过去 20 年，Palantir 安静地搭出了一套组织 AI（Organizing AI）的完整思想体系—— Ontology 作为数字孪生底座、AIP 作为决策运行时、FDE 作为最后一公里、 Bootcamp 作为 5 天交付引擎。 这不是产品组合，而是一种关于"企业如何重组织自身"的世界观。
FDE 只是闭环的第三层。理解 Palantir 必须先看清这条链条—— 每一层都解决前一层留下的问题，每一层都为后一层创造前提。
Palantir 把 Ontology 定义为"组织的操作层"， 架在数据资产之上，连接回真实世界。这不是数据库表、不是知识图谱、不是数据湖—— 它是一个让 LLM 真正能在企业里"行动"的协议。
The Ontology brings together data, logic, and action into a decision-centric model of the enterprise, jointly leveraged by both humans and AI.
Ontology 把数据、逻辑、动作合成一个以决策为中心的企业模型—— 人与 AI 共同使用。
— PALANTIR BLOG · CONNECTING AI TO DECISIONS WITH THE PALANTIR ONTOLOGY
2023 年 4 月发布。一句话定位：把 LLM 安全地连接到客户私有数据和业务系统的关键层。 AIP 不是另一个 LangChain，它的差异在于底下是 Ontology，不是 RAG。
AIP encourages workflows that rely on proposals —— where AI proposes actions, but human beings make the ultimate choice.
AIP 鼓励基于"提议（proposal）"的工作流：AI 提出动作建议，但最终决定权在人。 这是 Palantir 对"人机协作"的具体工程化主张。
— PALANTIR BLOG · DEPLOYING FULL SPECTRUM AI IN DAYS
Karp 和 Sankar 在所有公开发言里反复划这条线。这是 Palantir 对自己定位的核心修辞框架—— 也是为什么 Palantir 不认为 OpenAI / Anthropic 是直接竞争对手。
Use AI to do more work —— work that was never economically feasible before AIP.
用 AI 去做那些过去经济上根本不可行的工作。 这是 AI 真正改变企业的方式——不是替代现有岗位，而是解锁过去做不到的事。
— SHYAM SANKAR · PALANTIR CTO · 2025
FDE 不是雇几个工程师驻场——它是产品哲学：总拥有客户的实施。 Anthropic 和 OpenAI 在抄这个模式，但不可被 cargo-cult。
— SHYAM SANKAR · ON TBPN · 2025-04-17
FDE 不是售前、不是咨询、不是 SA。是写代码 + 配置产品的工程师， 是 Palantir 把"组织 AI"思想体系落到具体客户的执行机制。 2006 年由 Shyam Sankar（员工 #13）发明——比 ChatGPT 早 16 年。
来自客户行业的领域专家（前军官、临床医生、采矿工程师等）。 挖掘真实业务问题、关键指标、风险流程；用 Mom Test / SPIN 等访谈方法论做发现； 把客户语言翻译成 Delta 能落地的需求。
自主开发产品的实战派工程师。5 天内把 Echo 发现的模糊需求翻译成跑得起来的软件； 每周迭代节奏：周一改 → 周二展示 → 周三再改； 如现有产品不够用，直接动手写新功能。
FDE 的真精髓是"Total Ownership of Implementation"（总拥有实施）—— 不是把工程师派到客户那儿，而是 Palantir 把"让客户用起来"这件事的全部责任内化。 OpenAI / Anthropic 现在都在抄这个模式：Anthropic JD 已经把 MCP servers / sub-agents / agent skills 写进交付物了。
FDE 太重，单个工程师服务一个客户的经济模型不成立。Bootcamp 是 Palantir 的解： 把 FDE 模式中"前 5 天最有价值的部分"标准化，让销售周期变成产品交付周期。
Echo 与客户业务专家共建 use case 优先级；接入真实数据。
核心对象、关系、动作建模；Virtual Tables 注册数据。
Delta 在 AIP Logic 中编排 agent + tools，跑通端到端 workflow。
Hands-on-keyboard。客户业务用户亲自操作，FDE 边上配合调优。
展示 production-grade workflow + 量化业务价值；签 POC 合同。
如果"组织 AI"只是 PR 修辞，看下面这 9 个客户的量化结果。 覆盖航空、食品、油气、矿业、医药、医疗、国防 7 大行业， 合同体量从 $178M 到 £500M 不等。
2016-2020 年 Palantir 长期被批为"披着软件皮的咨询公司"。理解失败案例比成功案例更重要—— 因为失败之处恰恰反向印证了 Palantir 思想体系的关键依赖。
内部文件显示三家顶级客户在 13 个月内相继终止。Amex 18 个月（含 6 个月 pilot）后弃用， 内部员工自述"从第一天起就难以让 Palantir 对用户产生粘性"。
技术中标 £500M 但地方信托不买账——Greater Manchester / Leeds Teaching Hospitals 公开表示 "Palantir 产品没有超过本地能力"。患者数据 opt-out 引发法律争议。
项目交付后由 News Corp 内部团队接管——Palantir 主动退出。 这是 Palantir FDE 模式的悖论：教会客户自己干 = 失去客户。
Ontology 没建透 → 落不了地。 Amex 只把 Palantir 当 cybersecurity 工具用（仅触及语义层、未触及动力学层）； NHS 没让地方信托参与 Ontology 共建；News Corp 的 Ontology 太业务定制、Palantir 退出后没法复用。 真正决定 LTV 的是 Ontology 建模深度 + 客户内部 FDE-like 团队能否长出来。
GE Predix 2013 年喊出"工业互联网"，2018 年崩盘。 为什么 Palantir Ontology 能成而 Predix 不能？差异不在技术，在哲学。
| 维度 | GE Predix / 传统数字孪生 | Palantir Ontology |
|---|---|---|
| 对象 | 数据表、报表、仪表板 | 业务实体（零件/患者/油井/SKU）一等公民 |
| 用途 | Read · 观察世界状态 | Read + Act + Write + Learn 闭环 |
| 决策位置 | 在系统之外（人类去做） | 决策动作直接嵌入 Ontology（Action Types） |
| 反馈回路 | 静态展示，无回流 | 执行结果回写 → AI 模型从决策中学习 |
| 落点 | IT 项目（CIO 主导） | 业务运营操作系统（COO 主导） |
| 结局 | 2018 GE Predix 业务被剥离出售 | Palantir 2024 市值突破 $200B |
如果只记住六件事，记这六个。它们会重塑你对"AI 公司怎么做企业级"这件事的判断框架。
LLM 可替换，数据湖被商品化，FDE 会跳槽。唯一不可替换的是 Ontology + Operational Model。 这反过来告诉所有 AI 创业公司：要造护城河，造结构化的客户业务模型，不要造模型本身。
Palantir 反复用 "Operational" vs "Analytical" 来对立。BI 时代是"预测 → 看 dashboard → 人做决策"， AI 时代是"AI 提议 → 人审批 → 直接写回业务系统"。这是工作流形态的范式切换。
AIP 默认 proposal-based——agent 不直接 commit，而是 propose action，人/规则审批后执行。 这给所有做 agent 产品的公司一个具体的工程化模板：不要直接动手，先生成可审批的 proposal。
传统 SaaS 卖几个月、交付几个月、上线几个月。Palantir 把这三段全部压缩成 5 天。 75% 转化率不是销售技巧，是产品交付节奏——客户在 5 天内拿到跑在真实数据上的 workflow，自然就签。
不是工程师驻场，而是 Palantir 把"让客户用起来"这件事的全部责任内化。 Sankar 警告这不可被 cargo-cult——Anthropic / OpenAI 抄表面容易，抄精髓难。
Amex / News Corp / NHS 失败的共同点：Ontology 没真正嵌入业务运营。 真正决定 LTV 的是 Ontology 建模深度 + 客户内部 FDE-like 团队能否长出来。
优先级排序。绿 = Palantir 官方一手；紫 = 创始人/高管发言；蓝 = 英文媒体；橙 = 中文媒体；黄 = 客户案例。