计的决策平台
Gotham 的能力细节在官网披露远少于 Foundry,这与国防客户敏感性一致。可归纳的公开能力包括:多源异构情报受控融合(SIGINT、HUMINT、GEOINT、开源情报、战场报告)、实体关系图谱与时空分析、地理/时间维度推演、目标工作台与威胁分级、任务路线与行动方案规划、分级权限与全链路操作留痕。【披露/报道|来源:Palantir 官网 Gotham 页;已归档 8 页《从 9·11 到俄乌战场》;110 页本体论 PPT 第 63—64 页界面描述】
其与 Foundry 的差异,本地《数字化转型(十一)》做了四维对比,可采信为架构层面的定性归纳(非官方表述):
| 维度 | Gotham | Foundry |
|---|---|---|
| 数据摄入 | 涉密环境受控融合、多密级域隔离 | 拥抱 Iceberg 零复制、企业数据源广泛连接 |
| 分析范式 | 关系图谱、杀伤链、目标与行动方案 | 低代码应用搭建、指标与运营工作流 |
| 安全模型 | 军级细粒度权限、用途限制、审计 | 企业 RBAC/ABAC、Purpose-based Access Control |
| 部署环境 | 气隙、战术边缘、涉密云 | 公有云、私有云、混合云、主权云 |
推断Gotham 的真正壁垒不是算法,而是「在三个密级域、多个作战司令部、跨军种与盟国之间,让同一套对象定义保持一致且权限不越界」的工程与制度能力。这正是 Maven Smart System 能覆盖所有军种与作战司令部、拥有约 2 万活跃用户、35+ 工具、3 个密级域的组织基础。【报道|来源:Breaking Defense,2025-05 引 NGA 局长表述】
2.3 Foundry:把企业运营世界建模成可执行的数字孪生
Foundry 常被称为「企业级数据操作系统」,但更准确的定义是「以 Ontology 为中心的数据 + 逻辑 + 动作一体化开发与运行平台」。官方对 Ontology 的定义为「整合企业的数据、逻辑、动作与安全策略,形成人与 AI 智能体都能使用的直观表达」;已归档 110 页本体论 PPT 与同名 DOCX 将其概括为「位于杂乱源数据与实际业务决策之间的语义层(Semantic Layer)与动力学层(Kinetic Layer)」。披露/报道
Foundry 的产品化套件按业务域打包,这是「应用场景」最直接的载体:
| 套件 | 面向问题 | 典型对象 | 典型动作 |
|---|---|---|---|
| Supply Chain Control Tower | 网络级 KPI 与异常下钻 | 订单、SKU、工厂、仓库、承运商、在途批次 | 调拨、改单、切换供应商 |
| Allocation+ | 缺货与积压平衡 | 库存、门店、渠道、需求预测 | 重新分配配额 |
| APEX | S&OP 与 S&OE 打通 | 需求计划、产能、供应约束 | 计划重算与下发 |
| Clear to Build+ | 物料齐套可见性与仿真 | BOM、零件批次、工单、质检记录 | 齐套预警、排程调整 |
| Cost of Goods Sold | 全工序成本归集 | 工序、料工费、批次 | 成本重估 |
| Foundry for AML | 反洗钱监测 | 客户、账户、交易、告警、调查员 | 告警升级、案例创建 |
| Foundry for Energy | 上游生产与资产优化 | 井、设备、传感器、作业计划 | 调度优化、维护派单 |
| Warp Speed | 制造运营操作系统 | ERP 对象、产线、物料、工艺、质量 | 工单触发、MRP 重跑 |
【披露|来源:palantir.com/offerings/supply-chain、/procurement、/financial-services、/anti-money-laundering、/solutions/energy、/warpspeed;本地罗戈网 62 页报告归纳的七大能力与之高度吻合】
一个容易被忽略的事实是:这些套件不是「行业 App」,而是同一套 Ontology 上的不同对象类型与 Action 集合。这解释了为什么 AIP 上线后,Palantir 能在数月内把同一批客户从「看得见」升级到「能自动做」——因为动作层早就存在,大模型只是补上了自然语言推理与工具编排。
2.4 AIP:不是聊天机器人,而是受治理的智能体运行环境
FY2025 10-K 对 AIP 的官方定义强调三点:统一接入开源、自托管与商业 LLM;把组织行动与流程变成「人类与 LLM 驱动智能体可使用的工具」;提供广谱安全、审计控制与人类复核检查点。事实其组件演进(截至 2026-11):
| 组件 | 功能 | 首次公开/变更 | 场景意义 |
|---|---|---|---|
| AIP Assist | 自然语言问答、语义搜索、文档摘要 | 2023-06 早期访问 | 降低非技术用户门槛 |
| AIP Logic | 用函数把 LLM 与本体对象、工具连接,可发布为 Function | 2023—2024 | 「从回答到动作」的关键桥 |
| AIP Automate | 事件触发的自动化工作流 | 2024 | 告警→处置闭环 |
| AIP Evals | 定义测试用例与评分标准,比较不同模型/提示/智能体 | 2025-03 起支持 agent 评估 | 高后果场景的准入门槛 |
| Ontology SDK 2.0 / Platform APIs | 生成强类型 TS/Python/Java 客户端,「Foundry as your backend」 | DevCon 2024-11 | 外部应用复用本体 |
| Agent Studio | 构建由 LLM、Ontology、文档、自定义工具驱动的智能体 | 2024 beta;2026-04 更名 Chatbot Studio | 多智能体编排 |
| Orchestrator / Pilot / Mindkit / AI FDE | 长时运行智能体框架、自然语言生成全栈应用、本体驱动智能体集群、自动编写 Logic 与 Evals | DevCon 5(2025—2026) | 开发范式本身被智能体化 |
| AIP for Developers / Dev Portal | 开发者自助层 | DevCon 2024 起 | 生态扩张 |
【披露/事实|来源:Business Wire 2024-11-15;Palantir DevCon5;palantir.com/docs/foundry/announcements/2025-03 与 2026-04;已归档 11 页《李喆·Palantir 能力在中国企业落地场景》】
研判AIP 相对通用 Agent 框架的差异化,不在模型能力而在三个约束:(1)智能体只能看到本体授权范围内的对象;(2)智能体只能调用被显式定义为 Action 的工具;(3)每次调用与回写都进入审计日志并可回放。本地《动态本体论在工业领域的实际应用价值》提出的「OAG(Ontology-Augmented Generation)vs RAG」概念虽非官方术语,但抓住了要点:RAG 检索的是可能过时、可能缺上下文的文本片段,OAG 检索的是带权限、带状态、带血縁的业务对象。这三条约束使 AIP 能进入医疗、国防、能源这类「容错极低」的环境——不是因为模型更准,而是因为约束更硬。
2.5 Apollo 与 MetaConstellation:两个被低估的场景扩展器
Apollo 被 FY2025 10-K 描述为「最初为让软件在客户所在之处(云、本地、甚至更严苛环境)持续交付而构建」,是跨平台的「单一控制层」。事实它的场景价值在 2025—2026 年集中显现:Maven 需在三个密级域与所有作战司令部运行;ShipOS 需连接 2 家主造船商、3 家公共船厂与 100+ 关键供应商;欧洲客户要求 EU Sovereign Cloud 与气隙区域;Anthropic Claude 经 AWS 进入 DISA IL6 认证涉密环境;Foundry/Gotham/AIP 部署至 Azure Government、IL6 Secret 与 Top Secret 云。【事实/披露|来源:FY2025 10-K;Palantir Cloud Partners 页;Palantir×Anthropic×AWS 新闻稿 2024-11-07】
MetaConstellation 则是「把卫星变成可调度对象」的专项能力:虚拟化统一调度多品类商业遥感卫星,形成逻辑上的虚拟巨型星座,配合变化检测与目标活跃度研判。本地《深鉴分析》与《美军天基侦察能力作战运用与 Palantir 技术融合应用研究》均将其列为空天情报场景的核心,但两者对「实战试用」的证据都停留在智库推演层面。存疑可确证的官方口径是:Sonnedix 在西班牙 Talayuela 光伏电站使用 Foundry + MetaConstellation 实现 100% 远程监控,并预计把跟踪器故障相关发电收入损失降低 ≥20%(预期值)。【披露|来源:palantir.com/offerings/utilities】
2.6 产品与场景的第一张映射表
| 产品/组件 | 主场景域 | 代表客户/项目 | 关键动作类型 |
|---|---|---|---|
| Gotham | 情报融合、反恐、目标定位、C2 | 美国情报界、各军种、盟军 | 目标线索生成、任务规划、态势标注 |
| Maven Smart System | 多域情报→联合火力闭环 | 美国陆军/CDAO/NGA、北约 SHAPE | 目标提名、火力匹配、打击评估 |
| TITAN | 战术情报目标接入、传感器到射手 | 美国陆军(8 套交付) | 目标数据下发、远程精确火力引导 |
| Vantage | 人员战备、后勤、弹药、设施 | 美国陆军(10 万+ 用户) | 资源调配、战备看板、供应链决策 |
| Foundry | 企业运营数据一体化 | 空客、bp、3M、Tyson、Citi | 计划重算、调拨、工单触发 |
| AIP | 智能体推理与受控执行 | 保险、医疗、制造、国防 | 生成方案、调用工具、回写系统 |
| Apollo | 跨环境部署与持续交付 | 涉密云、气隙、主权云、造船供应链 | 版本编排、环境适配、发布治理 |
| Warp Speed | 制造运营操作系统 | L3Harris、Boeing、Lear、GE Aerospace | MRP 重跑、排程、质量处置 |
| MetaConstellation | 商业遥感调度与站点监控 | Sonnedix、天基 ISR 研究 | 卫星任务编排、变化检测 |
研判这张表最重要的一列是「关键动作类型」。Palantir 所有高价值场景都以动作回写收尾,而不是以报告收尾;这也是「行动层」这一概念可以贯穿军事与商业两个看似无关领域的根本原因。
第三章 核心技术机理:本体为什么是「语义层 + 动力学层」
3.1 从哲学定义到工程化裁剪
学术上,本体(Ontology)源自 Tom Gruber 1993 年的定义「An ontology is an explicit specification of a conceptualization」,1998 年 Studer 等补充「共享」与「形式化」维度,形成「共享概念化的形式化、显式规范」。【事实|来源:已归档 110 页本体论 PPT 第 8 页、同名 DOCX 1.1 节】Palantir 的工程化版本做了明确裁剪:舍弃冗余的学术推理能力,聚焦业务落地、细粒度权限管控与端到端决策闭环。已归档 DOCX 给出的五条设计原则很有参考价值:不持有事务主权、不持久化操作流程、只表达业务对象与关系、可版本化、可回溯映射;并给出一个实用的判别法——「如果 Ontology 需要审批、人工录入、批量导入 Excel、定时任务,那它已经在变 ERP 了」。【报道|来源:本地《本体论全解析》DOCX 1.3.5 节】
3.2 三大构件:对象(名词)、链接(关系)、动作(动词)
| 构件 | 定义 | 制造业示例 | 军事示例 | 金融示例 |
|---|---|---|---|---|
| Object Type | 可独立存在的业务实体 | 零件、批次、工单、设备、供应商 | 目标、传感器、部队、任务、火力单元 | 客户、账户、交易、告警、调查员 |
| Link Type | 实体间的语义关系 | 「批次—用于—工单」「零件—供应自—供应商」 | 「传感器—观测—目标」「部队—隶属—单位」 | 「账户—归属—客户」「交易—涉及—对手方」 |
| Action Type | 可被授权执行、可回写的业务动作 | 调整排程、发起采购、创建质检单 | 目标提名、任务分配、方案推演 | 告警升级、冻结、生成 SAR 草案 |
数据来源:本地《本体在制造业的落地实践》《AI 时代金融机构智能化转型与本体论轻量化落地方案》、110 页本体论 PPT;Palantir 官方「objects(nouns)+ actions(verbs)」表述见 Architecture Center。披露/报道
研判「动作」是本体与传统 ER 模型、知识图谱、语义层、数据中台的分水岭。前四者描述世界,本体还定义「谁有权改变世界的哪一部分」。本地金融机构白皮书把这称为「AI 从分析工具到执行代理的核心跃迁」,与爱分析《中国市场 Palantir 落地进展与趋势研究报告》「行动,才是 Palantir 的核心」形成跨来源互证。这也是为什么本报告把「是否具备可审计的 Action 回写」作为判定一个项目是否真正「Palantir 化」的第一判据。
3.3 「动态」二字的边界:适配,不是自我进化
本地文件夹有 6 篇以上围绕「动态本体论」展开的文章(14 页《动态本体论再拆解》、13 页《本体论的"动态"二字》、17 页《一天复现 Titan》、8 页《从静态图谱到战争认知体》等),提出三层对齐框架:属性级(位置/速度矢量/特征互补比对,而非代号匹配)、关系级(统一军事关系词汇 + 场景置信权重)、场景级(同一目标在侦察→锁定→打击过程中发生语义漂移)。其中一句概括很精准:「并非语义定义场景,而是场景定义语义价值」。【报道|来源:本地《动态本体论再拆解》,2026-06】
但必须同时记录反方证据。本地《本体论的"动态"二字》一文基于 MIT 林肯实验室、北约 STANAG、DARPA 项目与美军 AI 伦理框架,严格区分「已部署 / 在研 / 理论」三级能力,结论是:「动态」本质是在人类预设框架内的快速参数调整,而非系统自我进化;并列出三项不可突破的局限——对全新威胁完全滞后、无对抗鲁棒性(无法抵御伪装、欺骗与数据污染)、不能替代伦理决策(附带损伤、比例原则、交战规则必须由人判断)。报道同一文件夹里另一批文章宣称「四年四套迭代系统、近 50 万个有效打击目标」「60 秒杀伤链自动消除 80% 以上重复目标」,既无原始战例来源,也与前述克制结论冲突,本报告统一归入存疑并在附录 E 勘误。
研判综合两方,一个稳妥的技术边界表述是:Ontology 的「动态」= 实例数据实时更新 + 规则参数在预设框架内快速适配 + 执行结果回写形成闭环;它不等于概念体系自主演化,更不等于在无监督条件下自主创造新语义。这个边界对国防情报研究尤其重要——把「参数适配」误写成「认知体自主进化」,会直接导致对对手能力的高估与己方建设路线的偏差。
3.4 安全、权限与人在回路:高后果场景的准入门槛
FY2025 10-K 与官方架构文档强调「军级安全控制」「细粒度访问控制、可审计性、数据血缘」「Privacy and Civil Liberties Engineering 团队」;AIP 提供模型使用管控、人类复核检查点与审计日志。事实/披露在已归档 8 页 Gotham 解析中,界面被描述为按战术级 / 战役级 / 战略级三级定制,支持多军种分析师实时协同标注,权限严格分级,所有操作全程留痕、可审计、可追溯。报道
研判这套「权限—动作—审计」三元组是 Palantir 能进入政府与国防采购的制度性资产,也是它区别于通用 Agent 平台最不容易被复制的部分。NHS 争议恰恰从反面证明其重要性:即便公司反复强调「Palantir 看不到患者数据」,英国公众仍有约 40% 不信任,2026 年 5—7 月新增约 6 万例 national data opt-out,议会委员会建议其不再担任核心角色。【报道|来源:The Guardian,2026-03 / 2026-09】也就是说,技术上的权限隔离若不配套制度上的可信叙事,仍会在公共部门场景中失效。
3.5 与易混淆概念的边界(速查)
| 概念 | 关注点 | 与 Ontology 的关系 | 常见误读 |
|---|---|---|---|
| 语义层 / Semantic Layer | 指标定义、维度统一 | Ontology 覆盖它并延伸到动作与权限 | 「本体就是语义层换皮」 |
| 知识图谱 | 实体—关系—推理 | Ontology 更像可执行、受治理的运营图谱 | 「本体就是知识图谱」 |
| 数据中台 | 归集、清洗、服务化 | 中台产出数据集,本体产出可操作对象 | 「建了中台就等于有本体」 |
| ERP / MES | 事务主权与流程执行 | 本体不持有事务主权,只编排与回写 | 「本体要替代 ERP」 |
| RAG | 检索文本片段增强生成 | OAG 检索带状态、带权限的业务对象 | 「接了向量库就是 AIP」 |
| 数字孪生 | 物理世界的实时映射 | Ontology 是数字孪生的语义与动力学骨架 | 「三维可视化即数字孪生」 |
研判已归档 316 页电子书里那句「投入 2000 万建数据中台后,报表生成了,但业务仍不知如何决策,发现问题后仍需手动操作各源系统」,几乎是这张表最简洁的注脚:中台解决了「看得见」,本体要解决「能行动」。
第四章 商业模式与交付范式:FDE、Bootcamp、Land-and-expand 与按结果付费
4.1 FDE:把现场经验反向编译成平台资产
官方架构文档对 FDE 的表述很有意思:「Palantir 的平台与产品通过 Forward Deployed Engineering 方法论持续开发,这是反向传播(backpropagation)的人类等价物」——工程师贴近问题现场,与核心工程团队合成反馈并交付新功能。披露已归档 316 页电子书、罗戈网报告、《什么是 FDE,Palantir 凭什么市值超越 SAP》等资料将其拆为两类角色:Echo(嵌入式分析师,负责理解业务与定义对象)与 Delta(部署工程师,负责数据与系统集成)。
FDE 的经济学意义在于:它把「定制成本」从费用项转化为资产项。传统项目制里,为一个客户写的行业逻辑是一次性成本;Palantir 把其中可复用的对象类型、Action 模板、评估集沉淀回平台,下一个同行业客户的边际交付成本下降。申万宏源把这条链概括为「FDE 深入客户现场识别高价值 Job,完成数据、权限、Workflow 与 Production 部署,并把现场经验沉淀为 Ontology 对象和标准应用;首次部署后客户持续扩展部门、场景与 Job,推动单客户价值不断提升」。【事实|来源:申万宏源《企业 AI 行业报告》,2026-08-18】
量化印证:Top 20 客户 TTM 平均收入从 FY2023 的 5460 万美元、FY2024 的 6460 万美元升至 FY2025 的 9390 万美元(+45%);净美元留存率从 Q2 2025 的 128% 升至 Q4 2025 的 139%。【事实|来源:FY2025 10-K;Q2 2025 Business Update】「Land-and-expand」不是销售话术,而是体现在这两个数字里的财务事实。
4.2 AIP Bootcamp:把销售周期压缩成「用客户自己的数据做原型」
研判Bootcamp 同时解决三个问题:绕开「AI 能不能用」的抽象争论,直接把价值锚定在客户自己的数据上;在销售早期识别出「是否有清晰业务对象与动作」这一适配性判据;让 FDE 在签约前就完成一轮本体建模预演。它是 10-K 披露的「销售周期通常 6—9 个月、部分超 1 年、需高阶管理团队深度参与」这一重销售模式里,少有的压缩机制。
4.3 合同结构与计价:为什么上限、RPO、RDV 必须分开看
| 口径 | 定义 | FY2025/Q2 2026 数值 | 常见误用 |
|---|---|---|---|
| Ceiling / 上限 | IDIQ 或企业协议的最大订购权限 | 陆军 10 年 100 亿美元;Maven 约 13 亿美元;Vantage 6.189 亿美元 | 被写成「已签 100 亿美元大单」 |
| RPO | 剩余履约义务(已签约未确认收入) | Q2 2025 24.2 亿美元(短期 10.2 / 长期 14.0);Q2 2026 约 49 亿美元(二手) | 与 ceiling 混用 |
| Remaining Deal Value | 年末剩余合同总价值 | FY2025 112 亿美元(+105%),商业 68 亿、政府 44 亿;另有 123 亿美元资金未确定的政府 IDIQ 不计入 | 单位被误写为「亿美元」 |
| TCV / RDV | 总合同价值 / 剩余交易价值 | Q2 2026 TCV 33.73 亿美元(+49%)、美国商业 TCV 21.32 亿(+153%)、美国商业 RDV 62.38 亿(+124%) | 与营收直接相加 |
| 分档交易笔数 | 单季 ≥100 万 / ≥500 万 / ≥1000 万美元交易 | Q2 2026:220 / 98 / 73 笔 | 被当作客户数 |
【事实|来源:FY2025 10-K;Q2 2025 Business Update;Q2 2026 IR 新闻稿;Nextgov/FCW 2025-08;DoD 合同公告 2024-05-29、2025-05-21】另需注意:10-K 明确对原始期限 ≤12 个月的合同采用实务豁免,不披露 RPO;公司也未披露标准 ACV 口径。合同美元加权平均期限约 4 年(假设客户行使全部期权且不终止)。事实
4.4 按结果付费:从软件预算伸向经营预算
2025-05-06,xAI + Palantir + TWG Global 面向金融/保险行业合作,TWG 主导实施,明确采用「按结果付费」而非按席位,宣称 90 天见效,并援引「74% 企业仍停留 POC」的厂商口径。【事实|来源:TWG Global 官方新闻稿】招商证券从红杉资本《生成式 AI—代理性推理的全新篇章》引出同一趋势:AI 应用从「基于授权的软件模式」转向「按结果收费的服务模式」,AI 应用成为劳动的替代品,其目标市场是软件及其服务市场;以中国为例,2024 年软件产品收入 3.04 万亿元,而信息技术服务收入 9.22 万亿元。【事实|来源:招商证券《全球 B 端 AI 应用进展如何》,2025-06-20】
研判这是理解 Palantir 估值逻辑的另一把钥匙:如果 AI 最终按「替代的劳动量或经营结果」计价,其可触达预算将不再是传统软件 IT 预算,而是运营费用池。但按结果付费对归因能力要求极高——NHS England 对 Palantir 宣称成效「无法判定因果」的案例说明,在高噪声的公共部门场景里,结果归因极易成为争议源。因此这一模式更可能先在「反馈快、可 A/B 测试、ROI 可量化」的营销销售、供应链、承保等场景落地(申万宏源亦持此判断),而非全面铺开。
4.5 生态分工:产品公司不转售,伙伴做规模化
官网 Preferred Partners 明确第三方不得转售 GSA 产品;ISG《Provider Lens™ Palantir Ecosystem Partners 2026》设「Palantir AI Implementation and Engineering Services」与「Managed and Operational Excellence Services」两个象限,PwC 获双象限 Leader(ISG 称其为「最早、嵌入最深的咨询伙伴」,具备 TB 级管道、预置本体与加速器、自愈供应链智能体),N-iX 为 Product Challenger;ISG 判断 Palantir 已「从数据集成平台演化为整合数据、分析与运营工作流的企业智能平台」。【事实|来源:Palantir Preferred Partners 页;PwC 2026;N-iX 2026】Fujitsu 成为认证 Global FDE Partner 等进展则属二手待核。存疑
研判分工边界很清晰:Palantir 自有 FDE 负责「从 0 到 1」的本体定义与首批高价值用例,生态伙伴负责「从 1 到 N」的规模化工程、项目管理、持续监控与审计治理。这一安排既保住了语义主权(对象定义不外包),又借外部人力缓解 FDE 的规模化瓶颈。对中国市场的启示是:如果只学「生态伙伴做实施」而不学「FDE 定义本体」,最终会退化为传统系统集成项目。
第二部分 主要产品应用场景梳理
第五章 场景分类学总纲:产品 × 行业 × 决策类型三维矩阵与 12 类场景原子
5.1 为什么要先建分类学
「应用场景」是已归档 49 份文档中出现频率最高的词之一(在 316 页电子书中出现 300+ 次「客户」、44 次「案例」;110 页本体论 PPT 出现 56 次「场景」),但绝大多数资料按「行业」平铺案例:能源、医疗、金融、制造、军事……这种写法的问题是,它掩盖了 Palantir 在同一套技术底座上跨行业复用的真实机制。一个供应链调拨决策与一个联合火力目标提名,在业务语义上毫无共同点,但在系统结构上却完全同构:都是「异构数据 → 本体对象 → 关系对齐 → 约束下求解 → 候选动作 → 人类授权 → 回写 → 结果反馈」。
因此本章先建立三维分类框架:
- 维度一|产品层:Gotham / Foundry / AIP / Apollo / Ontology / 专项套件(MSS、TITAN、Vantage、Warp Speed、MetaConstellation)
- 维度二|行业域:国防与情报 / 政府与公共部门 / 能源与公用事业 / 医疗与生命科学 / 金融服务 / 制造与汽车 / 消费零售与物流 / 航空航天与国防工业
- 维度三|决策类型:感知(发生了什么)→ 研判(意味着什么)→ 决策(该做什么)→ 执行(去做并回写)→ 复盘(做对了吗)
研判Palantir 的价值密度沿维度三自左向右递增。绝大多数 BI、数据中台、知识图谱项目停留在前两格;绝大多数通用 Copilot 停留在第三格(生成建议但不负责执行);Palantir 的差异化集中在第四、五格——Action 回写 + 审计复盘。这也是判断一个「AI 落地项目」是否真正产生经营价值的实用分界线。
5.2 12 类场景原子
下表把全部落地归纳为 12 类可复用的「场景原子」,每类给出业务问题、本体对象、动作、代表客户与证据等级。后续第六至十一章按此展开。
| # | 场景原子 | 核心业务问题 | 主要本体对象 | 典型 Action | 代表客户 / 项目 | 证据等级 |
|---|---|---|---|---|---|---|
| S1 | 多源情报融合与关系图谱 | 线索散落、跨库不可关联 | 人、组织、事件、通信、地点、时间 | 关联展开、线索合并、案件创建 | 情报界、Gotham、Recovery Accountability Board | 事实/报道 |
| S2 | 目标定位与火力闭环 | 传感器到射手时间过长 | 目标、传感器、置信度、火力单元、任务 | 目标提名、火力匹配、打击评估 | Maven Smart System、TITAN | 事实合同层面;战果层面存疑 |
| S3 | 指挥控制与态势生成 | 多军种/多部门态势不一致 | 部队、装备、任务、地理网格、密级 | 方案推演、任务分配、态势发布 | CJADC2、MSS NATO、Vantage→NORTHCOM | 事实/报道 |
| S4 | 后勤、战备与装备保障 | 人员/弹药/维修数据割裂 | 人员、弹药批次、装备、设施、补给线 | 资源调配、维修派单、征兵与调动 | 陆军 Vantage、弹药管理 4810 万美元合同 | 事实 |
| S5 | ISR 与天基侦察调度 | 卫星资源与情报需求不匹配 | 卫星、轨道、影像、传感器、任务请求 | 星座任务编排、变化检测、站点监控 | MetaConstellation、Sonnedix、TITAN 传感器接入 | 披露/存疑 |
| S6 | 公共卫生与应急 | 跨机构疫情/物资数据不同步 | 医院、床位、疫苗批次、剂量、辖区 | 配额计算、分配下发、微规划 | HHS Protect / Tiberius、CDC DCIPHER、NHS | 事实/披露 |
| S7 | 边境、执法与福利欺诈 | 跨部门身份与生命周期追踪 | 人员、案件、地址、出入境记录、资金流 | 目标排序、案件流转、资金筛查 | ICE ImmigrationOS / ICM、ARRA 资金筛查 | 事实/争议 |
| S8 | 供应链控制塔与动态调拨 | 缺货、积压、多级供应商不可见 | SKU、订单、工厂、库存、承运商、在途批次 | 调拨、改单、供应商切换、重排程 | Tyson、General Mills、Heineken、Wendy's QSCC、3M | 披露 |
| S9 | 生产排程、质量与工艺闭环 | 跨系统处置链条长 | 零件、批次、工单、质检记录、设备 | 齐套预警、排程调整、质检单触发 | 空客 Skywise、Ferrari、L3Harris、Lear、Tritium | 披露 |
| S10 | 资产与能源优化 | 产量/能耗/故障之间难以权衡 | 井、设备、传感器、作业计划、碳路径 | 生产调度优化、维护策略、碳排测算 | bp、Aker BP、Kinder Morgan、Trafigura、Jacobs | 披露 |
| S11 | 金融合规与客户主数据 | 单一客户视图难、误报高 | 客户、账户、交易、告警、调查员 | 告警升级、KYC 校验、SAR 草案 | Citi Wealth、Credit Suisse(历史)、某法国大行(匿名) | 事实/披露 |
| S12 | 临床与护理运营 | 床位、排班、耗材、患者流失衡 | 患者、床位、护士排班、耗材、手术室 | 床位分配、排班调整、脓毒症预警 | Cleveland Clinic、Tampa General、SOMPO、Nebraska Medicine | 披露 |
5.3 适配性判据:五个条件必须同时成立
本地《Palantir 系列第五篇·从能源到医保》给出三条判据——「异构严重、决策链长、价值密度高」;爱分析报告补充「对象清晰、关系复杂、动作明确、责任边界重要」。综合两者,本报告提出五项适配条件,用于判断某场景是否值得引入这套重能力:
- 异构性:至少 3 个以上独立源系统,且字段、时区、主键、粒度不一致;
- 链条长度:一笔业务从触发到完成跨越 ≥3 个部门或 ≥5 个环节;
- 价值密度:单次正确决策的经济或安全收益足够覆盖数百万美元级平台投入;
- 错误代价:错误动作会造成可量化损失,因而必须保留权限、审批与审计(也正是「轻 Agent」不敢进入的原因);
- 动作可回写:存在可被系统触发的、边界清晰的业务动作(调拨、派单、配额、告警升级、任务下发)。
研判按此判据筛,最适配的是:能源上游生产调度、航空与汽车多级供应链、医院运营指挥、反洗钱调查、弹药与战备后勤、目标提名与联合火力。最不适配的是:普通问数、标准报表、轻量客服、单点知识库、内容生成。爱分析明确写道「普通问数、普通报表、轻量客服和单点知识库,并不需要 Palantir 式重能力」,本报告完全认同。一个直接的推论是:中国大量「AI 落地」项目之所以 ROI 不明显,并非模型不够强,而是选错了场景原子——把重平台投在了第 1、2 格决策上。
5.4 场景—产品—客户三维矩阵(缩略)
| 行业域 \ 产品 | Gotham / MSS / TITAN | Foundry | AIP | Apollo | 代表客户 |
|---|---|---|---|---|---|
| 国防与情报 | S1 S2 S3 S4 S5 | S4 | S2 S3 | 全域部署 | 美国陆军、CDAO、NGA、NATO SHAPE |
| 政府与公共部门 | S1 S7 | S6 | S6 | 涉密云 | HHS、CDC、ICE、NHS、USDA |
| 能源与公用事业 | — | S10 | S10 | 主权云 | bp、Kinder Morgan、Sonnedix、PG&E |
| 医疗与生命科学 | — | S6 S12 | S12 | 合规云 | Cleveland Clinic、Tampa General、SOMPO、HCA |
| 金融服务 | S7 | S11 | S11 | 私有云 | Citi Wealth、Credit Suisse(历史)、Swiss Re |
| 制造与汽车 | — | S8 S9 | S9 | 边缘/工厂 | 空客、Ferrari、L3Harris、Lear、Tritium |
| 消费零售与物流 | — | S8 | S8 | — | Tyson、General Mills、Heineken、Wendy's QSCC、WFP |
| 航空航天与国防工业 | S5 | S8 S9 | S9 | 气隙 | Airbus Skywise、Boeing、GE Aerospace |
研判矩阵中 Gotham 系几乎只覆盖前两行,Foundry 覆盖其余全部,AIP 作为横向增强层贯穿,Apollo 作为纵向部署层贯穿。这一结构再次说明:「军工 Palantir」与「商业 Palantir」并非两家公司,而是同一语义内核在不同合规外壳下的两次商业化。2023 年后 AIP 同时加速了这两侧,才形成 2025—2026 年政府与美国商业收入双双高增的局面。
第六章 Gotham 与国家安全场景:情报融合、关系图谱、目标定位与指挥控制
6.1 场景起点:从「人找信息」到「信息找人」
9·11 之后的核心痛点被中文研究资料反复表述为「情报不是没有,而是散落在几十个互不连通的系统」。早期分析员依赖 i2 Analyst's Notebook 手工绘制关联图,Excel 文件分散在十余套系统中;Gotham 提供的第一性价值,是把通信记录、金融流水、旅行记录、人力情报、战场报告映射到同一套人/组织/事件/地点/时间对象上,并支持关系展开、时空叠加与假设推演。【报道|来源:The Guardian 2026-05;已归档 8 页 Gotham 解析;316 页电子书】
对应的动作并非「自动定罪」,而是:线索合并、关联展开、案件与目标工作台创建、跨机构协同标注、分级权限下的共享。Recovery Accountability and Transparency Board 曾用 Gotham 把《复苏与再投资法》交易数据与开源、私营数据融合,筛查刺激资金欺诈——这是 Gotham 能力向非军事政府机构迁移的早期例证(待核,仅见汇编)。存疑
6.2 战场场景的四层结构
公开防务资料把 Gotham 在战场的用法拆为四层,本报告整理如下(仅采纳架构性描述,剔除未经证实的战果数字):
| 层 | 能力 | 输入 | 输出 | 证据强度 |
|---|---|---|---|---|
| 数据接入层 | 商用卫星影像、无人机视频、电子信号、前线报告、开源情报 | 多源异构、多密级 | 归一化的对象与时间戳 | 报道 |
| 融合分析层 | 关系图谱、时空对齐、语义消歧、目标去重 | 对象 + 关系 | 统一态势图 / 目标清单 | 报道/推断 |
| 智能分析层 | CV 检出、变化检测、威胁分级、AIP 自然语言查询 | 影像与结构化数据 | 候选目标与置信度 | 披露 |
| 行动闭环层 | 目标提名、火力匹配、任务下发、打击评估、结果回写 | 候选 + 可用火力 | 可执行任务与复盘记录 | 事实为项目存在;存疑为具体战效 |
研判真正决定体系效能的是第二层的语义统一,而不是第三层的模型精度。已归档 11 页《从情报识别到联合火力闭环》的概括值得引用:「现代军事 AI 的竞争重点,已经不只是『哪个模型更强』,而是谁能把数据、模型、平台、用户和作战流程组织成稳定可靠的体系」。同一文件夹里《深入 Project Maven:为何人工智能在战场上依然失灵》则给出反面证据:系统曾把人员误判为建筑物、难以区分成年男性与女性儿童、在乌克兰战场难以识别部分俄军坦克,并有分析人士称打击准确率从 70% 降至 30%(该数字为单方引述,未见原始评估)。报道/存疑
把两方合起来看,一个更可信的结论是:语义层解决的是「数据能不能一起用」,模型层解决的是「单次识别准不准」,二者不能互相替代;平台的价值在于把模型的不确定性显式化(置信度、人工复核、审计),而不是消除它。这一点与 AIP 的 Evals、人类复核检查点是同一套设计哲学。
6.3 界面与人机边界:三级视图与「零容错」信息密度
已归档 110 页本体论 PPT 第 63 页描述 Gotham 界面为「零容错、高信息密度的决策支持」:展示从基地到目标区域的行动路线规划、威胁评估(CRITICAL)与多阶段撤离方案;已归档 8 页解析补充战术/战役/战略三级视图——战术级看局部态势、目标坐标、火力范围、友邻位置;战役级看全域部署、协同关系、后勤状态、打击效果;战略级看全局威胁、作战进度、资源消耗与风险点。报道
研判这一设计把「同一份本体、不同投影」的理念做得很彻底:不是为三类用户建三套系统,而是同一对象集合上定义三种视图与三套权限。对国防情报知识库建设的直接启示是:数据只建一次,视图按角色派生;权限与密级在对象层而非报表层生效。
6.4 争议边界:能力描述与战果叙述必须分离
本地文件夹中有不少高置信度语气的具体战例叙述,例如「17 分钟生成俄军进攻纵队部署图、标识 12 个指挥节点、摧毁 8000 万美元装备」「2023 年跨年夜马克耶夫卡打击造成 89 人阵亡,实质是 Palantir 智能决策技术的准确研判」「2026 年 6 月乌军对莫斯科大规模无人机袭击背后有该系统支持」「伊朗战争首 96 小时识别并轰炸 2000+ 个目标、日处理 600 万页文本」。这些叙述存在三类问题:一是缺乏可回溯的原始文件;二是同一事件在不同文章中数字互相冲突;三是部分内容带有明确的政治指向与宣传色彩。
本报告的处理原则是:只把「项目存在、合同金额、部署范围、官方披露的能力描述」作为可引用事实;把「具体战果、伤亡、目标数、命中率」统一归入存疑,并在附录 E 列出勘误。外部核验也支持这一谨慎立场:Defense News / Breaking Defense 报道的 2026 年中东行动中,五角大楼官员提及 Maven 使用量激增,但国防部拒绝给出具体战例;而关于附带伤亡的报道则与「过时情报」相关联。【报道|来源:Defense News 2026-10-21;Breaking Defense 2026-05】
第七章 专项项目深拆:Maven Smart System、TITAN、Vantage、NGC2 与 ShipOS
本章把政府侧的「大单」拆成项目级事实,因为中文资料里最严重的误读几乎都集中在这里。所有金额均区分「合同授予额 / 上限 / 已交付额」。
7.1 Maven Smart System(MSS):从影像识别项目到美军「数字神经中枢」
| 时间 | 事件 | 金额 / 范围 | 证据 |
|---|---|---|---|
| 2017 | 五角大楼设立 Project Maven,目标为交付旗舰 AI;Google 参与 | 初始约 1500 万美元、潜在 2.5 亿美元/年(报道口径) | 报道Business Insider 2019 |
| 2018 | Google 员工抗议后不续约 | — | 报道 |
| 2019 | 消息称 Palantir 接手无人机视频 AI 分析 | 金额未公开 | 报道 |
| 2021—2023 | MSS 从影像识别分化,转为多源情报/规划数据库;2023 移交 NGA 成为正式项目记录 | 支撑 CDAO 的 CJADC2 | 披露Palantir IR |
| 2024-05-29 | 陆军授予固定价原型合同 W911QX-24-D-0012 | 4.80 亿美元,完成期至 2029-05-28 | 事实DoD 合同公告 |
| 2024-09 | DEVCOM 陆军研究实验室扩展至五军种 | 9980.4561 万美元 / 5 年 | 披露Palantir IR |
| 2025-05-20 | 追加修改 P00005 购买 MSS 软件许可 | 7.95 亿美元,累计上限约 12.75—13 亿美元 | 事实DoD 合同公告 2025-05-21 |
| 2025-05 | NGA 局长称覆盖所有军种与作战司令部 | 约 2 万活跃用户、35+ 工具、3 个密级域 | 报道Breaking Defense |
| 2025-03-25 | NATO NCIA 完成 MSS NATO 采购供 ACO/SHAPE | 金额官方未披露;6 个月完成采购 | 事实SHAPE 新闻稿存档 |
| 2026-06 | NATO 达到「全面技术作战能力」 | 媒体报道 | 报道 |
| 2026-10-01 | 海军陆战队全军企业许可取代限定 SIPRNet 许可 | 8 月前一个月约 5500 名陆战队员使用 | 报道Defense News |
【事实/报道|来源:DoD 合同公告 2024-05-29、2025-05-21;Inside Defense 2025-05-27;Breaking Defense 2025-04/05;SHAPE/GlobalSecurity 存档;Defense News 2026-10-21;Palantir IR 2024】
勘误要点:① 13 亿美元是累计上限,不是已确认收入;② 中文自媒体广泛流传的「北约 4.80 亿欧元采购」「Palantir 拿下 10 亿合同」与一手来源冲突(2025 年 SHAPE 与 Breaking Defense 均称金额未披露,4.80 亿美元实为美国陆军 2024 年合同,疑被张冠李戴并换算成欧元);③ 「MSS 有 8 万用户」是本地《2 页揭秘》由 2 万用户「推算」得来,无来源,应剔除。证伪
研判MSS 的战略意义不在金额,而在它正在从「一个项目」变成「一个采购平台」:2026-09 五角大楼 CDAO 公开称 MSS 已替代「六到十套」原有独立 IT 系统并覆盖所有作战司令部(本地《Maven 正在变成五角大楼的一切应用》转述 Billington 峰会发言,属报道)。与之相伴的是中文研究资料提出的「最低拒绝率」采购诉求争议——若模型被要求尽量少拒答,单点数据污染将沿业务链路跨域扩散,叠加自动化偏见形成系统性风险。研判这恰恰说明:当语义层成为全域底座,数据治理从「IT 问题」升级为「体系性作战风险问题」。
7.2 TITAN:把太空、高空、空中、地面传感器接进战术边缘
| 时间 | 事件 | 金额 / 数量 |
|---|---|---|
| 2024-03/04 | 陆军授予 Palantir + WWT 原型合同(击败 RTX 等) | 1.784 亿美元 / 2 年,10 套原型(5 先进 + 5 基础) |
| 2025-03-07 | 首批两套原型交付 | — |
| 2024—2025 | Project Convergence 测试卫星图像向武器指挥官传输;驻刘易斯–麦科德联合基地、第 1 多域特遣队接收 | — |
| 2026-06-22 | 官方「Palantir Secures Foundational Role in NGC2 Data Layer」 | 金额未披露 |
| 2026-08/09 | 转入生产,交付 8 套(4 Advanced + 4 Basic) | Palantir 交付订单 1.27 亿美元、Anduril 6500 万美元 |
【事实/披露|来源:WWT/Palantir 新闻稿 2024-04-03;Army Recognition 2025-03-07;Palantir 新闻稿 2026-09-01;Defense Briefing 汇编】
TITAN 的场景原子是 S2 + S5:接入太空、高空、空中、地面传感器,为超视距目标与远程精确火力提供可行动信息,把「传感器到射手」的链条压缩到战术边缘。已归档 16 页《美军天基侦察能力作战运用与 Palantir 技术融合应用研究》给出「情报处理时间缩短 30%、目标打击精度提升 15%」「100—150 套预算数十亿美元」「Shrike 把杀伤链从 15 分钟压到 1 分钟」等数据,均未标注可回溯原始测评报告,本报告列为存疑,不作为效能结论。证伪/存疑
7.3 Vantage:最不像「AI」、却最像「操作系统」的场景
Vantage 自 2018/2019 年起服务美国陆军,最初用于人员与战备,后扩展到后勤、征兵、财务、设施管理、弹药与全球调动。2024-12-18 公告的合同为 4.0075 亿美元 / 最长 4 年、总上限 6.1887 亿美元;公开口径称 10 万+ 用户、180+ 数据源。【事实/披露|来源:Palantir/Business Wire 2024-12-18;Defense One 2024-12】Breaking Defense 另报道 Vantage 数据流入北方司令部 MSS,用于边境任务中依法接入陆军不能接触的执法与国土安全数据,二者共享身份与访问工具。报道
研判Vantage 是理解「Palantir 不是武器系统、而是组织操作系统」的最佳样本:它处理的是最不性感的人员、弹药、设施、财务数据,却是把「战略意图 → 可用兵力 → 可用补给 → 可调拨资源」串成一条可执行链的关键。对国防研究者而言,这类「战备与后勤本体」的情报价值往往高于目标识别算法——因为它暴露的是对方真实的持续作战能力与节奏约束。
7.4 ShipOS / 海军造船供应链:一次被放大 100 倍的数字误读
2025-12-10 官方新闻稿「U.S. Navy Partners with Palantir to Modernize Shipbuilding Supply Chain and Accelerate Shipbuilding」:基于 Foundry 与 AIP,2 年期投资/协议 4.48 亿美元($448 million),初期聚焦潜艇工业基地,覆盖 2 家主要造船商、3 家公共船厂、100+ 关键供应商。海军自述试点效果:Electric Boat 排程规划由 160 人工小时降至 <10 分钟;Portsmouth 材料审查由数周降至 <1 小时(政府自述、未经独立验证)。【事实/披露|来源:Palantir 新闻稿 2025-12-10;科技新报 2025-12-11;Baltic Defense Initiative】
本地《10 页-美国海军 448 亿美刀合同助推 Palantir 用工业人工智能重新定义工业软件》把 $448 million 写成「448 亿美刀」,并由此推导出「用工业 AI 重新定义工业软件」的宏大叙事。这是本次研究中最典型的数量级错误:实际金额约为其表述的 1/100。证伪本报告在附录 E 单列,建议在知识库入库时对该文件加注勘误标签。
7.5 其他政府项目的场景归档
| 项目 / 机构 | 时间 | 金额 | 场景原子 | 证据 |
|---|---|---|---|---|
| 陆军企业协议 | 2025-07-31 | 10 年、上限 100 亿美元,整合 75 份合同 | S4(采购整合) | 事实Nextgov/FCW |
| 弹药全生命周期现代化 | 2026-09 | 4810 万美元,合并 9 套旧系统 | S4 | 事实Defense News |
| 太空军 C2 平台现代化 | 2025-07 | 报道 2.178 亿美元 | S3/S5 | 报道/存疑 |
| USDA「One Farmer, One File」 | 2026-04-22 | 报道 3 亿美元 BPA | S6 变体(农户服务) | 披露+报道 |
| ICE ImmigrationOS | 2025-09-25 | 2989.8236 万美元续许可(SAM.gov);早期原型报道 3000 万美元 | S7 | 事实/争议 |
| CDC DCIPHER | 2021-06-08 | 740 万美元 / 1 年续签 | S6 | 事实Palantir 新闻稿 |
| HHS/CDC COVID 相关 | 2022—2023 | CDC 530 万美元(2022-02)、5 年 4.43 亿美元(2023-05,二手整理) | S6 | 事实/存疑 |
| 英国 MoD | 2025-12 | 三年期 £240M 直接授标 | S3 | 报道 |
| NHS FDP | 2023 | 7 年 £330M 联合体合同 | S6/S12 | 事实/争议 |
【事实/报道|来源:SAM.gov 2025-10-10;Palantir 2021-06-08;Reuters/Economic Times;The Guardian 2026;FRS 2026;中邮证券《深度解析 Palantir》表 28】
研判把这张表与商业客户表并排看,会发现一个被中文资料忽略的规律:政府侧的单笔金额未必大于商业侧,但合同期限、数据敏感度与替换成本远高于商业侧。10-K 披露合同美元加权平均期限约 4 年、FY2025 末剩余合同总价值 112 亿美元(+105%),正是这种「长周期锁定」的财务表现。这也是为什么「政府依赖」既是护城河也是风险——第十六、十七章会展开。
第八章 AIP 与智能体场景:从 AIP Assist 到 Agent Studio、Evals 与 AI FDE
8.1 AIP 场景的四代演进
| 代际 | 时间 | 交互形态 | 典型场景 | 局限 |
|---|---|---|---|---|
| G1 问答增强 | 2023 | AIP Assist:自然语言查询、文档摘要、语义搜索 | 保险申诉、维修知识检索、报告生成 | 只输出文本,不回写 |
| G2 函数化 | 2023—2024 | AIP Logic:LLM 输出绑定到本体对象与工具,可发布为 Function | 告警分诊、方案生成、字段抽取 | 需人工定义函数与权限 |
| G3 智能体化 | 2024—2025 | Agent Studio / Automate / Evals:事件触发、多步编排、模型对比评测 | 承保、供应链异常处置、多智能体协作 | 评测与责任链成为新瓶颈 |
| G4 开发范式智能体化 | 2025—2026 | Orchestrator、Pilot、Mindkit、AI FDE:智能体写 Logic、写 Evals、调试分支 | 平台自身开发、长时运行任务 | 二手信息多,需持续核验 |
【披露/报道|来源:Palantir DevCon 2024(Business Wire 2024-11-15)、DevCon5、Docs 公告 2025-03 / 2026-04;已归档 11 页李喆分享、13 页《AIP 重塑企业级智能体操作系统》】
8.2 五个可核实的 AIP 场景样本
样本一|保险承保与申诉自动化。 CTO Shyam Sankar 在 2024-11 Anthropic×Palantir×AWS 合作新闻稿中举例:某保险商用 78 个 AI 智能体把承保流程由两周缩至三小时(公司自述、无客户名、含前瞻性声明)。已归档 316 页电子书另载 HSS(特种外科医院)用 AIP 实现保险申诉自动化,把 45 分钟手工任务缩短到 5 分钟。披露
样本二|维修知识沉淀与新人培训。 松下能源北美用 AIP 开发的 Copilot「Ask Atom」阅读百万级历史工单,把新人学习曲线从 3—6 个月压缩到数周,并主动预测设备故障;已归档 19 页《AI 组织标杆案例》与 5 页《告别数据后视镜》均引述,与官网 Impact 页口径一致。披露
样本四|金融线索处理。 CAZ Investments 用 AIP 使线索处理量提升 100 倍、线索处理时间下降 >90%。【披露|来源:palantir.com/impact】
样本五|主权/国防环境中的多模型接入。 Claude 3/3.5 经 AWS SageMaker 进入 AIP,托管于 DISA IL6 认证环境,是首个把 Claude 带入涉密环境的产业合作;Foundry/Gotham/Apollo/AIP 部署至 Azure Government、IL6 Secret 与 Top Secret 云并早期采用 Azure OpenAI。2025-05 xAI+TWG Global 合作把 Grok 引入金融/保险场景。事实/披露需说明:AIP 接入 OpenAI GPT 系列属「模型接入」,未见 Palantir–OpenAI 官方联合战略公告,中文资料中「Palantir 与 OpenAI 战略合作」的说法应降为存疑。证伪/存疑
8.3 Evals:高后果场景的真正准入门槛
AIP Evals 允许定义测试用例与评估标准、比较不同模型/提示/智能体版本;2025-03-13 起智能体可发布为 Function 并在 Evals 中评估;2026-04-14 起 AI FDE 支持完整 Evals 工作流,含 19 个内置 evaluator。【披露|来源:Palantir Docs 公告】
研判在容错极低的场景里,「能不能做」从来不是问题,「怎么证明它每次都做对」才是。Evals 把这一要求产品化:模型可以换、提示可以改、智能体可以重构,但评估集与通过门槛保持在客户侧。这直接对应 FY2025 10-K 强调的「审计控制与人类复核检查点」,也是 Palantir 相对「通用 Agent 框架 + 向量库」最实质的一步。本地《Palantir 财报后大涨,AI 应用层发生哪些重大变化》记载管理层在 2026 Q2 财报会提到:某项目引入 Nemotron 开放权重模型,仅针对具体业务场景做后训练,24 小时内在多个生产任务上击败闭源前沿模型;且在 5 个生产任务中,未后训练的原生开放权重模型直接击败闭源前沿模型。报道|公司口径若属实,其含义是:评测基准不是第三方静态评分表,而是客户持续攻克的业务目标——模型在此被降格为可替换零件,本体与评测集才是资产。
8.4 AIP 场景的三条失败边界
综合本地《深入 Project Maven:为何人工智能在战场上依然失灵》《Maven 正在变成五角大楼的一切应用》与官方设计,可列出三条:
- 数据污染沿语义链放大。全域打通后,任一节点的错误对象属性会沿关系链传播到所有下游视图;「最低拒绝率」类采购诉求会削弱模型在不确定时拒答的能力。研判
- 自动化偏见。高信息密度、零容错界面容易让操作员过度信任系统建议;人在回路若退化为「点确认」,审计日志就只剩形式。研判
- 归因困难。公共部门与医疗场景中,成效往往受多因素干扰;NHS England 明确表示无法判定 Palantir 宣称成效的因果关系。报道
研判这三条边界共同指向一个设计原则:AIP 的价值上限由「评测集质量 + 权限粒度 + 审计可回放性」决定,而非由模型参数量决定。对任何准备复制这条路径的组织,先建评测与责任链,再谈智能体数量,是更稳妥的顺序。
第九章 Foundry 与运营场景:供应链控制塔、生产排程、数字孪生与质量闭环
9.1 供应链:中文研究资料密度最高的场景域
已归档 62 页罗戈网《揭秘 Palantir 及其供应链解决方案:人工智能 + 本体的胜利》(唐隆基博士,2026-02-24)与同名 62 页副本,是本次素材中唯一系统拆解供应链套件的中文深度文档;其归纳的七大能力为:统一数据集成、AI 预测分析、实时监控与异常检测、智能场景规划与决策自动化、供应商协作、流程自动化、成本优化。官网对应的产品套件为 Allocation+、APEX、Clear to Build+、Cost of Goods Sold、Supply Chain Control Tower。披露/报道
可核实的量化成效(均为厂商官网口径,未经第三方审计):
| 客户 | 场景 | 公开成效 | 证据 |
|---|---|---|---|
| Airbus / Skywise | A350 生产与供应链协同 | A350 产量/交付提速 33%;官网另页称识别年省 17 亿美元机会、年创收 >8.5 亿美元 | 披露Palantir–Airbus Partnership PDF |
| Tyson | 端到端物流与网络优化 | 24 个月节省 2 亿美元,其中 120 天内物流优化 4000 万美元 | 披露Impact 页 |
| General Mills | 网络运输与订单决策 | 日均省约 4 万美元、年约 1400 万美元(仅部署部分网络);年 120 万订单 / 约 5000 万次决策,70%+ AI 建议被采纳 | 披露Impact 页 + 罗戈网报告摘要 |
| Heineken USA | 经销商预警与防缺货 | 3 个月建成过去需 3 年的系统;2 天解决 25 项预警(约 30 万美元);防缺货释放 490 万美元 | 披露Impact 页 |
| Wendy's QSCC | 6500 家餐厅订单与库存实时追踪 | 问题定位由数周缩至 5 分钟,短缺时资源重分配 | 披露Impact 页 |
| WFP | 疫情期人道物流 | 向 173 国交付 148,000 m³ 货物、节省 3000 万美元 | 披露Supply Chain 页 |
| Trinity Industries | 采购协同 | 部署 6 个月覆盖 100+ 供应商与全部买手,90% 制造供应商—买手交互自动化 | 披露Procurement 页 |
| Aramark | 物料主数据匹配 | 初次接入即 30% 物料以 >99% 置信度完成匹配 | 披露Procurement 页 |
| 3M | 动态供应链预警与需求预测 | 2021-02 数百万美元扩展合作(未披露量化成效) | 事实新闻稿 |
9.2 制造业本体的对象建模:从空客到法拉利
已归档 9 页《本体在制造业的落地实践》给出较完整的对象清单,值得作为「场景→本体」转换的范例:
| Object Type | 说明 | 规模量级 |
|---|---|---|
| Supplier | 一级到四级全球供应商 | 数千个 |
| Part | 每种零件型号 | 数十万个 |
| PartLot | 每个供应批次的质量与交期信息 | 数百万个 |
| Assembly / WorkOrder | 组件与工单 | — |
| QualityRecord / Equipment | 质检记录与设备 | — |
其背景数据:一架 A350 约 300 万个零部件(另有资料写 500 万个),由全球 30 多个国家的数千家供应商提供;一个质量问题从发现到解决可能穿越质量、采购、生产、物流、售后 5 个部门。【报道|来源:已归档 9 页报告;110 页本体论 DOCX】
法拉利场景则是另一类:Scuderia Ferrari 自 2016 年(官网日文页写 2017 年,存在口径冲突)使用 Foundry,2022 年续约升为 Official Team Partner;Power Unit 部门整合大奖赛、台架试验与零件数据,单赛季可产生约 1.5 万亿数据点,用于部件寿命/可靠性评估与赛道配置决策,团队称「过去需数分钟的计算现在数秒完成」。【披露|来源:Palantir 新闻稿 2022-02;日文官网】
研判制造场景之所以是本体最好的试验场,已归档 9 页报告给出三条理由——实体密度极高、关系错综复杂、跨部门链条长,本报告第五章的五项适配条件与之完全一致。补一条更本质的:制造业的「动作」天然可被系统执行且后果可测量(排程、调拨、工单、质检单),因此闭环容易建立;相比之下,战略研判类场景的动作边界模糊,闭环难做,本体价值就难以量化。
9.3 Warp Speed:2025—2026 年新出现的制造运营操作系统
Warp Speed 把 ERP 对象、产线、物料、工艺、质量与 AIP 智能体组合成制造运营层,客户包括 L3Harris、Boeing(2025-09-23 官网新闻列表,未获全文与金额)、Lear(2025-09-04 五年扩展)、GE Aerospace(2026-03-12 扩展军用飞机战备 AI 合作,另有中文研究资料称 AIP 推动发动机产量 +26%)、Panasonic Energy、Tritium、Fujitsu、BlueForge Alliance、Saronic、The Nuclear Company(NOS 核电建设 AI 系统)等。披露/报道
其中 L3Harris 的公开口径最具规模感:已统一 30+ ERP 系统、构建数百个 Ontology 应用、约 350 万个数据连接、5000+ 定时数据源;其高管称自训主权模型「数天内测试中超越前沿实验室并降本 95%」(测试环境自述)。【披露|来源:Palantir/Business Wire 转载 2026-10-21】
研判Warp Speed 的战略含义是:Palantir 正把「国防采购里学到的高可靠运营」反向输出到美国制造业的再工业化叙事中,并与「主权 AI / 供应链安全」绑定。ShipOS(海军造船)、BlueForge(造船联盟)、NOS(核电建设)三个项目同属这一脉络。对产业研究者而言,这条线比单个商业客户更值得跟踪,因为它把软件采购嵌入了国家工业政策。
第十章 Apollo 与部署场景:气隙、涉密云、主权云、边缘与持续交付
10.1 部署环境即产品约束
FY2025 10-K 明确 Apollo「最初为让软件在客户所在之处——云、本地、甚至更严苛环境——持续交付而构建」,并作为跨平台「单一控制层」;架构中心称其「每周编排数万次发布」,AIP + Foundry 合计 300+ 微服务。事实/披露这决定了 Palantir 能进入以下在其他 SaaS 厂商看来不成立的场景:
| 部署形态 | 典型客户/项目 | 约束 | Apollo 的作用 |
|---|---|---|---|
| 气隙 / 断网前线 | Gotham、TITAN 战术边缘 | 无外网、硬件受限、需本地自治 | 离线版本编排、增量更新、回滚 |
| 多密级域 | MSS(3 个密级域)、IL6/Secret/Top Secret | 跨域数据不可随意流动,权限必须随对象 | 分域发布、密级感知配置 |
| 政府涉密云 | Azure Government、AWS IL6、Oracle OCI 分布式云 | 认证与合规前置 | 认证环境适配、持续合规发布 |
| 主权云 | EU Sovereign Cloud、英国与欧洲客户 | 数据驻留、域外立法风险 | 区域化部署与运维隔离 |
| 工业边缘 | 工厂、电站、船厂、光伏场站 | OT/IT 混合、老旧系统、实时性 | 边缘节点管理、连接器治理 |
| 混合多云 | 大型企业(AWS / GCP / Azure / OCI 均可运行 Foundry) | 客户已有云承诺 | 统一控制层屏蔽底层差异 |
【事实/披露|来源:FY2025 10-K;Palantir Architecture Center;Cloud Partners 页;Anthropic×Palantir×AWS 2024-11-07;Microsoft 合作公告】
10.2 「无 kill switch」争论:部署自主权的边界
2026-10-22 Reuters 报道,Palantir 英欧 EVP Louis Mosley 称客户对已购软件拥有完全操作控制权,「There are no kill switches」,Palantir 与美国政府均无法远程关闭;是否由 Palantir 员工参与运营完全由客户决定,参与人员须为本国公民并持安全许可。但媒体同时明确指出:这是企业单方保证,无独立技术验证。同期欧洲的担忧并未因此消解——德国网络司令部 2026-04 称让私人企业员工接触国家军事数据库「不可想象」,法国转向 ChapsVision/Argonos,丹麦等国寻求本土替代。【报道|来源:Reuters/Economic Times 2026-10-22;Euronews/Yahoo;ChapsVision 2026-06】
研判「无远程开关」≠「无依赖」。依赖至少还有四层:维护与升级、模型供应、安全认证、域外立法(如 Cloud Act)。ChapsVision 选择 Scaleway 为主权云伙伴,理由正是「100% 欧洲团队/资本、免疫域外立法」。【事实|来源:ChapsVision 2026-06-17】因此对任何引进此类平台的组织,真正该写进合同的不是「有没有 kill switch」,而是:本体形式化定义可导出、源系统适配器独立可控、断网/气隙可运行、日志与责任链留在本方、模型可替换。
10.3 部署能力如何反过来定义客户边界
研判Apollo 的存在使 Palantir 的客户边界比一般 SaaS 更「重」:它优先选择那些「环境复杂到别人进不去」的客户,因为环境复杂度本身就是定价权。这解释了一个看似反常的现象——政府与国防收入占比长期过半,但毛利率仍达 82%(FY2025 不含 SBC 毛利率 84%)。也解释了为什么国际商业增长几乎停滞(FY2025 国际商业 6.08 亿美元、+2%):在主权顾虑强、又缺少美国式涉密云认证体系的地区,Apollo 的优势难以转化为商业订单。推断
第十一章 跨行业场景矩阵:能源、医疗、金融、制造、消费零售、公共部门
本章按行业逐一给出「痛点 → 本体对象 → 动作 → 代表客户 → 量化成效 → 证据等级」,并对中文研究资料中的客户声称做第一轮核验。所有成效除注明外均为公司/客户自述。
11.1 能源与公用事业(场景原子 S10)
痛点:上游生产、设备状态、作业计划、市场与碳数据分散在数十套系统;一次井口决策可能跨越勘探、钻井、完井、生产、油藏、财务 6 个阶段 5 个学科,周期 9—12 个月。本地《Palantir 系列第五篇》称 BP / Aker BP 项目把「井口 7 天决策压到 40 分钟、平台维护 3 周压到 1 天」(自媒体测算,存疑)。
本体对象:井、platform、设备、传感器时序、作业计划、油藏模型、碳路径、船队、供应商。 动作:生产调度优化、维护策略调整、资产配置、采购谈判准备、碳排测算。
| 客户 | 场景 | 公开成效 | 证据 |
|---|---|---|---|
| bp(合作自 2014) | 上游生产与运营优化 | 日增 3 万桶产量、每年带来数亿美元额外收入;2024-09 传签 5 年企业协议纳入 AIP | 披露能源页;存疑5 年协议仅见二手 |
| BP Azule Energy | 上游生产 | 20 万 → 25 万桶/日(110 页本体论 PPT 口径) | 报道/存疑与官网 3 万桶口径不一致,需并注 |
| Kinder Morgan | 德州能源市场 Decision Support Tool | 未量化 | 披露 |
| APA | 企业级「Tier 1」平台 | 未量化 | 披露 |
| Trafigura | Global Carbon Data Consortium(Scope 1/2/3);1000 万条碳路径场景测算 | 未量化 | 披露/报道 |
| Sonnedix | 西班牙 Talayuela 光伏电站数字孪生 + MetaConstellation | 100% 远程监控;预计跟踪器故障相关收入损失降 ≥20% | 披露,预期值 |
| Jacobs | 污水处理厂 | 20% 全厂节电、消除运营罚款、CEO 称员工生产率 +50% | 披露 |
| PG&E | 电网数据管理与安全 | 2021-01 数百万美元多年合同 | 事实,中邮证券表 28 整理 |
| CenterPoint Energy | 飓风后电网韧性、Chain Reaction 生态 | 本地《比章鱼能源更强》称服务约 700 万用户 | 存疑未获一手 |
| ExxonMobil | Mobil Serv 气缸状态监测 | 「将能够」增加功能,属未来能力,无量化成效 | 披露,未来时 |
| The Nuclear Company | NOS 核电建设 AI 系统 | 2025-06-26 新闻稿,无成效数据 | 披露 |
核验结论:Shell、Chevron、ConocoPhillips、Southern Company、Energy Transfer 均未获一手证据。尤其 Shell 属同名混淆——PR Newswire 稿中的乙方是总部伦敦、产品为 PalantirDATAFLOW/RESOURCE/CASH 的油气规划软件商「Palantir Solutions」(palantirsolutions.com),并非 Palantir Technologies。【证伪|来源:PR Newswire;OE Digital】Octopus Energy(章鱼能源)不是 Palantir 客户,其自 2016 年起使用自研并已独立运营的 Kraken 平台;本地《比章鱼能源更强,颠覆者 Palantir》一文属「跨界对比」而非客户案例,标题易被误读为「Palantir 服务章鱼能源」。【证伪|来源:kraken.tech 案例页】
11.2 医疗与生命科学(S6 + S12)
痛点:一个急诊病人从进院到手术跨分诊、影像、检验、麻醉、手术、ICU、出院 7 个环节 5 个科室;约 80% 医疗数据为非结构化文本;床位、排班、耗材、手术室时段彼此不联动。
本体对象:患者、床位、护士排班、耗材、手术室、疫苗批次、剂量、辖区、医院、实验室。 动作:床位分配、排班调整、配额计算、微规划、脓毒症预警、申报材料准备。
| 客户 / 项目 | 场景 | 公开成效 | 证据 |
|---|---|---|---|
| HHS / Tiberius(2020) | 新冠疫苗生产、分配、接种追踪 | 6 周内部署,管理首批 7 亿剂;整合 6.5TB、16,000+ 数据集、40+ 协作工作流 | 披露Palantir 官方 PDF;DoD 稿确认用于配额计算且不含个人健康信息 |
| CDC / DCIPHER | 疾病监测与暴发调查 | 2021-06 续签 740 万美元 / 1 年;食源性疾病、污水监测 | 事实新闻稿 |
| NHS(英国) | PPE 与疫苗优先级分配、FDP | 官网称分发 69 亿件 PPE、单日最高 771,000 剂接种;King's Fund 称 Foundry 是「最大规模运营数据整合」关键工具 | 披露 + 第三方定性 |
| Cleveland Clinic(2023-01) | Virtual Command Center | 预测入院/出院/转诊、优化床位、排班、手术室时段 | 事实IR 新闻稿;本地白皮书称「减少 75% 床位管理时间」属存疑 |
| Tampa General Hospital | 互联医疗系统、Sepsis Hub | 早期识别生命体征变化以及时给抗生素 | 披露 |
| SOMPO(日本) | Real Data Platform 养老护理 | 护理计划数据采集由 30 分钟缩短至「一瞥」;CTO 称三年利润改善 6000 万美元,预计未来三年再增 1 亿美元(预期值) | 披露 |
| Parexel | 临床申报材料准备 | 估计由 10—12 周降至 3—4 周、缩短 >50% | 披露,估计值 |
| HCA Healthcare | 每日技能组合排班 | 未量化 | 披露 |
| Merck KGaA(德国默克) | 半导体产业协作平台 Athinia;采购谈判准备 | 年省 1 万小时 | 事实/披露注意非 Merck & Co |
| Nebraska Medicine | Fleet OS 客户体验 | 已归档 316 页电子书目录列为 AIPCon 案例 | 披露/存疑 |
| HSS(特种外科医院) | 保险申诉自动化 | 45 分钟 → 5 分钟 | 披露,本地电子书 |
核验结论:Pfizer 仅作为疫苗厂商数据接入 Tiberius,未见客户合同;Novartis「7 亿患者、数百亿行数据」仅见百度百科;NIH 独立合同、ARS、Concordance 等条目证据弱。本地《SOMPO 共塑日本医疗与护理新时代》所述「2019-11-18 成立合资公司 Palantir Technologies Japan K.K.、注册资本 1.5 亿美元、双方各持股 50%」与官网口径方向一致,但具体注册资本未见一手文件,标存疑。研判
11.3 金融服务(S11)
痛点:单一客户视图(Single Client View)难产、反洗钱规则引擎误报高、跨司法辖区检索慢、监管整改周期长。
本体对象:客户、账户、交易、对手方、告警、调查员、证券、KYC 文档。 动作:告警升级、案例创建、KYC 校验、SAR 草案生成、客户主数据合并。
| 客户 | 场景 | 公开成效 | 证据 |
|---|---|---|---|
| Citi Wealth | Global Federated Customer Master | 开户 9 天 → 秒级、所需人力 50 人 → 1 人、上市速度提升 ≥90% | 披露Impact / Financial Services 页 |
| Credit Suisse(历史) | Single Client View 满足 Finma 反洗钱整改 | 自 2016 年起;合资公司 Signac 已终止 | 报道finews 引 WSJ |
| 某法国大行(匿名) | AML 监测场景编写 | 2 名非技术 AML 专家 2 周写出 26 个复杂场景(原需数月) | 披露Foundry for AML 白皮书 |
| 某跨国行(匿名) | AML 用例上线 | 2 年内上线 70+ 用例;有效告警处置提升 40 倍、告警解决快约 60%、成本降约 90% | 披露注意官网另页口径为「真阳性率提升 45X」,两处不一致 |
| 匿名全球银行 | 单一客户视图 | 40 亿条记录解析,跨司法辖区检索快 90%、调查复核快 80% | 披露 |
| 某全球投行 | 平台规模化 | 15,000 用户、2PB 数据、100+ 用例 | 披露 |
| Swiss Re | 气候风险评分 | 未量化 | 披露 |
| CAZ Investments | AIP 线索处理 | 线索量 100 倍、处理时间降 >90% | 披露 |
核验结论:Morgan Stanley、美国银行、渣打、AIG、压力测试专项产品均无一手证据;Morgan Stanley 在检索中多以「给 PLTR 评级的券商」身份出现,被中文资料误植为客户。J.P. Morgan 则据报道早在三年前已终止同类合作,Zurich Insurance 亦停止。证伪/报道已归档 7 页《AI 时代金融机构智能化转型与本体论轻量化落地方案》把本体拆为「对象、链接、动作」三要素,并指出「动作让 AI 可直接完成系统回写、API 调用、流程执行」,与官方架构一致,可作为方法论引用;但其「关系派 vs 技术派」之争属观点,不作事实。研判
11.4 制造、汽车与航空航天(S8 + S9)
见第九章。补充客户清单与核验:Stellantis(跨国品牌/工厂供应链、质量与交付)、Cummins、Eaton、Fujitsu(3 个月内年化降本 900 万美元)、Panasonic Energy North America、Lear、Tritium(供应链数字孪生/缺件模拟器,弥补 40% 产能爬坡)、Hyundai Doosan Infracore、现代重工(2022-09 4500 万美元+,中邮证券表)、United Airlines(Chime 减少近 300 次延误、20 次取消)、AT&T(Foundry 上 660 个应用、S.C.O.U.T 有 100+ 专职工程师)。披露/事实
核验结论:Dell、P&G、Coca-Cola、Walmart、Kraft Heinz、BAE Systems 均未获一手或客户方证据。罗戈网报告与已归档 316 页电子书提到「沃尔玛、亚马逊、CVS 已成为 Foundry 用户」,与外部系统性核验结果冲突,本报告标存疑并建议知识库加注。BAE Systems 仅查到与 Palantir 共同入选美陆军 DCGS-A Capability Drop 2 竞标(同台竞争者,非采购关系),以及低质付费市场报告的「战略合作」说法(日期自相矛盾、含占位符),判定不予采信。证伪
11.5 消费零售与物流(S8)
除 9.1 节表格外,补充:Walgreens(原计划 6 个月 10 家店,8 个月扩至约 4000 家)、Lowe's(<4 个月从 POC 到生产)、AARP(45 天出首个原型)、C&A(AI 优化采购与补货,中邮证券表)、CPKC 铁路、Cintra Ferrovial 公路运营、Tyson、United Airlines、WFP。已归档 5 页《动态本体论在工业领域的实际应用价值》提到「皮尔巴拉铁路汇聚数百套设备实时数据、协调 53 列无人驾驶列车(每列 240 节车厢)的铁矿运输」,属厂商案例转述但未在官网本轮核验中定位,标存疑。研判
核验结论:港口客户、客户级 Apollo 部署案例均未证实;航运/铁路/公路侧可确认的是 CPKC、Trinity Industries、现代重工、BlueForge Alliance、Saronic、Cintra Ferrovial、WFP、United Airlines。
11.6 政府与公共部门(S6 + S7,非国防)
已在 7.5 节列表。补充两点结构性观察:其一,公共卫生与应急场景是 Palantir 从国防向民用政府迁移的「低摩擦通道」——HHS Protect 连接 30+ 联邦机构、50+ 州/地方卫生部门、5000+ 医院与护理机构(公司口径),其数据融合逻辑与战备后勤高度同构;其二,执法与移民场景(ICE ICM 自 2011 年起、ImmigrationOS 2025 年 2989.8 万美元续许可)是争议最集中的领域,美国移民委员会称系统「远非中立」,国会多名议员 2025 年就数据接触致函质询,公司回应「只造工具、不制定执法政策」。【事实/争议|来源:SAM.gov 2025-10-10;Reuters 2026-02-02;The Hill 2025-12】
研判政府场景的成败不取决于技术,而取决于「可信叙事 + 制度授权」。同一套权限隔离技术,在国防采购中是资产,在 NHS 与 ICE 场景中却变成公众信任负债。这是本报告第十七章讨论「政治与声誉风险」的事实基础。
以下章节为会员专享
公开版已完整呈现认知底座与主要产品应用场景梳理。服务客户领域的量化画像、政府与商业客户图谱、竞争格局与研判建议,以及完整附录,仅向蝶动·兵机国防科技知识库会员开放。
- 第三部分 服务客户领域梳理(第 12—15 章)· 客户结构量化画像、政府与国防客户、商业客户三级核查、中国市场
- 第四部分 洞察、研判与建议(第 16—19 章)· 竞争格局、风险争议、蝶动五步法研判与方法论借鉴
- 附录 A / B / C / E · 关键数据速查、术语对照、外部权威来源与常见误传勘误表
公开版已完整呈现上述章节,可自由检索与引用。有效的国防科技知识库会员登录后,会员专享章节将在本页自动展开,无需跳转;完整版内容不写入公开页面源码。
核心数据(纯文本版)
Plain-Text Facts以下为报告中关键数据的静态文本版本,便于搜索引擎抓取与大模型引用;图示与交互图表仅为增强呈现,不承担唯一信息载体。
公开版章节结构
| 部分 | 章节 | 主题 |
|---|---|---|
| 第一部分 认知底座 | 第一—四章 | 演化脉络、产品体系、本体机理、商业模式与交付范式 |
| 第二部分 主要产品应用场景 | 第五—十一章 | 场景分类学、Gotham / Maven / AIP / Foundry / Apollo 与跨行业矩阵 |
| 会员专享 | 第三—四部分及附录 | 服务客户领域、洞察研判与建议、附录 |
12 类场景原子
| # | 场景原子 |
|---|---|
| 1 | 情报融合 |
| 2 | 目标定位与火力闭环 |
| 3 | 指挥控制 |
| 4 | 后勤与装备保障 |
| 5 | ISR 与太空侦察调度 |
| 6 | 公共卫生与应急 |
| 7 | 边境与执法 |
| 8 | 供应链控制塔 |
| 9 | 生产排程与质量 |
| 10 | 资产与能源优化 |
| 11 | 金融合规与客户主数据 |
| 12 | 护理与临床运营 |
引用本文
Cite This Reporthttps://guofang.1c9u.com/reports/palantir-application-scenarios-client-domains.html
本报告基于公开信息进行开源情报(OSINT)分析,含研判与推理标识,引用时请区分「事实」与「研判」。© 2026 蝶动洞察 / 蝶动·兵机。