不做数据治理的实施商不是好AI公司，Palantir研究有感

这两年Palantir一直是资本市场企业服务赛道的话题焦点，媒体报道铺天盖地，甚至不少人直接把它冠上了“AI 龙头”的称号，市值超过Salesforce，市盈率高达196（特斯拉才137）。

表格AI 生成的内容可能不正确。

又一次仔细研究了他们的产品后，我感受到了 “slow is fast” 的真谛，Palantir自己可能都没想到，苦练了20年的基本功，有朝一日能这么一飞冲天。（但这股价是真离谱）

图形用户界面, 应用程序AI 生成的内容可能不正确。

一、Palantir 的外壳：AI与数据分析

Palantir 成立于 2003 年，直到 2020 年正式上市，大模型还没有出现。也就是说，它的产品路线与这波大模型的热潮关系很小，依托的是另一条极其“老派”但又坚实的道路：深入企业数据治理与驻场实施，做AI和数据分析。

Palantir的四大核心产品包括：

• Gotham：数据分析平台，面向政府和国防客户，用传统机器学习做情报分析、统计分析等。
• Foundry：数据分析平台，面向企业市场，支持各类统计分析、预测模型等。
• Apollo：底层的定制开发运维平台，确保 Gotham 和 Foundry 的定制开发能够在复杂的企业 IT 环境下稳定运行。
• AIP（AI Platform）：2023 年推出的AI模型运维平台，用来承接大模型与传统 AI 的结合，包含提示工程、模型调用和 AI 应用的运维。

拆解官网的架构图来看的话，

图示AI 生成的内容可能不正确。

二、Palantir 的本质：AI背后的数据治理

可以发现，Palantir架构的核心是4大产品的共同基石 - Ontology，我把他理解为企业的业务语义中台。在Ontology 中，企业将数据重构为“业务对象 + 业务属性 + 关系”的知识图谱。它不做传统数据中台做数据清洗和存储，而是把数据语义化，赋予数据业务意义。

驻场的实施工程师详尽梳理企业的业务和ERP、MES等底层核心系统中的数据后，形成企业级业务对象知识图谱，作为数据治理的成果。以Palantir官方产品文档为例，以下是5个业务对象（机场、航线、航空公司、飞机、延误）的业务对象+属性+关系的知识图谱体系。

图示AI 生成的内容可能不正确。

在企业级AI，在不确定性中建立确定性优势中提过，人工智能是基于数据学习历史概率进行输出的。企业的优质数据可以让AI和数据分析通过Gotham和Foundry平台快速、成功落地并产生价值。大模型出现之后，也能顺利地接入并提供企业内部的上下文语境，为AIP提供数据支持。Ontology顺其自然的成为了企业最核心的私有化数据资产。

三、北美软件故事背后的服务稀缺

我认为软件能力平平无奇的 Palantir 能在资本市场上被推高到这样的估值，原因之一是欧美市场严重缺少“重实施”的企业服务商。

在企业服务市场，产品的提供和产品的成功实施完全不是一回事，众多大型软件公司（SAP、Oracle、Celonis等）都有提供类似的业务语义中台产品，却少有极其成功落地的案例。Palantir 的核心能力是能把Ontology业务语义中台成功实施落地并实现其业务价值（即驻场完成从0-1的数据治理再兑现数据价值） 。

Palantir工程师会和客户一起，把企业里碎片化、杂乱无章的数据，一点一点地清洗、映射到 Ontology 中，再通过建模与迭代，新建应用系统，让数据直接服务于解决业务痛点。这和欧美对saas公司的成功路径，做软件 -> 做增长 -> 拿数据形成数据飞轮 -> 做产品驱动增长（PLG）的理念很不一样。Palantir擅长的是定制化的、深度的、高质量实施交付。

抛开市场情绪不谈，Palantir不只是一个AI产品，其更具备了其他厂商不具备的稀缺能力：

1. 有足够的商务关系拿下政府、军工、能源、医疗等大型定制化项目。
2. 能成功交付大型软件项目，并已有不少成功案例。
3. 数据治理极其贴合大AI叙事下企业急需的数字化基建。

四、对国内企业服务的启示

国内的数字化项目更重实施，但高质量的数字化项目实施也稀缺。Palentir驻场工程师的工资是四大咨询经理级别Level的，愿意为高质量人才付费，能落地高质量结果，才能撑得起大客户和实施商的互相长期信任。

我坚定的认为，AI是可以为企业带来巨大价值的，我们在找AI应用场景做速赢落地的同时，要花时间花精力做好企业数字化的基本功 —— 数据（IT系统、数据中台、业务语义中台）、业务（流程资产）的长期性治理将会是未来企业最稳固的护城河。