近两年来，Palantir始终是资本市场企业服务赛道上的焦点话题，各大媒体争相报道，不少人甚至将其冠以“AI行业领军企业”的称号。其市值已超越Salesforce，市盈率更是高达196倍，远高于特斯拉的137倍。

表格AI 生成的内容可能不正确。

在重新深度研究其产品后，一个深刻的感悟浮现出来：“慢即是快”的真谛莫过于此——也许连Palantir自己都未曾料到，经过20年苦练基本功，有朝一日能如此迅速地崛起。（不过，当前的股价确实有些离谱。）

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 年才正式上市，彼时大模型尚未出现。这意味着，它的产品路线与当前大模型热潮关联甚微，而是依托另一条极为“传统”却坚实的发展路径：深入企业数据治理与驻场实施，专注于AI与数据分析领域。

Palantir的四大核心产品体系包括：

Gotham：面向政府和国防客户的数据分析平台，依托传统机器学习技术进行情报分析与统计建模。
Foundry：面向企业市场的数据分析平台，支持各类统计分析、预测模型等应用场景。
Apollo：底层的定制化开发运维平台，确保Gotham和Foundry在复杂的企业IT环境中能够稳定运行。
AIP（AI Platform）：2023年推出的AI模型运维平台，用于实现大模型与传统AI的融合，涵盖提示工程、模型调用以及AI应用的运维管理。

从官网架构图来看，

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架构的核心是四大产品共同的基石——Ontology，这可以理解为企业级业务语义中台。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。它并非像传统数据中台那样进行数据清洗与存储，而是将数据语义化，赋予业务层面的实际意义。

驻场的实施工程师会详尽梳理企业的业务流程以及ERP、MES等底层核心系统中的数据，从而构建企业级业务对象知识图谱，作为数据治理的重要成果。以Palantir官方产品文档为例，以下是包含5个业务对象（机场、航线、航空公司、飞机、延误）的业务对象、属性及其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”的理念中，人工智能是基于数据学习历史概率来进行输出。企业的高质量数据能让AI与数据分析在Gotham和Foundry平台上快速、成功落地并产生实际价值。大模型出现后，也能顺利接入并提供企业内部的上下文语境，为AIP提供坚实的数据支撑。Ontology因此顺理成章地成为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

软件能力看似平平无奇的Palantir之所以被资本市场推至如此高位，一个关键原因在于欧美市场严重缺乏“侧重深度实施”的企业服务商。

在企业服务市场，产品的提供与产品的成功实施完全是两回事。许多大型软件公司（如SAP、Oracle、Celonis等）都提供类似的业务语义中台产品，但极少能实现非常成功的落地案例。Palantir的核心能力在于将Ontology业务语义中台成功实施落地，并兑现其业务价值（即驻场完成从0到1的数据治理，再实现数据价值）。

Palantir的工程师会与客户一起，将企业中碎片化、杂乱无章的数据，逐步清洗、映射到Ontology中，再通过建模与迭代，新建应用系统，使数据直接服务于解决业务痛点。这与欧美SaaS公司的成功路径——做软件、做增长、利用数据形成数据飞轮、实现产品驱动增长（PLG）——有着明显不同。Palantir擅长的是定制化、深度、高质量的实施交付服务。

抛开市场情绪不谈，Palantir不仅是一个AI产品，更具备了其他厂商难以复制的稀缺能力：

• 拥有足够的商务关系获取政府、军工、能源、医疗等大型定制化项目。
• 能够成功交付大型软件项目，并积累了众多成功案例。
• 数据治理能力恰好契合大AI叙事下企业亟需的数字化基建设施。

四、对国内企业服务的启示

国内的数字化项目更偏向实施，但高质量的项目实施同样十分稀缺。Palantir驻场工程师的薪酬水平已达到四大咨询经理级别，企业愿意为高质量人才付费，才能实现高质量成果的落地，从而支撑大客户与实施商之间的长期信任关系。

可以确定的是，AI确实能为企业带来巨大价值。在寻找AI应用场景、实现速赢落地的同时，企业需要投入时间和精力做好数字化的基本功——包括数据（IT系统、数据中台、业务语义中台）与业务（流程资产）的长期性治理。这将成为未来企业最稳固的护城河。