蝶动·兵机 · 专题报告 · 机构研究

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

摘要(TL;DR):本报告把 Palantir 的落地归纳为 12 类「场景原子」,并逐一映射到产品、行业与决策类型;同时对中文资料中广泛流传的客户名单做三级核查(已证实 / 存疑 / 证伪),明确区分客户方一手证据、公司自述与二手汇编。核心判断是:Palantir 售卖的是一层可被机器执行、可被人类审计的组织行动层,其场景适配需同时满足高后果决策、异构数据、可写回动作、审计留痕与持续运营五个条件。本页为公开版,完整呈现认知底座与主要产品应用场景梳理;服务客户领域量化画像、政府与商业客户图谱、洞察研判及附录为会员专享。
发布 更新 数据基准日 2026-11-04 类型 机构研究 篇幅 19 章 · 公开版约 50% 阅读 约 35 分钟(公开版) 信源 公司官网与投资者关系、SEC 10-K/8-K、DoD 与 SAM.gov 公告、公开媒体报道及中文研究机构报告
Palantir应用场景服务客户场景原子GothamFoundryMaven Smart System客户图谱证据分级国防科技开源情报

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

  1. 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。
  2. 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。
  3. 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—2010Palantir 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—2022Apollo 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—2026AIP 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FY2024FY2025FY2026 Q1FY2026 Q2FY2026 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711954—1,049—
Rule of 40Q4 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GothamFoundry
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
APEXS&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 Function2023—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 EvalsDevCon 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 AerospaceMRP 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:

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
S5ISR 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:

  1. 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;
  2. 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;
  3. 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;
  4. 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);
  5. 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 / TITANFoundryAIPApollo代表客户
国防与情报S1 S2 S3 S4 S5S4S2 S3全域部署美国陆军、CDAO、NGA、NATO SHAPE
政府与公共部门S1 S7S6S6涉密云HHS、CDC、ICE、NHS、USDA
能源与公用事业—S10S10主权云bp、Kinder Morgan、Sonnedix、PG&E
医疗与生命科学—S6 S12S12合规云Cleveland Clinic、Tampa General、SOMPO、HCA
金融服务S7S11S11私有云Citi Wealth、Credit Suisse(历史)、Swiss Re
制造与汽车—S8 S9S9边缘/工厂空客、Ferrari、L3Harris、Lear、Tritium
消费零售与物流—S8S8—Tyson、General Mills、Heineken、Wendy's QSCC、WFP
航空航天与国防工业S5S8 S9S9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
2018Google 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—2023MSS 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-00124.80 亿美元,完成期至 2029-05-28事实DoD 合同公告
2024-09DEVCOM 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
2025-05NGA 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
2025-03-25NATO 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
2026-06NATO 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—2025Project 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2025-07-3110 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2026-094810 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 BPAS6 变体(农户服务)披露+报道
ICE ImmigrationOS2025-09-252989.8236 万美元续许可(SAM.gov);早期原型报道 3000 万美元S7事实/争议
CDC DCIPHER2021-06-08740 万美元 / 1 年续签S6事实Palantir 新闻稿
HHS/CDC COVID 相关2022—2023CDC 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 MoD2025-12三年期 £240M 直接授标S3报道
NHS FDP20237 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2023AIP 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—2024AIP 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—2025Agent 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—2026Orchestrator、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:

  1. 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
  2. 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
  3. 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 / SkywiseA350 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 QSCC6500 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
TrafiguraGlobal 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 + MetaConstellation100% 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
ExxonMobilMobil 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 CompanyNOS 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 MedicineFleet 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 WealthGlobal 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 InvestmentsAIP 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。


MEMBERS ONLY · 会员专享

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
完整版含 19 章正文、5 个附录与 58 张结构化数据表

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。

数据口径提示:本报告采用七级证据分级,对客户名单与量化成效区分「客户方一手证据 / 公司自述 / 二手汇编」,并把合同上限、RPO / RDV 与已确认收入分开列示。厂商自述的量化成效统一标注「公司口径」,不与经审计财务数据混用;财务数据以各章标注的会计期间为准,引用时请核对公司公告原文。

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
5ISR 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 Report
蝶动洞察 · 蝶动·兵机(2026). 《Palantir 主要产品应用场景与服务客户领域梳理洞察》. 专题报告. 数据基准日 2026-11-04. 永久链接:
https://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。
← 返回专题报告栏目,浏览全部报告