AI新知（十二）：AI不是起点——警惕"AI中心主义"的陷阱

先介绍一家公司。Palantir，2004年成立的美国企业软件公司，最初服务于美国情报机构，后来扩展到商业领域。2023年推出AI平台AIP后，股价从不到8美元飙升到超过200美元，被市场视为企业级AI的标杆。

最近看到一条评价Palantir的评论，大意是：在没有大模型的时候，Palantir的规则推理系统根本无法大规模使用。有了大模型之后，系统才真正可用。也就是说2022年之前做了十几年无用功，大模型出来后积累才终于有了用武之地。

这个观点代表了一种流行的思维方式：AI是一切价值的来源，AI之前的积累都是前戏。

这种思维方式正在让很多企业踩坑。

数据不支持这个叙事

用Palantir的财报直接回应。

AIP推出之前的2020到2022年，Palantir营收从7.4亿美元增长到约19亿美元，年增速保持在24%到47%之间。美国商业客户数在2021到2022年间实现了数倍增长，每季度签几十个百万美元级合同，客户包括美国陆军、空军、FDA、NHS、BP、空客。一个"根本无法大规模使用"的系统不会有这种数据。

AIP推出之后，2023年增速反而是历史最低的17%。真正的加速出现在2024年下半年到2025年——营收增速从29%飙升到63%，美国商业营收增长121%。

结论很清楚：AI让增速从快变成更快，但基础盘在AI之前就跑通了。这是从1到10，不是从0到1。

2023年增速反而最低，原因不复杂。Palantir自身和客户都在从"重度人工交付的项目制"切换到"AIP训练营的轻量化模式"，交付方式的变革在初期会占用存量资源，新模式的产出还没起来，旧模式的惯性已经减弱。加上客户需要重新评估采购、将预算调整到AIP，形成了一个财务上的空窗期。2024年下半年加速起飞，说明切换完成后新模式的爆发力远超旧模式——但这不是"AI拯救了无用的系统"，而是"AI在已经验证的基础上释放了新的增长空间"。

大模型是加速器，不是发动机

Palantir花了将近二十年打磨的Ontology体系——把企业的业务对象、关系和规则标准化封装成一套语义框架——这是发动机。AIP是在这个发动机上加装的涡轮增压。

没有发动机的涡轮增压是什么？就是把大模型直接接到原始数据库上。几十张表、几百个字段、命名五花八门，大模型只能根据字段名猜，猜错了就是幻觉。更危险的是，大模型可能自信地给出一个看起来完美但完全错误的答案。没有语义框架的AI，就像在一堆未经分拣的燃料上盲目点火——结果不是驱动，是爆炸。

Palantir的Ontology给了AI三样它最缺的东西：语义上下文（大模型知道"客户订单"是什么，而不是猜tbl_ord_2024_q3是什么）、权限边界（不同角色看到不同的数据）、操作框架（AI的动作有校验、有审批、有审计）。这些不是AI带来的，是AI之前就建好的。

正是因为有了这个标准化的底座，大模型才能通过AIP在短短几天内理解客户的业务。没有这个底座，再强的模型也只是在垃圾上做推理。

这个逻辑不只适用于Palantir

延伸到所有企业的AI落地，有四个问题需要在接入大模型之前回答。

数据治理做好了吗？不是看你有多少数据，而是看核心业务资产有没有主数据标准。如果连物料编码都没有统一，大模型拿到的就是一团乱麻。

业务流程梳理清楚了吗？关键决策节点有没有被识别出来？流程的变动边界是否清晰？如果你自己都说不清楚"做这个决策需要看什么"，AI也说不清楚。

业务术语在系统里有一致的定义吗？如果销售眼中的"客户"是正在洽谈的商机，财务眼中的"客户"是已经签了合同的成交方，大模型面对"列出所有客户"这个问题就会精神分裂。

组织有没有能力定义问题？业务一线能不能把模糊的痛点拆解为可操作的决策步骤？如果不能，AI只是一个更快速地产出无用答案的工具。

这四个问题的答案如果是"还没做"或者"不知道"，那买再先进的大模型也只是在垃圾上做推理。

这也是这个系列前面讨论过的问题在底层的汇合。第一篇里那个供应链预测项目失败，根源是数据分散在十几个系统里；索洛悖论那篇讲的"旧流程套新工具不出效率"，根源是流程没有被重构；报销案例里流程之所以存在，是因为信息断裂没有被解决；腾讯困局里微信数据无法喂模型，是因为社交数据的信噪比太低、缺乏业务语义结构。这些问题的共同根源只有一个：AI之前的基础工作没有完成。

跳过基础工作的代价

"AI中心主义"的实际危害已经在大量企业中上演。跳过基础工作直接冲向"接入大模型"，结果是AI项目变成"展厅专属"——演示时很炫，实际业务中没人用。不是模型不够好，是基础没打好。

回到那条评论。说Palantir"做了十几年无用功"，恰好说反了。那十几年的"无用功"——统一语义、接通数据、嵌入业务逻辑、在客户现场反复构建语义框架——就是今天AI能在Palantir平台上产生价值的全部前提。没有这些前提，AIP只是一个更贵的聊天机器人。

先做基础，再接AI。这不是保守，是常识。

Palantir用二十年证明了这一点——先花十几年打磨语义框架和数据底座，然后在一个成熟的基础上叠加AI，两年内营收增速从17%飙升到63%。

跳过前面那十几年直接从AI开始的企业，大概率会用三个月证明另一个道理：在没有地基的地方盖楼，楼越高塌得越快。

这是「AI新知」系列的第十二篇。欢迎关注这个系列。